پيش‌بيني ميان مدت خشكسالي هواشناسي با استفاده از روش استنتاج فازي

Mid-term Prediction of Meteorological Drought UsingFuzzy Inference Systems

تلاش موثر به‌منظور تشخيص الگوي وقوع خشكسالي و پايش آن در تعيين رويكرد بهينه سيستم‌ مديريت منابع آب به‌ويژه در كلان شهرهايي كه از منظر اقليمي در معرض وقوع حوادث خشكسالي واقع هستند، حايز اهميت است. در اين ميان شهر تهران با بهره‌گيري از پنج حوضه آبريز و سدهاي مربوطه شامل سد اميركبير، لار، لتيان و طالقان در معرض خشكسالي و لطمات آن واقع است. در اين مقاله، از اطلاعات جوي در محدوده جغرافيايي [ ْ0، ْ60] شمالي و [ ْ0، ْ90] شرقي با دقت 10×10 درجه شامل داده‌هاي ماهانه دما و ارتفاع معادل فشار از سال 1948 تا 2008 ميلادي در سطوح 1000، 850، 700، 500 و 300 ميلي‌بار به‌عنوان ورودي مدل پيش‌بيني استفاده شد. اين مدل كه براي پيش‌بيني ميان مدت خشكسالي هواشناسي توسعه داده شده قادر است با زمان پيش‌ديد 5/2 و 5/4 ماه، نمايه بارش استاندارد شده در فصلهاي زمستان و مجموع زمستان و بهار را پيش‌بيني نمايد. اين مدل با استفاده از داده‌هاي آماري در يك دوره 31 ساله، براي حوضه‌هاي آبريز سدهاي تامين كننده آب تهران، كاليبره شد. در اين مقاله، پس از بررسي نقطه-پارامترهاي جوي موثر بر الگوي بارش در مناطق مورد نظر با استفاده از شاخص متقابل اطلاعات كه مبتني بر آنتروپي مزدوج اطلاعات است، ورودي‌هاي مدل پيش‌بيني براي فصلها و حوضه سدهاي مختلف انتخاب شدند. براي تدوين مدل پيش‌بيني از سيستم استنتاج فازي استفاده شد. توابع عضويت فازي براساس قضاوت كارشناسي و با تحليل حساسيت روي دقت پيش‌بيني‌ها انتخاب شدند. بررسي‌هاي انجام شده در مورد حوضه‌هاي مورد مطالعه نشان داد كه اطلاعات جوي منتخب در اين تحقيق، ارتفاع معادل فشار در دو سطح مختلف 850 و 300 ميلي‌بار است. نتايج گوياي كارايي مناسب مدل‌هاي تدوين شده براي پيش‌بيني نمايه بارش استاندارد شده فصلهاي زمستان و بهار در حوضه سدهاي كرج و طالقان و نمايه بارش استاندارد شده زمستان در حوضه سدهاي ماملو، لتيان و لار بود.

Information (MI) index has been used to select the inputs (predictors) for each basin in each season. Fuzzy Inference System (FIS) has been used to formulate the model. The fuzzy membership functions have been selected based on sensitivity analysis and engineering judgment. The results of the study have shown that geopotential height in 850 and 300 mbar levels are the best predictors for forecasting SPI values in the selected seasons. The model results have had enough accuracy to be used for forecasting SPI values in Winter and Spring seasons in Karaj and Taleghan basins and SPI values in the Winter season in Mamloo, Latyan, and Lar basins. Forecasting and monitoring droughts are important elements of optimum water resources management specifically in the metropolitan areas. Tehran as the biggest city of Iran and its five dams (Amirkabir, Lar, Latyan, Mamloo and Taleghan) are also exposed to drought hazards. In the current article, monthly meteorological data in the geographic area covering [0?, 60?] Northern latitudes and [0?, 90?] Eastern longitudes with 10×10 degree resolution including air temperature and geopotential height at 1000, 850, 700, 500 and 300 mbar levels are used as the model predictors. These data recorded in the period of 1948 to 2008 have been used to develop a model for forecasting SPI (Standardized Precipitation Index) values in Winter and Winter-Spring seasons with 2.5 and 4.5 months leadtime. This model has been calibrated using 31 years of data. Mutual