پیش بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان)

هدف تحقیق حاضر، پیش بینی خشکسالی های پاییزه ی زاهدان به وسیله متغیرهای ورودی مختلف می باشد. این متغیرها عبارتند از: بارندگی، مقادیر پیشین شاخص خشکسالی SPI و ۱۹ عدد از شاخص های اقلیمی. برای این منظور، میانگین سه ماهه اکتبر- نوامبر- دسامبر شاخص خشکسالی SPI به عنوان متغیر خروجی انتخاب شد. سپس هرکدام از متغیرهای ورودی یاد شده، در تاخیرهای زمانی صفر، ۱، ۲ و ۳ ماهه (به ترتیب میانگین سه ماهه اکتبر-نوامبر-دسامبر، سپتامبر-اکتبر- نوامبر، آگوست- سپتامبر- اکتبر و ژولای-آگوست- سپتامبر) وارد مدل شدند. مدل های پیش بینی نیز با استفاده از مدل فازی- عصبی ANFIS توسعه داده شدند. بر اساس نتایج به­دست آمده، در تاخیر زمانی صفر، بارندگی و شاخص اقلیمی Nino۳ به ترتیب با ضرائب همبستگی ۰.۹۷ و ۰.۷۵ و خطاهای ۰.۱۳ و ۰.۳۳ مناسب ترین متغیرهای ورودی را تشکیل دادند؛ در تاخیر زمانی ۱ ماهه، بارندگی، شاخص خشکسالی SPI و شاخص اقلیمی AMO به ترتیب با ضرائب همبستگی ۰.۶۷، ۰.۷۲، ۰.۶۵ و خطاهای ۰.۳۶، ۰.۳۵ و ۰.۳۹ بهترین متغیرهای ورودی را شامل شدند؛ در تاخیر زمانی ۲ ماهه، شاخص اقلیمی SOI با ضریب همبستگی ۰.۷۸ و خطای ۰.۳۱ به عنوان بهترین متغیر ورودی انتخاب شد و در نهایت در تاخیر زمانی ۳ ماهه، شاخص اقلیمی AMO  با ضریب همبستگی ۰.۵۹ و خطای ۰.۴۲ مناسب ترین متغیر ورودی را تشکیل داد.

کلیدواژه ها:

پیش بینی خشکسالی ، شاخص SPI ، شاخص های اقلیمی ، مدل فازی- عصبی ANFIS ، زاهدان