نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری مدیریت و کنترل بیابان، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
2 دانشیار علوم و مهندسی آبخیزداری گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان
3 دانشیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
4 استادیار گروه آمار، دانشکده علوم پایه، دانشگاه هرمزگان
5 استادیار، گروه مدیرییت و کنترل بیابان، دانشکده علوم محیطی، برنامه ریزی و توسعه پایدار، دانشگاه سراوان، سیستان و بلوچستان، ایران.
چکیده
تغییرات اقلیمی، اکوسیستمهای شکننده مناطق خشک مانند استان هرمزگان را تهدید میکند. هدف این پژوهش، پیشبینی پویایی آینده پوشش گیاهی (NDVI) تا سال 2100 با استفاده از مقایسه مدلهای پیشرفته یادگیری ماشین و تحت سناریوی بدبینانه تغییر اقلیم (SSP3-7.0) است. در این راستا، سری زمانی NDVI محصول MODIS (2000-2018) و دادههای اقلیمی ERA5 برای دو نقطه نماینده در استان استخراج شد. عملکرد چهار الگوریتم یادگیری ماشین (GPR, GAM, RF, XGBoost) با معیارهای آماری دقیق ارزیابی و مدل بهینه برای پیشبینی آینده با استفاده از دادههای مدل GFDL-ESM4 تحت سناریوی SSP3-7.0 به کار گرفته شد. نتایج ارزیابی نشان داد که مدلهای رگرسیون فرآیند گاوسی (GPR) برای نقطه اول و تقویت گرادیان شدید (XGBoost) برای نقطه دوم با کارایی کلینگ-گوپتا (KGE) بالاتر از 0.88، برترین عملکرد را در مرحله آزمون داشتند. پیشبینیها تا افق 2100، دو پاسخ اکولوژیکی واگرا را آشکار ساخت: نقطه اول با رشد چشمگیر 42 درصدی NDVI (پدیده سبز شدن) و نقطه دوم با رشدی ملایم و سپس رسیدن به پایداری (افزایش 10.9 درصدی) مواجه خواهد شد. این ناهمگونی مکانی نشان میدهد که اکوسیستمهای منطقه پاسخهای متفاوتی از خود نشان میدهند. نتیجهگیری میشود که راهکارهای مدیریتی برای مقابله با خشکسالی باید مکانمحور بوده و بر اساس پتانسیل رشد یا تابآوری هر منطقه تدوین شوند.
کلیدواژهها
موضوعات
)