استفاده از مدل فازی- عصبی و شاخص های اقلیمی جهت پیش بینی خشکسالی، مطالعه موردی زاهدان

تحقیق حاضر تلاشی است برای پیش بینی خشکسالی در شهر زاهدان با استفاده از متغیرهای بارندگی، مقادیر پیشین شاخص خشکسالی بارندگی استاندارد شده (spi) و 19 عدد از شاخص های اقلیمی. بدین منظور از قابلیت های سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای ساخت مدل های پیش بینی و از شاخص خشکسالی spi برای نمایش کمی خشکسالی استفاده گردید. در ابتدا از روش محاسبه همبستگی، برای تحلیل ارتباط میان خشکسالی در مقیاس های زمانی مختلف و شاخص های اقلیمی استفاده شد. همبستگی ها در سطح اعتماد 95% مورد آزمون قرار گرفته و مناسب ترین شاخص ها در مقیاس های زمانی مختلف انتخاب شدند. در مرحله بعد پیش بینی خشکسالی ها در مقیاس های زمانی 1، 3، 6، 9 و 12 ماهه و با دو دیدگاه پیش بینی پیوسته و فصلی (پیش بینی پاییزه) صورت پذیرفت. ترکیبات مختلفی از شاخص های اقلیمی، بارندگی و مقادیر قبلی شاخص خشکسالی spi وارد مدل های پیش بینی فازی- عصبی anfis شدند. شاخص خشکسالی spi نیز به عنوان خروجی مدل معرفی شد. بر اساس نتایج بدست آمده، در بیشتر مدل های ساخته شده، استفاده از شاخص های اقلیمی موجب بهبود نتایج مدل ها گردید. در پیش بینی پیوسته خشکسالی، شاخص های nino1+2، nino 3، nino3,4، tni، qbo و tsi و در پیش بینی فصلی خشکسالی، شاخص های soi، tsa، nino3,4، nino3، nino1+2، mei، amo و nao بهترین نتایج را از میان 19 شاخص اقلیمی مورد بررسی ارائه دادند. همچنین استفاده از سری های زمانی مشابه سال قبل شاخص خشکسالی spi در پیش بینی پیوسته خشکسالی های 12 ماهه و استفاده از میانگین سه ماهه سپتامبر-اکتبر-نوامبر این شاخص در پیش بینی خشکسالی پاییزه نتایج مناسبی را ارائه داد. متغیر بارندگی نیز اگرچه همبستگی مناسبی را با شاخص خشکسالی spi نشان نداد، اما به تنهایی و یا در ترکیب با دیگر متغیرهای ورودی، در پیش بینی خشکسالی موثر واقع شد. نتایج بدست آمده نشان داد که پیش بینی فصلی خشکسالی، پاسخ های به مراتب مناسب تری را نسبت به پیش بینی پیوسته خشکسالی ارائه می دهد.