بررسی احتمال خشکسالی و انتخاب مناسب ترین شاخص در نواحی اقلیمی ایران

هدف: ایران کشوری پهناور است که به دلیل موقعیت جغرافیایی و شرایط توپوگرافی، دارای آب و هوایی متفاوت است. پژوهش حاضر با هدف انتخاب مناسب­ ترین شاخص خشکسالی در نواحی اقلیمی ایران و بررسی احتمال وقوع آن از طریق روش ­های عدم قطعیت انجام شده است.روش و داده: لذا در این پژوهش در گام نخست از طریق روش ­های تصمیم­ گیری چندمعیاره، مناسب ­ترین شاخص برای هر ناحیه اقلیمی بر اساس درصد تناسب، انتخاب و در نهایت بر اساس روش ­های شبکه عصبی مصنوعی، آنالیز احتمالی محاسبه و درصد احتمال وقوع پدیده خشکسالی برای هر ناحیه تعیین شده است. پس از انتخاب شاخص مناسب، برای بیان احتمال وقوع خشکسالی از داده ­های آماری ایستگاه های سینوپتیک کشور در یک دوره آماری ۲۸ ساله (۲۰۱۷-۱۹۹۰) استفاده شده است. با توجه به توالی داده ­های بارشی، از دو نوع شبکه عصبی معمولی و عمیق برای بررسی پدیده خشکسالی استفاده گردید. ضمنا برای جبران کمبود داده ­ها و افزایش سرعت همگرایی شبکه، از روش کرنل برای تولید داده ­ها در آموزش شبکه عصبی، و برای تحلیل شبکه عصبی مصنوعی و محاسبه احتمال رخداد پدیده خشکسالی، از نظریه تئوری ابری استفاده شده است.یافته ها: در حالت کلی نتیجه نهایی آنالیز تئوری ابری از داده های مورد مطالعه نشان می­ دهد که در تمامی ایستگاه­ های بررسی شده در سال هدف یعنی سال ۲۰۱۷، کشور ایران و تمامی ایستگاه های نماینده، وضعیت اقلیمی نزدیک به محدوده نرمال را نشان داده ­اند و کشور به لحاظ شدت خشکسالی در سال مذکور تقریبا در محدوده نرمال قرار داشته است. بیشترین قطعیت وقوع خشکسالی، به ترتیب به ایستگاه تبریز (۹۶ درصد) و ایستگاه همدان (۹۴ درصد) تعلق دارد.نتیجه گیری: بر مبنای نتایج، مدل عدم قطعیت انتخابی در آنالیز احتمال از توانایی بالایی برخوردار بوده و با درصد اطمینان قابل قبولی احتمال رخداد خشکسالی را پیش ­بینی کرده است.نوآوری، کاربرد نتایج: با توجه به تفاوت مناطق اقلیمی ایران و حذف مداخله کاربر، و با استفاده از محاسبات علمی و ریاضی، ضریب خطا در انتخاب شاخص کاهش می یابد. سپس با کمک روش های عدم قطعیت مانند تئوری ابری، توانایی پیش بینی احتمال وقوع خشکسالی در آینده افزایش می یابد.

Keywords:

خشکسالی , مدل های هوش محاسباتی , تئوری ابری , عدم قطعیت , نواحی اقلیمی ایران