زاهده حیدری زادی - دانشجوی دکتری بیابان زدایی، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
مجید اونق - استاد، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
چوقی بایرام کمکی - استادیار، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

خشکسالی یک پدیده اقلیمی ناخوشایند است که به طور مستقیم بر ابعاد مختلف جوامع انسانی تاثیر می گذارد. به منظور آگاهی و انتخاب تصمیم مدیریتی مناسب، طراحی و توسعه یک رویکرد یکپارچه برای کنترل موثرتر این پدیده و ارائه هشدارهای اولیه ضروری است. در این مطالعه، دوازده شاخص مختلف سنجش از دور از ماهواره مودیس (MODIS) و مدل رقومی ارتفاعی (DEM) برای پایش خشکسالی در طول فصل رشد برای سال های ۲۰۱۸-۲۰۰۰ مورد استفاده قرار گرفت. شاخص استاندارد شده بارش (SPI) با مقیاس زمانی یک تا ۱۲ ماه به عنوان داده مرجع استفاده شد. سپس روابط بین ۱۳ شاخص و SPI با مقیاس­های زمانی مختلف با استفاده از رویکرد یادگیری ماشین و تکنیک جنگل تصادفی مدل­سازی استفاده شد. از داده های رطوبت نسبی خاک، شاخص بارش-تبخیر و تعرق استانداردشده (SPEI) و داده های عملکرد محصول به منظور اعتبارسنجی مدل استفاده شد. نتایج نشان داد که جنگل تصادفی کارکرد خوبی (R۲=۸۸/۰) برای شبیه­سازی SPI دارد. در مرحله بعد با استفاده از مدل خشکسالی که در مرحله قبل ساخته شد، شاخص خطر خشکسالی (DHI) بر اساس احتمال وقوع خشکسالی محاسبه شد. شاخص آسیب پذیری خشکسالی (DVI) نیز  با استفاده از  هفت شاخص اجتماعی و اقتصادی محاسبه شد. در نهایت، شاخص خسارت خشکسالی (DRI) با تلفیق شاخص خطر خشکسالی و شاخص آسیب­پذیری خشکسالی برای استان ایلام به دست آمد. نتایج نقشه خسارت نشان داد که دو شهرستان در معرض خسارت خشکسالی خیلی­شدید، چهار شهرستان در معرض خسارت زیاد و چهار شهرستان در معرض خطر خشکسالی متوسط و کم قرار دارند. به طور کلی، نتایج این مطالعه یک روش جامع برای ارزیابی خشکسالی منطقه­ا ی ارائه می دهد. همچنین بر اساس این مدل، می توان شهرستان های با آسیب پذیری بالا را شناسایی کرد تا با ارائه برنامه های مدیریتی به موقع به بهبود وضعیت کمک کند.

استان ایلام, جنگل تصادفی, خسارت خشکسالی, SPI