مقايسه روش هاي ARIMA و شبكه عصبي در مدل سازي و پايش وضعيت خشكسالي با استفاده از داده هاي سري زماني سنجش از دوري مطالعه موردي: شهر اراك

خشكسالي پديده اي طبيعي، تكراري و موقتي است كه به سبب بارش اندك رخ مي دهد و تقريباً تمامي مناطق اقليمي جهان را تحت تأثير خود قرار مي دهد، بويژه مناطق نيمه خشك كه بدليل ميزان پائين بارش سالانه و حساسيت به تغييرات اقليمي مستعد وضعيت خشكسالي مي باشند. خشكسالي مي تواند بر سلامت انسان ها و همچنين وضعيت اقتصادي و سياسي جامعه تأثيرگذار باشد. اطلاعات در مورد شدت، طول مدت و پوشش مكاني خشكسالي مي تواند به كارشناسان درخصوص كاهش آسيب پذيري مناطقي كه تحت تأثير خشكسالي هستند، كمك كند. يكي از چالش هاي اصلي در مدل سازي خشكسالي در ايران كه در بخش خشك كره زمين واقع شده است، عدم وجود داده هاي هواشناسي بلند مدت براي اكثر مناطق كشور مي باشد. داده هاي سنجش از دوري مي توانند اطلاعاتي را در خصوص وضعيت پوشش گياهي در اختيار قرار دهند. در اين مقاله مدل هاي آماري خطي اتورگرسيو ميانگين متحرك تجمعي (ARIMA) و مدل شبكه عصبي براي مدل سازي خشكسالي بر اساس داده هاي سنجش از دوري مورد استفاده قرار گرفته است. به همين منظور،شاخص بارش استاندارد سازي شده (SPI) با استفاده از داده هاي هواشناسي به عنوان ميزان شدت خشكسالي مورد استفاده قرار گرفت. تعدادي از ويژگي ها شامل شاخص اختلاف نرمال شده پوشش گياهي (NDVI)،شاخص وضعيت پوشش گياهي (VCI) وشاخص پوشش گياهي دمايي (TVX) كه از تصاوير MODIS استخراج شده است، بكار برده شدند. با استفاده از مدل ها، شاخص هاي بدست آمده مدل سازي شدند و خطاهاي RMSEوMAE براي آنها محاسبه گرديد. سپس همبستگي ميان شاخص هاي سنجش از دوري NDVI، TVXوVCI و شاخص هواشناسيSPI بررسي شده و به ترتيب مقادير 0.0546، 0.1475 و 0.0519 بدست آمد. در اين ميان، شاخص هايTVXو NDVI داراي بيشترين همبستگي با داده هاي SPI بودند. بنابراين ازشاخص هاي TVX،NDVI به همراه شاخص SPI مي توان در پيش بيني وضعيت خشكسالي در منطقه مورد پژوهش استفاده نمود.