پتانسیل‌سنجی خشک‌سالی با استفاده از شاخص‌های سنجش از دور و شبکۀ عصبی مصنوعی (مطالعۀ موردی: استان کرمانشاه)

نویسندگان

1 استادیار، گروه کاربرد هوافضا در محیط زیست، مرکز زیست فضا و محیط زیست، پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری

2 پژوهشگر، گروه کاربرد هوافضا در محیط زیست، مرکز زیست فضا و محیط زیست، پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری

3 پژوهشگر، گروه کاربرد هوافضا در محیط زیست، مرکز زیست فضا و محیط زیست، پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری

doi
10.22059/ije.2022.339610.1613
چکیده

خشکسالی، یک دورۀ ممتد کمبود بارش است که موجب بروز خسارت و کاهش عملکرد در محصولات زراعی می‏شود و بر کیفیت و کمیت منابع آب و کشاورزی منطقه تأثیر مستقیم دارد. فناوری سنجش ‏از دور با تلفیق سیستم اطلاعات جغرافیایی (ساج) و با ایجاد امکان دسترسی، پردازش و تفسیر داده‏های مکانی، امکان پایش مطلوب‏تر خشکسالی را فراهم کرده است. هدف این مطالعه، تعیین مناسب‏ترین شاخص‏های سنجش‏ از ‏دوری و ارائۀ یک نمایۀ ترکیبی مبتنی بر روش هوشمند شبکۀ عصبی مصنوعی و درنهایت، استخراج نقشۀ پتانسیل خشکسالی است. بر اساس نتایج، بهترین شاخص‏های سنجش‏ از دور جهت تعیین میزان ریسک بیابان‏زایی در منطقه، شاخص‏های پوشش گیاهی، میزان بارش و دمای سطح زمین هستند. نتایج بر اساس مقادیر شاخص بارش استانداردشده (SPI) به‏دست‏آمده از ایستگاه‏های هواشناسی ارزیابی شدند. بر این اساس، مقدار دقت نتایج روش رگرسیون چندمتغیره، R2=0.62 و شبکۀ عصبی پرسپترون چندلایه R2=0.91 به دست آمد. بنابراین، روش شبکۀ عصبی پرسپترون چندلایه از روش رگرسیون چندمتغیره برای ایجاد یک شاخص ترکیبی خشکسالی توانایی بسیار بیشتری دارد. بر اساس نتایج، در بیشتر مناطق استان کرمانشاه پتانسیل بروز خشکسالی ماهانه وجود دارد. همچنین، پتانسیل خشکسالی سالانه، در مناطق شرقی استان بیشتر مشاهده می‏شود. اسلام‏آباد، سنقر و تا حدودی هرسین، شهرستان‏های دارای خطر پایین وقوع خشکسالی هستند.