ارزیابی شاخص بارش -تبخیرتعرق استاندارد شد ه (SPEI) و مدل پرسپترون -شیب توام مقیاس (MLP-SCG) جهت پیش بینی خشکسالی کشاورز ی (مطالعه موردی: ایستگاه قراخیل - قائمشهر)

خشکسالی یکی از بلایای مخرب طبیعی است که در اقلیم های مختلف اتفاق می افتد و ناشی از کمبود بارش می باشد. تداوم این کمبود بارش بر بخش های مختلف از جمله کشاورزی تأثیر می گذارد و بعنوان خشکسالی کشاورزی ظاهر می شود. شاخص بارش-تبخیر تعر ق استاندارد ( SPEI ) از شاخص های نظارت بر خشکسالی کشاورزی بوده که در سال های اخیر به وفور مورد استفاده قرار گرفته است. هدف از تحقیق جاری، پیش بینی خشکسالی کشاورزی به کمک نمایه SPEI ، در ایستگاه قراخیل-قائمشهر است که در اقلیم مرطوب قرار دارد. بدین منظور داده های مورد استفاده شامل میانگین دمای ماهانه و مجموع بارش ماهانه، طی دوره 2017-1984 از سازمان هواشناسی کشور دریافت گردید و توسط آن شاخص SPEI در پنجره های زمانی 3 ، 6 و 12 ماهه محاسبه شد. مدل پرسپترون چندلایه با الگوریتم آموزش شیب توام مقیاس ( MLP-SCG ) بعنوان مدل پیش بینی کننده استفاده شد. ورودی ها توسط تابع خودهمبستگی ( ACF ) از میان تاخیرهای زمانی هر سری انتخاب شدند و نمونه های ورودی-خروجی به دو بخش آموزش ( 75 %) و آزمون ( 25 %) تقسیم شدند. دقت مدل ها توسط معیارهای ارزیابی شامل ریشه میانگین مربعات خطا ( RMSE )، ضریب پیرسون R و ضریب تبیین 2R انجام شد. نتایج نشان داد که در این اقلیم، پنجره های زمانی بزرگ تر با دقت بیشتری پیش بینی می شوند؛ به عبارتی اثرات بلندمدت خشکسالی کشاورزی با دقت بالاتری قابل پیش بینی می باشند. بهترین عملکرد در این بررسی متعلق به پنجره زمانی 12 ماهه بوده که در آن معیارهای RMSE ، R و R2 به ترتیب برابر با 0/357، 0/398، 0/879 گزارش می شود.نتایج این مطالعه مورد بررسی مطلوب بوده و برای پیش بینی خشکسال کشاورزی در اقلیم مشابه (مرطوب) ارزش تحقیقاتی دارد