پايش و تخمين خشكسالي ايستگاه هاي شرق درياچۀ اروميه با استفاده از مدل عصبي‌ـ فازي تطبيقي

Monitoring and prediction of drought in western Urmia lake basin rain gage stations by ANFIS model

خشكسالي به عنوان پديده اي اقليمي تحت تاثير عوامل گوناگوني است؛ يكي از نمادهاي مهم وقوع خشكسالي كاهش ميزان بارندگي است. ارزيابي و پايش خشكسالي اهميت زيادي در برنامه ريزي و مديريت منابع آب دارد. با توجه به شرايط اخير در حوضه آبريز درياچه اروميه و روند خشك شدن بي سابقه آن، ارزيابي خشكسالي در اين منطقه در حال حاضر ضرورتي انكار ناپذير به حساب ميآيد. بدين منظور در تحقيق حاضر با جمع آوري داده هاي 11 ايستگاه باران سنجي در دشت هاي مراغه و تبريز در شرق حوضه آبريز درياچه اروميه، به ارزيابي خشكسالي با استفاده از شاخص استاندارد بارش SPI در مقياس هاي زماني 9، 12 و 24 ماهه اقدام شد. سپس، خشكسالي ها با مدل عصبي ـ فازي تطبيقي تخمين زده شد. نتايج اين پژوهش نشان داد شديدترين خشكسالي با شدت 4/07- در ايستگاه بناب در مقياس زماني 9 ماهه و در مهر ماه 1363 رخ داده است. طولاني ترين دوره خشكسالي در ايستگاه هاي هروي، سعيدآباد و مراغه و كوتاه ترين دوره خشكسالي در ايستگاه هاي زينجاب، تبريز و ليقوان با كمترين شدت ها رخ دادند. نتايج تخمين خشكسالي ها با مدل عصبي ـ فازي تطبيقي نشان داد مدل ANFIS توانايي مطلوبي در برآورد شاخص خشكسالي در منطقه دارد و بيشترين ضريب تبيين در ايستگاه مراغه (0/829 = r2) براي مقياس زماني 24 ماهه و كمترين ضريب تبيين در ايستگاه سعيدآباد (0/480 = r2) براي مقياس زماني 9 ماهه با استفاده از مدل ANFIS به دست آمد. نتايج پژوهش نشان داد مدل سيستم استنتاج عصبي ـ فازي تطبيقي در تخمين خشكسالي در مقياس زماني طولاني مدت دقت زيادي داشته است.

Drought as a climatic phenomenon affected many different environmental issues and generally is associated with the decreasing in average precipitation. Evaluation and monitoring of the drought is a fundamental step in proper programming of water resources management. Regarding the recent conditions water scarcity in the Urmia Lake basin, assessment of the drought index in this region is inevitable. This study was conducted to evaluation of the SPI index in western parts of the Urmia Lake basin. Rainfall data were collected from 11 rain gage stations in Tabriz and Maragheh plains. The standardized precipitation index in time scales of 9, 12, 24 months used for studying the drought features and adaptive neuro-fuzzy inference system model was applied for prediction of drought. The results indicated that the most serious (-4.07) drought was occurred in Bonab station at the 9 month time scale in October 1984. The longest drought periods were occurred in Heravi, Saiedabad, and Maragheh stations and the shortest drought periods were occurred in Zinjab, Tabriz, and Lighvan stations. The results of SPI prediction by ANFIS model indicated that the model desirably could predict the drought conditions in the study area. The highest value of the coefficient of the determination of ANFIS model was 0.829 for Maragheh station at 24 months time scale and the lowest values of r2 was 0.480 for Saiedabad station at 9 months time scale. Results also indicated that the capability of the ANFIS tend to be better at long time scales