چارچوب ترکیبی سه‌گانه برای مدل‌سازی خشکسالی هواشناسی در استان خوزستان، ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، ایران

2 استادیار، گروه مهندسی احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

چکیده
پیش‌بینی خشکسالی هواشناسی برای مدیریت پایدار منابع آب و کاهش ریسک اقلیمی در مناطق خشک و نیمه‌خشک ضروری است. این مطالعه عملکرد رویکردهای ترکیبی یادگیری ماشین و سری‌های زمانی را برای پیش‌بینی خشکسالی هواشناسی در استان خوزستان، ایران، ارزیابی می‌کند. داده‌های بارش ماهانه جمع‌آوری‌شده از هشت ایستگاه سینوپتیک در طول دوره 1989-2020 برای محاسبه شاخص بارش استاندارد (SPI) در مقیاس‌های زمانی 1، 3، 6 و 12 ماهه استفاده شد. چارچوب ترکیبی پیشنهادی، تحلیل وابستگی زمانی مبتنی بر ARMA، قابلیت یادگیری غیرخطی GPR و بهینه‌سازی تطبیقی ​​مبتنی بر AF را برای بهبود دقت پیش‌بینی خشکسالی ادغام می‌کند. چندین مدل پیش‌بینی مستقل و ترکیبی با استفاده از شاخص‌های ضریب همبستگی (R)، جذر میانگین مربعات خطا (RMSE)، کارایی نش-ساتکلیف (NS) و میانگین خطای مطلق (MAE) ارزیابی شدند. نتایج نشان داد که مقیاس‌های زمانی طولانی‌تر، به‌ویژه SPI-12 و SPI-6، عملکرد پیش‌بینی قابل اعتمادتری را در مقایسه با شاخص‌های کوتاه‌مدت ارائه می‌دهند. در میان مدل‌های بررسی‌شده، چارچوب ترکیبی سه‌گانه پیشنهادی بالاترین دقت پیش‌بینی را در اکثر ایستگاه‌ها و مقیاس‌های زمانی SPI به دست آورد. به عنوان مثال، تحت شرایط SPI-12 در ایستگاه بستان، چارچوب پیشنهادی به ترتیب به مقادیر R، RMSE، NS و MAE برابر با 0.922، 0.177، 0.949 و 0.145 دست یافت، در حالی که این مقادیر توسط مدل ARMA-AF به ترتیب 0.896، 0.215، 0.909 و 0.185 به دست آمد. این یافته‌ها پتانسیل چارچوب‌های پیش‌بینی ترکیبی ساختاریافته را برای بهبود قابلیت اطمینان پیش‌بینی خشکسالی هواشناسی در مناطق پیچیده اقلیمی برجسته می‌کند.

کلیدواژه‌ها

موضوعات


مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 17 خرداد 1405

  • تاریخ دریافت 31 فروردین 1405
  • تاریخ بازنگری 17 خرداد 1405
  • تاریخ پذیرش 17 خرداد 1405