لاله پرویز - استادیار دانشکده کشاورزی، دانشگاه شهید مدنی آذربایجان، تبریز

پایش خشکسالی با توجه به تاثیرات منفی آن در بخش ھای مختلف از جمله کشاورزی، محیط زیست و منابع آب از اھمیت چشمگیری برخوردار است. در این مطالعه، از مدل ھای شبکه عصبی مصنوعی و رگرسیون فازی جھت مدل سازی روابط نمایه ھای NDVI و VTCI و VHI و NVSWI و TCI و TVX حاصل از تصاویر سنجنده MODIS با مقادیر بارش مشاھداتی در 7 ایستگاه کرمانشاه، تبریز، کرمان، مشھد، ارومیه، یزد و زنجان به منظور پایش خشکسالی استفاده شد. نمایه ھای ماھواره ای VHI و NVSWI و TCI و TVX با متغیر بارش دارای بیش ترین تعداد ضریب ھمبستگی معنی دار بودند. براساس معیارھای خطا، رھیافت رگرسیون فازی در مدل سازی شاخص ھای VHI و TCI و NVSWI و رھیافت شبکه عصبی مصنوعی در مدل سازی شاخص TVX دارای کم ترین مقدار خطا بود. در رگرسیون فازی متقارن با افزایش پارامتر سطح اعتماد بر گستردگی متغیر ھای رگرسیون افزوده شد مانند افزایش پارامتر سطح اعتماد در شاخص VHI از 0/7 به 0/8، پارامتر گستردگی را 50 درصد افزایش داد. پارامتر نقطه پیک در رگرسیون فازی نامتقارن نسبت به فاکتورھای چولگی دارای حساسیت می باشد به طوری که در شاخص TVX، میزان درصد افزایش نقطه پیک از کمینه مقدار ضریب چولگی به بیشینه آن، 22/17 درصد بود. کاھش پارامتر سطح اعتماد شاخص TVX که نمایان گر کاھش میزان فازی بودن است، مویدی بر کارایی شبکه عصبی مصنوعی در مورد شاخص TVX است.

شبکه عصبی مصنوعی، رگرسیون فازی، خشکسالی، بارش