وقوع پدیده خشکی و خشکسالی به تغییرات و نوسان های بارندگی و دما بستگی دارد. میزان کم نزولات آسمانی و پراکنش نامنظم این نزولات و افزایش دما، باعث ایجاد بحران های اقتصادی، سیاسی و اجتماعی در نواحی مختلف می گردد. با اعتقاد به این حقیقت که وقوع خشکسالی یک رویداد طبیعی است و معمولاً به صورت کیفی از آن یاد می شود این نیاز مطرح می شودکه پدیده خشکسالی نیز به صورت کمی درآید و برای آن شاخص ها و نمایه هایی تعریف و ارائه گردد. در این تحقیق خشکسالی های شمال غرب و غرب ایران (شامل استانهای اردبیل ، آذربایجان غربی و شرقی، زنجان ، کردستان ، همدان، مرکزی، کرمانشاه، لرستان و ایلام ) مورد بررسی قرار گرفت و با استفاده از شاخص بارش استاندارد شده spi، فراوانی و شدتهای مختلف و گستره آن با استفاده از آمار بارندگی 11 ایستگاه سینوپتیک منطقه طی یک دوره آماری 30 ساله (2007-1978) تحلیل گردید. به این منظور ، روش تحلیل داده های بارندگی، بعنوان ساده ترین و مهمترین روش مطالعه و جزء عمومی ترین روشهای تحلیل خشکسالی ، به عنوان روش مطالعه خشکسالی انتخاب گردید و از بین شاخص های موجود، شاخص بارش استاندارد شده spi ، با در نظرگرفتن مزایای مربوطه ، برای مطالعه انتخاب شد. مقیاس زمانی بکارگرفته شده ، 1، 3 و 12ماهه، با تأکید بر روی دوره 12 ماهه بود. در این رابطه ، شدتهای خشکسالی بر اساس ارزش شاخص spi طبقه بندی گردید. به این صورت که در هر دوره ی زمانی، ارزش شاخص بین 99/0+ تا99/0- بعنوان وضعیت نرمال ، بین 1- تا49/1- به عنوان خشکسالی ملایم ، بین 5/1- تا 99/1- بعنوان خشکسالی شدید و کوچکتر از 2- به عنوان خشکسالی فوق العاده شدید، تعریف شد و نقشه های پهنه بندی مربوطه در دوره های زمانی مختلف ترسیم گردید. نتایج تحقیق نشان داد که فراوانی خشکسالیها در دوره مورد مطالعه روند مشخصی ندارد. بطوریکه بعضی از ایستگاه ها، در برخی از سال ها دچار خشکسالی و برخی دیگر بدون خشکسالی بوده اند. خشکترین سال مورد بررسی در دوره ی آماری، سال 2001 با ارزش متوسط شاخص 2/1- بوده است. در این سال قسمت اعظم منطقه بجز قسمت کوچکی از جنوب منطقه تحت پوشش خشکسالی بوده است. سالهای 1995، 1999 و1990 از نظر شدت وگستره خشکسالی در رتبه های بعدی قرار گرفته اند. مر طوبترین سال نیز ، سال 1982با ارزش متوسط شاخص 8/1 + بوده است. خشکترین فصل مورد بررسی در دوره ی آماری، فصل زمستان سال 2001 و مر طوبترین آن، فصل پاییز سال 1982 بوده است. مرطوبترین ماه ، ماه نوامبر و ماه ژانویه ، خشکترین ماه دوره آماری بوده اند.

محدودیت منابع آبی و وقوع خشکسالی های اخیر از مهمترین عواملی است که توسعه ی کشاورزی را در مناطق خشک و نیمه خشک تحت تأثیر قرار داده است، بنابراین مدیریت منابع آب در این مناطق نقش کلیدی را در توسعه ی پایدار کشاورزی بر عهده دارد. استفاده بهینه از منابع آبی مستلزم تخمین دقیق مقدار تبخیر و تعرق مرجع و به تبع آن محاسبه ی آب مصرفی محصولات زراعی و باغی می باشد. معمولاً در طراحی سیستم های آبیاری، از میانگین مقادیر تبخیر و تعرق مرجع برای یک دوره چند ساله ی داده های هواشناسی استفاده می شود. در این حالت احتمال وقوع تبخیر و تعرق مرجع استفاده شده 50 درصد می باشد. بنابراین سیستم آبیاری که بر این اساس طراحی می شود، در یک دوره ی ده ساله ی آبیاری تنها می تواند نیاز آبی گیاهان را در 5 سال تأمین نماید و در 5 سال دیگر نیاز آبی گیاه ممکن است بیش از توانایی سیستم برای تأمین آب باشد. در این راستا با توجه به پتانسیل بالای استان کردستان و شهرستان سنندج در تولید محصولات زراعی و باغی، برآورد دقیق تبخیر و تعرق مرجع، در سطوح احتمالاتی مختلف، با استفاده از روش های دقیق نظیر شبکه های عصبی مصنوعی ضرورتی اجتناب ناپذیر در طراحی دقیق تر سیستم های آبیاری و استفاده بهینه از منابع آبی به شمار می آید. در این تحقیق از داده های 30 ساله ی هواشناسی ایستگاه سینوپتیک سنندج برای محاسبه تبخیروتعرق با سطوح احتمالاتی مختلف استفاده گردید. ابتدا داده های هواشناسی ایستگاه فرودگاهی و غیرمرجع سنندج اصلاح گردید. سپس، با استفاده از داده های لایسیمتری، روش های مختلف برآورد تبخیر و تعرق مرجع مورد مقایسه قرار گرفت و روش های منتخب پنمن-مانتیث، هارگریوز-سامانی و تابش فائو نسبت به داده های مشاهداتی واسنجی شد. در ادامه امکان استفاده از شبکه های عصبی مصنوعی در برآورد تبخیر و تعرق مرجع مورد ارزیابی قرار گرفت و نتایج حاکی از برتری این روش نسبت به سایر روش های دیگر بود. در ادامه ی تحقیق، مقادیر تبخیر و تعرق مرجع روزانه در سطوح احتمال وقوع متفاوت، محاسبه و منحنی های مربوط به آن استخراج گردید. همچنین مقادیر تبخیر و تعرق مرجع میانگین روزانه با سطوح احتمالاتی مختلف، برای دوره های یک تا 30 روزه ی حداکثر نیاز آبی نیز محاسبه و منحنی های مربوط به آن استخراج شد. به منظور سهولت در استفاده از این منحنی ها برنامه های کامپیوتری متناظر آن ها به زبان ویژوال بیسیک نوشته شد. در ادامه امکان استفاده از شبکه های عصبی مصنوعی در برآورد تبخیر و تعرق مرجع با احتمال وقوع مختلف نیز مورد بررسی قرار گرفت. نتایج حاصل از تحقیق نشان داد که اگر از سطح احتمال 75 درصد به جای 50 درصد برای محاسبه تبخیروتعرق مرجع استفاده شود، میزان تبخیر و تعرق مرجع محاسبه شده از روش های پنمن-مانتیث، هارگریوز و تابش فائو، به ترتیب 15، 8.5 و 12.4 درصد افزایش می یابد و در ازای این افزایش نیاز آبی، درصد ریسک استفاده از سیستم آبیاری به میزان 25 درصد کاهش می یابد. همچنین، نتایج نشان داد که شبکه های عصبی مصنوعی توانایی بسیار بالایی در تخمین میزان تبخیر و تعرق مرجع با سطوح احتمال مختلف در سالهای آتی دارد.