بررسی عملکرد الگوریتم های Kstar و GPR در مدلسازی شاخص خشکسالی هواشناسی RDI (مطالعه موردی: شرق حوضه دریاچه ارومیه)
نویسندگان
1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
2 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
3 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
4 گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب، دانشگاه شهید چمران اهواز
doi
10.22034/ceej.2023.55292.2225چکیده
خشکسالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. پایش خشکسالی ها میتواند اطلاعات باارزشی جهت تدوین برنامه های مقابله با خشکسالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه ریزان منابع آب بگذارد. در تحقیق حاضر، خشکسالی هواشناسی چهار ایستگاه سینوپتیک (Synoptic Scale Meteorology) اهر، جلفا، تبریز و مراغه در استان آدربایجان شرقی، شرق دریاچه ارومیه با استفاده از شاخص خشکسالی RDI در دوره آماری 1955 تا 2019 مورد بررسی و تحلیل قرار گرفت. برای محاسبه شاخص RDI از داده های بارش و تبخیر تعرق پتانسیل ماهانه با روش فائو پنمن مانتیث (FP-M) استفاده شد. شاخص RDI برای هر ایستگاه به صورت جداگانه و درسه مقیاس زمانی 6، 9 و 12 ماهه محاسبه گردید و نتیجه محاسبات نشان داد در مقیاس زمانی 12 ماهه پایش خشکسالی بهتر از مقیاس های زمانی دیگر می باشد. سپس با استفاده از الگوریتم های Kstar و GPR شاخص RDI در سه مقیاس زمانی مدلسازی شد. نتایج حاصل از معیارهای ارزیابی، عملکرد بالای الگوریتم های ذکرشده را نشان داد به طوری که مقدار عددی ضریب همبستگی الگوریتم GPR برای همه ایستگاه ها 92/0 و همین ضریب با الگوریتم Kstar در بازه 91/0 تا 92/0 قرار دارد. همچنین مقدار عددی RMSE با الگوریتم GPR بازه 31/0 تا 39/0 و الگوریتم Kstar 32/0 تا 51/0 را به دست آورد. از این نتایج میتوان ادعا کرد که الگوریتم GPR با دقت بالاتری شاخص خشکسالی RDI را مدل کرده است.