مدل سازی خشکسالی بر پایه شاخص SPI با استفاده از داده های زمینی و ماهواره ای به کمک مدل تلفیقی GPR-CEEMD

خشکسالی یکی از مشکلات مهمی است که در بخش کشاورزی و منابع آب تاثیرگذار می­باشد. امروزه استفاده از تکنیک سنجش از دور به عنوان یک ابزار مفید جهت پایش خشکسالی مورد توجه قرار گرفته است. هدف از این مطالعه پیش­بینی زمانی خشکسالی با استفاده از دادههای ایستگاه­های زمینی و ماهواره­ای محصول TRMM۳B۴۳ بین سالهای ۱۹۹۸-۲۰۱۷ میباشد. در این راستا، ابتدا داده­های بارش به شاخص SPI تبدیل گردید و سپس با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (GPR) بر پایه روش تجزیه­ی یکپارچه مد تجربی کامل (CEEMD) خشکسالی شهر تبریز مورد بررسی قرار گرفت. مدل­های متفاوتی تعریف گردید و نرخ تاثیر پارامترهای ورودی مختلف بررسی شد. مشاهده گردید که مقادیر بارش حاصل از ماهواره TRMM در مﻘیاس ماهانه دارای همبستگی مطلوبی با مﻘدار بارش حاصل از ایستگاه تبریز بوده و نتایج تحلیل خشکسالی با استفاده از داده­های ماهواره­­ای تقریبا منطبق بر داده­های ایستگاه زمینی است. نتایج قابلیت و کارایی بالای روش به ­کار رفته را در تخمین شاخص خشکسالی  SPI به خوبی نشان داد و مشاهده شد که تجزیه سری­ زمانی بر اساس روش­ تجزیه­ی یکپارچه مد تجربی کامل منجر به نتایج دقیق­تری می­گردد. تجزیه داده­های ورودی تقریبا۳۰ تا ۴۰ درصد دقت پیش­بینی را افزایش داد. ملاحظه گردید که در پیش بینی خشکسالی، عناصر اقلیمی شامل میانگین دما و رطوبت نسبی ماهانه و همچنین شاخص SPIهای مربوط به ماه­های گذشته تاثیرگذار می­باشند و با حذف پارامترهای اقلیمی، خطای مدل­سازی ۱۵ تا ۲۰ درصد افزایش می­یابد. همچنین نتایج آنالیز حساسیت نشان داد که SPIt-۱تاثیرگذارترین پارامتر در مدل­سازی است.

Keywords:

خشکسالی , سنجش از دور , مد تجربی , SPI , GPR