پیش بینی وضعیت خشکسالی با استفاده از شاخص بارش-تبخیر و تعرق استاندارد شده و مدل های هوش مصنوعی (مطالعه موردی: ایستگاه سینوپتیک کرمان)
محل انتشار: نشریه هواشناسی و علوم جو، دوره: 4، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 204
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMAS-4-3_006
تاریخ نمایه سازی: 10 دی 1401
چکیده مقاله:
خشکسالی ازجمله بلاهای طبیعی است که به اکوسیستم های طبیعی آسیب های فراوانی وارد می کند.بر اساس نتایج پژوهش های انجام شده، مواردی که نقش ویژه ای در وقوع و تداوم خشکسالی دارند عبارت از بارش، دما، تبخیر، باد و رطوبت نسبی هستنداما بارش مهم ترین مورد در وقوع خشکسالی است. در این تحقیق داده های دمای ماکزیمم، دمای مینیمم، میانگین دما، رطوبت نسبی، بارش و سرعت باد ایستگاه سینوپتیک کرمان در دوره ۲۹ ساله (سال های ۱۹۹۱ الی ۲۰۲۰) استفاده شد.که با بهره گیری از داده های جمع آوری شده نتایج جدیدی جهت پیش بینی خشکسالی توسط شاخص بارش-تبخیروتعرق استانداردشده (SPEI) و روش های هوش مصنوعی ازجمله مدل درخت (MT) و رگرسیون چند متغیره تطبیقی اسپلاین ((MARS ارائه گردیده است. نتایج حاصل از پیش بینی خشکسالی شهر کرمان با استفاده از شاخص بارش تبخیر و تعرق استانداردشده نشان داد که فراوانی دوره های مرطوب و خشک در مقیاس های زمانی کوتاه مدت زیاد است و با افزایش طول بازه زمانی این فراوانی کاهش می یابد. در بازه زمانی ۶ ماهه اول سال ۱۹۹۲ بیشترین مقدار شاخص خشکسالی (SPEI=۲.۴۸) و شدیدترین خشکسالی ها در بازه زمانی ۲۴ ماهه منتهی به سال ۲۰۰۹ با کمترین مقدار شاخص (SPEI=-۵.۵۳) رخ داده است. عملکرد مدل هوش مصنوعی MARS با توجه به مقادیر شاخص های آماری R و RMSE و MAE در مرحله آموزش(۹۸۹/۰ R= ، ۱۴۸/۰ RMSE=و۱۰۵/۰= MAE) و آزمایش(۹۵۰/۰ R= ، ۲۹۰/۰ RMSE= و۱۵۸/۰= MAE)، نسبت به مدلMT مناسبتراست.
کلیدواژه ها:
Drought ، SPEI Index ، Artificial intelligence ، Model tree ، multivariate adaptive regression spline
نویسندگان
مهشید امیرانی پور
Student/University of Advanced Industrial and Technological Education in Kerman
محمد نجف زاده
Professor/Department of Water Engineering, Faculty of Civil Engineering and Mapping, Graduate University of Industrial and Advanced Technology, Kerman
صدیقه محمدی
Department of Ecology, Research Institute of Advanced Science and Technology and Environmental Sciences, Graduate University of Industrial and Advanced Technology