کاربرد روش ماشین بردار پشتیبان و شبکه بیزین در پیش‌بینی خشکسالی کشاورزی

آگاهی از وضعیت خشکسالی و پیش‌­بینی شرایط آتی آن نقش مهمی در برنامه‌­های مدیریت منابع آب بر­عهده دارد و در این راستا متغیرهای بارش و دما تأثیر به‌­سزایی در شدت و مدت وقوع این پدیده ایفا می‌­کنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سال­‌های اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز به‌­عنوان یکی از ایستگاه­‌های مهم جنوبی حوزه آبخیز این دریاچه در مقیاس­‌های زمانی مختلف با استفاده از شاخص بارش-تبخیر و تعرق استاندارد شده (SPEI) و مدل ماشین بردار پشتیبان (SVM) با سه تابع هسته‌­ای خطی، چند جمله­‌ای و پایه شعاعی و شبکه بیزین (BN) مورد بررسی قرار گرفت. برای این منظور از شاخص SPEI در مقیاس­‌های زمانی کوتاه­‌مدت یک و سه ماهه، میان­‌مدت شش و 12 ماهه و بلندمدت 24 و 48 ماهه در طی دوره­ آماری 49 ساله برای پایش وضعیت خشکسالی در این ایستگاه استفاده شد. نتایج نشان داد، هشت دوره طولانی مدت خشکسالی مربوط به سال‌­های 1968-1962، 1974-1972، 1979-1978، 1982-1980، 1984-1983، 1987-1986، 2003-1999 و 2009-2007 در طول دوره آماری وجود دارد. سپس، با استفاده از سری زمانی مقادیر SPEI در پنج مدل ورودی با تأخیرهای یک تا پنج ماهه و مدل­‌های SVM و BN نسبت به پیش­‌بینی خشکسالی اقدام شد. نتایج نشان داد که در هر دو روش، مدل با پنج تأخیر زمانی عملکرد بهتری داشته و تابع هسته‌­ای خطی در روش SVM نسبت به دو تابع دیگر دقت بیشتری داشته است. همچنین، دقت پیش‌­بینی­ این مدل­‌ها با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد، به‌­نحوی که ضریب همبستگی در روش شبکه بیزین در مرحله آزمون از 0.174 در مقیاس یک ماهه به 0.985 در مقیاس 48 ماهه و در روش SVM با تابع هسته­‌ای خطی نیز از 0.149 به 0.983 رسیده است.