ارزیابی و پیش بینی خشکسالی های غرب و شمال غرب ایران با استفاده از شبکه عصبی مصنوعی

خشکسالی به عنوان مخاطره­ای اقلیمی، تاثیر بسزایی بر محیط زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین رو پایش و پیش­بینی این پدیده امری لازم و ضروری می باشد. در این پژوهش با هدف بررسی و ارزیابی پیش­بینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شده چند متغیره (MSDI) و روش­های مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش بینی مقادیر این شاخص در محدوده مطالعاتی، از داده­های ماهانه بارش و رطوبت خاک پایگاه داده  MERRA طی دوره ۳۶ ساله (۱۹۸۰-۲۰۱۶) به عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی  بهره برده شد.  نتایج تحلیل خشکسالی ماهانه براساس این داده­ها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماه­های مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استان­های لرستان و خصوصا ایلام و کرمانشاه می­باشند. این نتایج با بررسی نقشه­های فصلی و سالانه نیز مطابقت دارد. طبق طبقه­بندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالی­ها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل سازی شبکه­های عصبی مصنوعی نیز نشان داد که استفاده از شبکه­های عصبی مصنوعی به طور کلی از توانایی شبیه­سازی مناسبی برخوردار می­باشند. از بین الگوریتم­های استفاده شده جهت بهینه­سازی شبکه عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش ها در پیش­بینی خشکسالی ها دارا می­باشد.

ارزیابی و پیش بینی خشکسالی های غرب و شمال غرب ایران با استفاده از شبکه عصبی مصنوعی Keywords:

بارش , رطوبت خاک , شاخص خشکسالی چند متغیره , شدت خشکسالی , الگوریتم ژنتیک.