پیش‌بینی وضعیت خشکسالی با استفاده از شاخص بارش-تبخیر و تعرق استاندارد شده و مدل های هوش مصنوعی (مطالعه موردی: ایستگاه سینوپتیک کرمان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو/ دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

2 استاد/گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان

3 گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

10.22034/jmas.2022.356011.1184

چکیده

خشکسـالی ازجمله بلاهای طبیعی است که به اکوسیستم‌های طبیعی آسیب‌های فراوانی وارد می‌کند.بر اساس نتایج پژوهش‌های انجام‌شده، مواردی که نقش ویژه‌ای در وقوع و تداوم خشکسالی دارند عبارت از بارش، دما، تبخیر، باد و رطوبت نسبی هستنداما بارش مهم‌ترین مورد در وقوع خشکسالی است. در این تحقیق داده‌های دمای ماکزیمم، دمای مینیمم، میانگین دما، رطوبت نسبی، بارش و سرعت باد ایستگاه سینوپتیک کرمان در دوره 29 ساله (سال‌های 1991 الی 2020) استفاده شد.که با بهره‌گیری از داده‌های جمع‌آوری‌شده نتایج جدیدی جهت پیش‌بینی خشکسالی توسط شاخص بارش-تبخیروتعرق استانداردشده (SPEI) و روش‌های هوش مصنوعی ازجمله مدل درخت (MT) و رگرسیون چند متغیره تطبیقی اسپلاین ((MARS ارائه گردیده است. نتایج حاصل از پیش‌بینی خشکسالی شهر کرمان با استفاده از شاخص بارش ـ تبخیر و تعرق استانداردشده نشان داد که فراوانی دوره‌های مرطوب و خشک در مقیاس‌های زمانی کوتاه‌مدت زیاد است و با افزایش طول بازه زمانی این فراوانی کاهش می‌یابد. در بازه زمانی 6 ماهه اول سال 1992 بیشترین مقدار شاخص خشکسالی (SPEI=2.48) و شدیدترین خشکسالی ها در بازه زمانی 24 ماهه منتهی به سال 2009 با کمترین مقدار شاخص (SPEI=-5.53) رخ‌داده است. عملکرد مدل هوش مصنوعی MARS با توجه به مقادیر شاخص های آماری R و RMSE و MAE در مرحله آموزش(989/0 R= ، 148/0 RMSE=و105/0= MAE) و آزمایش(950/0 R= ، 290/0 RMSE= و158/0= MAE)، نسبت به مدلMT مناسبتراست.

کلیدواژه‌ها

موضوعات

نشریه هواشناسی و علوم جوّ
دوره 4، شماره 3
آذر 1400
صفحه 260-271

فایل ها

هم رسانی

ارجاع به این مقاله

آمار