مدل سازی خشکسالی بر پایه شاخص spi با استفاده از داده های زمینی و ماهواره ای به کمک مدل تلفیقی gpr ceemd

ﺧﺸﮑﺴﺎﻟﯽ یکی از مشکلات مهمی است که در بخش کشاورزی و منابع آب تاثیرگذار می باشد. امروزه اﺳﺘﻔﺎده از ﺗﮑﻨﯿﮏ ﺳﻨﺠﺶ از دور ﺑﻪ ﻋﻨﻮان ﯾﮏ اﺑﺰار ﻣﻔﯿﺪ ﺟﻬﺖ ﭘﺎﯾﺶ ﺧﺸﮑﺴﺎﻟﯽ ﻣﻮرد ﺗﻮﺟﻪ قرار گرفته است. ﻫﺪف از اﯾﻦ ﻣﻄﺎﻟﻌﻪ پیش بینی زﻣﺎﻧﯽ ﺧﺸﮑﺴﺎﻟﯽ ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎی ایستگاه های زمینی و ﻣﺎﻫﻮاره ای محصول trmm3b43 ﺑﯿﻦ ﺳﺎلﻫﺎی 1998 2017 ﻣﯽﺑﺎﺷﺪ. در این راستا، ابتدا داده های بارش به ﺷﺎﺧﺺ spi تبدیل گردید و سپس با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (gpr) بر پایه روش تجزیه ی یکپارچه مد تجربی ﮐﺎﻣﻞ (ceemd) خشکسالی شهر تبریز مورد بررسی قرار گرفت. مدل های متفاوتی تعریف گردید و نرخ تاثیر پارامترهای ورودی مختلف بررسی شد. مشاهده گردید ﮐﻪ مقادیر بارش حاصل از ماهواره trmm در ﻣﻘﯿﺎس ﻣﺎﻫﺎﻧﻪ دارای ﻫﻤﺒﺴﺘﮕﯽ مطلوبی با ﻣﻘﺪار ﺑﺎرش ﺣﺎﺻﻞ از اﯾﺴﺘﮕﺎه تبریز بوده و نتایج تحلیل خشکسالی با استفاده از داده های ماهواره ای تقریبا منطبق بر داده های ایستگاه زمینی است. نتایج قابلیت و کارایی بالای روش به کار رفته را در تخمین شاخص خشکسالی spi به خوبی نشان داد و مشاهده شد که تجزیه سری زمانی بر اساس روش تجزیه ی یکپارچه مد تجربی کامل منجر به نتایج دقیق تری می گردد. تجزیه داده های ورودی تقریبا30 تا 40 درصد دقت پیش بینی را افزایش داد. ملاحظه گردید که در پیش بینی خشکسالی، عناصر اقلیمی شامل میانگین دما و رطوبت نسبی ماهانه و همچنین شاخص spiهای مربوط به ماه های گذشته تاثیرگذار می باشند و با حذف پارامترهای اقلیمی، خطای مدل سازی 15 تا 20 درصد افزایش می یابد. همچنین نتایج آنالیز حساسیت نشان داد که spit 1 تاثیرگذارترین پارامتر در مدل سازی است.