ارزیابی مدل‌های سری زمانی در پیش‌بینی بارش فصلی مبتنی بر داده‌های سنجش از دور (مطالعه موردی: اقلیم‌های خشک و نیمه خشک)

بارندگی ازجمله متغیرهای اقلیمی است که درمدیریت منابع آب وکشاورزی دارای اهمیت می باشد. بر این اساس، هدف این پژوهش مدل‌سازی پیش‌بینی داده های بارش ماهواره ای tmpa(3b43)دراقلیم های خشک و نیمه خشک ایرانبا استفاده از مدل sarimaدرمقیاس فصلی بوده است. پس از تصحیح داده‌های ماهانه ماهواره‌ای، مدل سازی بارش انجام شد. پس از ایستاسازی در واریانس و حذف روند فصلی، با کمک نمودارهای خودهمبستگی و خودهمبستگی جزئی، مدل‌های مناسب به دست آمد. تغییرات ضریب همبستگی بر پایه داده‌های ماهانه از 0.81 تا 0.9 در مناطق مورد مطالعه، تایید کننده دقت مناسب مدل‌سازی بر اساس تکنیکsarimaدر این پایه زمانی برای پیش‌بینی فصلی می‌باشد. نتایج شاخص‌های ارزیابی بین مقادیر واقعی و داده‌های حاصل از مدل‌های انتخابی نشان داد اگر داده‌های ماهانه پیش‌بینی شده سپس به داده فصلی تبدیل شود؛ نسبت به استفاده از داده‌های فصلی برای پیش‌بینی فصلی، دارای دقت بالاتری هستند. پس ازواسنجی وارزیابی مدل‌های نهایی، بارش فصلی بر پایه مقیاس ماهانهبرای دوره (2021-2018) پیش‌بینی و با دوره پایه مقایسه شد. در فصل زمستان بر خلاف فصل‌های بهار و پاییز، 3 منطقه کاهش بارش و یک منطقه افزایش بارش داشته و در فصل تابستان در تمامی نقاط، ثبات نسبی و عدم تغییر بارش مشاهده شد. با توجه به متوسط بارش سالانه 4 منطقه مورد مطالعه، در دوره چهار ساله پیش‌بینی به طور میانگین حدود یک درصد کاهش بارش سالانه پیش‌بینی می‌شود. به صورت تفکیکی تغییرات بارش سالانه در پیکسل‌های متناظر مناطق کاشان، سیرجان، بهبهان و زرقان به ترتیب برابر 1.3، 1.1، 1 و 1.8 درصد خواهد بود.