بررسی ارتباط میان خشک سالی کشاورزی و هواشناسی در شمال غرب ایران با استفاده از شبکه عصبی پرسپترون چند لایه (MLP)
- سال انتشار: 1402
- محل انتشار: فصلنامه مدل سازی و مدیریت آب و خاک، دوره: 3، شماره: 3
- کد COI اختصاصی: JR_MMWS-3-3_012
- زبان مقاله: فارسی
- تعداد مشاهده: 75
نویسندگان
دانش آموخته کارشناسی ارشد/ مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه آزاد اسلامی علوم و تحقیقات، تهران، ایران
دانش آموخته کارشناسی ارشد/ مهندسی سیستم، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
استادیار/ پژوهشکده حفاظت آب وخاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
چکیده
خشک سالی پدیده ای طبیعی، تکراری و موقتی است که به سبب بارش اندک رخ می دهد و تقریبا تمامی مناطق اقلیمی جهان را تحت تاثیر قرار می دهد. تعیین وقوع و روند خشک سالی می تواند در مدیریت برنامه ریزی سیستم های منابع آب نقش به سزایی داشته باشد. در دهه های اخیر، شبکه های عصبی در مدل سازی و پیش بینی سری های زمانی غیر خطی کارائی مناسبی را نشان دادند. بر همین اساس هدف تحقیق حاضر، تعیین ارتباط میان خشک سالی هواشناسی و کشاورزی در شمال غرب ایران و پیش بینی روند تغییرات پوشش گیاهی است. ابتدا از داده های بارندگی ماهانه ۸۸ ایستگاه هواشناسی وزارت نیرو به مدت ۱۵ سال، ۱۳۹۵-۱۳۸۰، برای تجزیه و تحلیل خشک سالی های هواشناسی در مقیاس های زمانی ۱، ۳، ۶ و ۱۲ ماهه استفاده شد. سپس با استفاده از سنجش از دور و تصاویر ماهواره لندست ۸، شاخص اختلاف نرمال شده پوشش گیاهی (NDVI) در سال های آبی ۱۳۹۰ تا ۱۳۹۵ مورد بررسی و محاسبه قرار گرفت. به منظور پیش بینی وضعیت پوشش گیاهی از شاخص NDVI و شاخص خشک سالی هواشناسی SPI (شاخص بارش استاندارد شده) و الگوریتم شبکه عصبی پرسپترون (MLP) استفاده شد. طبق بررسی های انجام شده مشخص شد که SPI در مقیاس زمانی ماهانه در محاسبه شدت ترسالی و خشک سالی کارآمد است. هم چنین حداکثر میزان تراکم پوشش گیاهی مربوط به فروردین و اوایل اردیبهشت و در فصل بهار بوده و دوره بازگشت این خشک سالی ها ۵-۶ ساله تعیین شد. در نهایت، ارتباط میان داده های NDVI پیش بینی شده و داده های ورودی (NDVI یک ماه قبل و SPI ماهانه) در گام های زمانی متفاوت، یک تابع غیرخطی با ضریب همبستگی ۰/۸۱ خطای ۰/۰۲۶۵ برای داده های بارش ماهانه است. بدین معنی که ۸۱ درصد داده ها قابل توجیه بودند. در نهایت مشخص شد که میان NDVI و SPI همبستگی بالایی وجود دارد و می توان نتیجه گرفت که SPI برای پیش بینی خشک سالی کشاورزی شاخص مناسبی است.کلیدواژه ها
پهنه بندی خشک سالی, شبکه عصبی پرسپترون, شمال غرب, SPI, NDVIاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.