پویا عاقل پور - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
وحید ورشاویان

خشکسالی به عنوان یکی از پیچیده ترین فاجعه های زیست محیطی است که به طور مداوم در تمامی نقاط جهان تاثیر می گذارد. این پدیده به طور معمول می تواند در انواع مناطق آب وهایی دنیا نظیر مناطق پرباران و کم باران رخ دهد و هزینه های اقتصادی و اجتماعی زیادی را در سراسر جهان موجب گردد. انتشار پیش بینی به موقع از خشکسالی می تواند زمینه ساز اقدامات وسیاست هایی مناسب جهت کاهش اثرات خشکسالی گردد. شاخص بارش استاندارد چند متغیره MSPI شاخصی است که می تواند در مورد چند نوع مختلف خشکسالی به صورت همزمان اظهارنظر نماید. هدف از این تحقیق پیش بینی توامان دو نوع خشکسالی کشاورزی و هیدرولوژیکی، درنمونه های مختلف اقلیمی ایران بود. بدین منظور از چهار نمونه اقلیمی مدیترانه ای معتدل، نیمه خشک فراسرد، خشک سرد و فراخشک گرم یک ایستگاه به ترتیب ایلام، اردبیل، تهران و ایرانشهر انتخاب گردید. مجموع بارش ماهانه از ابتدای تاسیس این ایستگاه ها تا انتهای سال 2017استفاده شد. دو معیار ریشه میانگین مربعات خطا RMSE و شاخص ویلموت WI جهت ارزیابی مدل ها استفاده گردید. نتایج حاکی از دقت قابل قبول مدل های هوش مصنوعی در پیش بینی توامان خشکسالی هیدرولوژیکی و کشاورزی بود.همچنین در پیش بینی شاخص MSPI، مدل LSSVM دقیق تر از GRNN ارزیابی شد.

خشکسالی کشاورزی، خشکسالی هیدرولوژیکی، MSPI، LSSVM ،GRNN