سیبویه اقا محمدی - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بیرجند، ایران
عباس خاشعی سیوکی - دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران
علی شهیدی - دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران
سیدرضا هاشمی - استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه بیرجند، ایران

تغییرات اقلیمی و پدیده هایی از جمله خشکسالی در میزان عملکرد محصولات کشاورزی موثر هستند. یکی از راهکارهای مقابله با این پدیده ها، جایگزینی مدیریت ریسک به جای مدیریت بحران است، به­طوری­که با ارزیابی ریسک، قبل از وقوع بحران، میزان خسارت ها به حداقل می رسد. در این پژوهش نیز در جهت کاهش خسارت های ناشی از خشکسالی به­عنوان پدیده ای طبیعی و غیر قابل کنترل، بر روی محصول زعفران، به ارزیابی ریسک خشکسالی با استفاده از روش شبیه سازی مونت­کارلو پرداخته شد. شاخص خشکسالی بارش استاندارد شده (SPI) ماهانه و میانگین دمای ماهانه به عنوان متغیرهای مستقل در تابع توزیع عملکرد محاسبه می شود. با کمک روش فراابتکاری شبکه عصبی مصنوعی (ANN)، ارتباط بین متغیرهای مستقل (دما و SPI) و متغیر وابسته (عملکرد محصول زعفران) برقرار می شود. سپس داده ی تصادفی از متغیرهای مستقل ساخته می شود و با شبکه عصبی مصنوعی آموزش یافته، 2000 عملکرد شبیه سازی شده تولید می گردد. انتخاب یک ایستگاه مرجع و با استفاده از توزیع تجمعی به دست آمده، عامل ریسک محاسبه شد و با رسم نمودار عامل ریسک-عملکرد استاندارد، ریسک نسبی ایستگاه های مورد مطالعه بررسی شده است. نتایج به­دست آمده از این پژوهش نشان داد که بیشترین سال های مورد مطالعه در محدوده نرمال قراردارند و فراوانی خشکسالی در چهار ایستگاه خراسان جنوبی دو برابر ایستگاه های مورد مطالعه در خراسان رضوی می باشد. همین­طور شبکه عصبی مصنوعی با ضریب همبستگی 85/0 توانست به خوبی عملکرد را پیش بینی نماید. در پایان بر اساس نتایج به­دست آمده از نمودار ریسک-عملکرد استاندارد، ایستگاه های قاین، بیشترین و نهبندان کمترین ریسک نسبی نسبت به ایستگاه مرجع (تربت­حیدریه) را  داشتند.

مدیریت ریسک, باران استاندارد شده (SPI), شبکه عصبی مصنوعی, شبیه سازی