توسعه مدل پیش بینی خشک سالی زراعی با استفاده از تصاویرماهواره ای و شبکه عصبی مصنوعی

از آنجایی که استفاده از روش های معمول و داده های بارندگی برای پیش بینی خشکسالی زراعی چندانموفقیت آمیز نبوده است، مدلی برای پی شبینی خشکسالی زراعی ارائه شده که بر اساس شاخص پوششبدست آمده از تصاویر ماهوار های، (Normalized Difference Vegetation Index) NDVI گیاهی(Southern SOI سیگنال های اقلیمی و شبکه عصبی پایه گذاری شده است. از شاخص های اقلیمیکه تاثیر آنها بر بارندگی و جریان (North America Oscillation) NAO و Oscillation Index)رودخانه ها در این منطقه مشخص شده، به عنوان ورودی این مدل استفاده شده است. در این مدل از دواستفاده شده است. (Moving Windows Method) MWM و روش (Normal Method) NM روشحاصل از تصاویر ماهوار های و توانایی شبکه عصبی در شبیه سازی روابط NDVI نتایج این تحقیق قابلیتبا پوشش گیاهی به منظور پیش بینی خشکسالی زراعی را در این منطقه NAO و SOI بین شاخص هاینشان می دهد

کلیدواژه ها:

SOI ، NAO ، NDVI ، : تصاویر ماهوار های ، خشک سالی ، شبکه عصبی ، پیش بینی