بررسی عملکرد الگوریتم های Kstar و GPR در مدلسازی شاخص خشکسالی هواشناسی RDI (مطالعه موردی: شرق حوضه دریاچه ارومیه)

خشکسالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. پایش خشکسالی­ ها می­تواند اطلاعات باارزشی جهت تدوین برنامه ­های مقابله با خشکسالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه ­ریزان منابع آب بگذارد. در تحقیق حاضر، خشکسالی هواشناسی چهار ایستگاه سینوپتیک (Synoptic Scale Meteorology) اهر، جلفا، تبریز و مراغه در استان آدربایجان ­شرقی، شرق دریاچه ارومیه با استفاده از شاخص خشکسالی RDI در دوره آماری ۱۹۵۵ تا ۲۰۱۹ مورد بررسی و تحلیل قرار گرفت. برای محاسبه شاخص RDI از داده ­های بارش و تبخیر تعرق پتانسیل ماهانه با روش فائو پنمن مانتیث (FP-M) استفاده شد. شاخص RDI برای هر ایستگاه به­ صورت جداگانه و درسه مقیاس زمانی ۶، ۹ و ۱۲ ماهه محاسبه گردید و نتیجه محاسبات نشان داد در مقیاس زمانی ۱۲ ماهه پایش خشکسالی بهتر از مقیاس ­های زمانی دیگر می ­باشد. سپس با استفاده از الگوریتم ­های Kstar و GPR شاخص RDI در سه مقیاس زمانی مدل­سازی شد. نتایج حاصل از معیارهای ارزیابی، عملکرد بالای الگوریتم ­های ذکرشده را نشان داد به طوری ­که مقدار عددی ضریب همبستگی الگوریتم GPR برای همه ایستگاه ­ها ۹۲/۰ و همین ضریب با الگوریتم Kstar در بازه ۹۱/۰ تا ۹۲/۰ قرار دارد. همچنین مقدار عددی RMSE با الگوریتم GPR بازه ۳۱/۰ تا ۳۹/۰ و الگوریتم Kstar ۳۲/۰ تا ۵۱/۰ را به ­دست آورد. از این نتایج می­توان ادعا کرد که الگوریتم GPR با دقت بالاتری شاخص خشکسالی RDI را مدل کرده است.

Keywords:

الگوریتم Kstar , پایش خشکسالی RDI , رگرسیون فرایند گاوسی , شرق دریاچه ارومیه