پهنه بندی خشکسالی با استفاده از پیش بینی شاخص بارش استاندارد شده در استان کرمان

کمبود آب امروزه در قسمتهای مختلف جهان از جمله ایران اتفاق می افتد که قسمتی از ان متاثر از تغییرات اقلیمی و قسمتی دیگر ناشی از افزایش تقاضا در بخش های گوناگون و همچنین آلودگی منایع تامین اب می باشد. وقوع خشکسالی با تاثیر منفی بر کیفیت و کمیت منابع اب سطحی و زیرزمینی موجب تشدید پدیده کمبود اب می شود. جاوگیری از وقوع خشکسالی امکان پذیر نیست ولی می توان با استفاده از امارهای موجود و پیش بینی صحیح و پهنه بندی خشکسالی و بکارگیری طرح های مقابله با خشکسالی و مدیریت ان خسارات ناشی از این پدیده را تا حد زیادی کاهش داد. در سال های اخیر استفاده از روش های مدلسازی مبتنی بر هوش مصنوعی در علوم مهندسی آب مورد توجه جدی محققین قرار گرفته است.لذا در این تحقیق سعی شده است که ابتدا شاخص خشکسالی بارش استاندارد شده SPI در بازه های زمانی 3 ، 9 و 24 ماهه (به عنوان شاخص های کوتاه مدت ، میان مدت و بلند مدت) توسط شبکه های عصبی مصنوعی چند لایه پیشخور در استان کرمان پیش بینی شود و سپس نتایج پیش بینی ها تا 6 ماه اینده در سطح استان پهنه بندی شوند. نتایج حاکی از شرایط نزدیک نرمال در دوره های کوتاه مدت و میان مدت و خشکسالی بسیار شدید در دوره های بلند مدت برای 6 ماه آینده است.

کلیدواژه ها:

شاخص SPI ، پیش بینی خشکسالی ، شبکه های عصبی مصنوعی