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.2022.339610.1613چکیده
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.