پيشبيني خشكسالي با استفاده از شبكه عصبي كلاس مبنا به وسيله شاخصهاي سنجش ازدورو داده هاي زميني در ايران

خشكسالي يك پديده طبيعي و تكرارپذير است كه در يك زمان و مكان مشخص قابل تعريف ميباشد و تاثيرات سوئي بر سلامت انسانها و مسائل اجتماعي و اقتصادي دارد. پايش اين پديده و بررسي احتمال وقوع آن با استفاده از دادههاي زميني در عين عدم وجود اطلاعات كافي به دليل زمانبر بودن، هزينهي بالا، توزيع نامناسب ايستگاههاي هواشناسي و وجود گپ بين آنها در برخورد با مطالعات در ابعاد كلان، نتايج قابل اطمينان را نخواهند داشت. با استفاده از تصاوير ماهوارهاي كه هم به لحاظ پهنه و هم قابل دسترس بودن داده )به صورت رايگان( مناسب ميباشند، ميتوان به اطلاعات وسيعي در رابطه با پوشش گياهي و شرايط آن دست يافت. در اين تحقيق از شبكه عصبي مصنوعي براي مدل كردن و پيشبيني خشكسالي در ايران به وسيله تصاوير ماهوارهاي استفاده شده است. براي اين منظور از شاخص خشكسالي SPI )شاخص استاندارد شده بارش( براي بيان خشكسالي استفاده شد. شاخصهاي اختلاف نرمال شده پوشش گياهي ) NDVI (، شاخص تغييرات NDVI ( NDVI-DEV (، شاخص وضعيت پوشش گياهي ) VCI ( و شاخص وضعيت دما ) TCI ( از تصاوير سنجنده NOAA-AVHRR محاسبه و استخراج شد. اين شاخصها به عنوان ورودي وارد مدل شدند و مقادير SPI محاسبه شدند. قبل از ورود داده به مدل تقسيم بندي پيكسلها با استفاده از شاخصهاي ماهوارهاي شد كه NDVI بالاترين دقت را براي اين تقسيمبندي در نهايت ارائه داد. با استفاده از اين روش شبكه بالاترين دقت را در ماه ژوئن سال 6 درصد ارائه داد. .. 6002 و پايينترين دقت را در ماه مي سال 6002 و به ترتيب برابر با 68.22 و 8