چکیده:
در کشورهای خشک و نیمه خشکی مانند ایران، پیشبینی دقیق خشکسالیها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستمهای منابع آب ایفا میکند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسبترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیشبینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از دادههای بارش ماهانه ایستگاه همدیدی مراغه در یک دورهی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. نـتایج نشان داد که شهرسـتان مراغه در دو دهـهی اخیر با خشکسالیهای پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیشبینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاسهای زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیشبینی شاخص بارش استاندارد شده دارد و با افزایش طول دورهی پیشبینی از دقت مدت کاسته میشود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 0/94 به دست آمد که این مقدار برای 12 ماه آینده به حدود 0/40 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایهی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیشبینی خشکسالی برخوردار است.
Accurate prediction of droughts in arid and semi-arid countries، like Iran، have important role in water resources management and designing appropriate plans for coping with drought consequences. Since the standardized precipitation index (SPI) is known as a suitable index for drought analysis، in this study، we used the M5 rule tree model for forecasting SPI values. For this purpose، the monthly precipitation data of Maragheh synoptic station were used during a 25-year period for calculating SPI values at 6-month time scale (SPI-6). The results indicated that the Maragheh region was faced with successive and severe droughts in recent two decays. In the next step، the SPI-6 values were forecasted for next 1 to 12 months using M5 rule tree model. The results showed that the SPI-6 values in previous time steps had the most effect on forecasting the next SPI-6 values، and the forecasting accuracy decreases with increasing prediction length. So the correlation coefficient of forecasting SPI-6 for next month was obtained 0.94 which this value was decreased to about 0.40 for forecasting SPI-6 for next 12 months. However، the M5 rule tree model provides more understandable، applicable and simple linear relation in forecasting droughts and shows relatively good performance and accuracy.
خلاصه ماشینی:
با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسب ترین شاخص برای تحلیل خشکسالی شناخته شده است ، در این تحقیق ، جهت پیش بینی SPI از مدل درختی M٥ استفاده گردید.
نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاسهای زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد ١ ـ استادیار گروه مهندسی آب،دانشکدهی کشاورزی،دانشگاه تبریز(نویسندهی مسئول).
یکی از شاخص های معروف که به طور گسترده در سراسر دنیا استفاده می شود، شاخص بارش استاندارد شده ١ (SPI)، می باشد که در این مطالعه نیز مورد بررسی قرار گرفته است .
لذا هدف اصلی این مطالعه ، پیش بینی خشکسالی های شهرستان مراغه بر اساس شاخص SPI در مقیاس زمانی ٦ ماهه با استفاده از مدلهای درختی M٥ می باشد.
جدول (١) ویژگی های آماری دادههای بارش ماهانه ی ایستگاه سینوپتیک مراغه در دورهی ٠ ٨٩- )به تصویرصفحه مراجعه شود) شاخص بارش استاندارد شده (SPI) اولین مرحله ی محاسبه ی شاخص SPI، برازش تابع توزیع احتمالی گاما بر مقادیر بارندگی ایستگاه مورد نظر می باشد.
بحث و نتایج در این مطالعه ، از بین مقیاسهای مختلف شاخص SPI، مقیاس ٦ ماهه مورد بررسی قرار گرفت و با مدل درختی پیش بینی شـد.
جدول (٤) نتایج سناریوهای مختلف جهت پیش بینی شاخص SPI٦ برای ١ ماه آینده با استفاده از )به تصویرصفحه مراجعه شود) در شکل (٤) نمودار پراکنش مقادیر مشاهداتی و محاسباتی SPI٦ برای ١ ماه آینده آورده شده است .