شاخص خشکسالی چند متغیره

خشکسالی به عنوان مخاطره ای اقلیمی، تأثیر بسزایی بر محیط زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین رو پایش و پیش بینی این پدیده امری لازم و ضروری می باشد. در این پژوهش با هدف بررسی و ارزیابی پیش بینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شده چند متغیره (MSDI) و روش های مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش بینی مقادیر این شاخص در محدوده مطالعاتی، از داده های ماهانه بارش و رطوبت خاک پایگاه داده MERRA طی دوره 36 ساله (1980-2016) به عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی بهره برده شد. نتایج تحلیل خشکسالی ماهانه براساس این داده ها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماه های مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استان های لرستان و خصوصاً ایلام و کرمانشاه می باشند. این نتایج با بررسی نقشه های فصلی و سالانه نیز مطابقت دارد. طبق طبقه بندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالی ها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل سازی شبکه های عصبی مصنوعی نیز نشان داد که استفاده از شبکه های عصبی مصنوعی به طور کلی از توانایی شبیه سازی مناسبی برخوردار می باشند. از بین الگوریتم های استفاده شده جهت بهینه سازی شبکه عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش ها در پیش بینی خشکسالی ها دارا می باشد.