شبيه‌سازي و پيش‌بيني خشكسالي با استفاده از روش CA Markov در دشت نجف‌آباد

Simulation and prediction of drought using Cellular Automata and Markov methods in Najaf Abad plain

خشكسالي پديده‌اي است كه بين پارامترهاي مؤثر در آن ارتباط خطي وجود ندارد. بنابراين، محققان براي بررسي آن به روش‌هاي غيرخطي مانند اتوماسيون سلولي نياز دارند. اين روش در تحقيقات مختص به پيش‌بيني خشكسالي كمتر استفاده شده است. اين در حالي است كه از روش اتوماسيون سلولي به‌علت داشتن ساختار ساده و زيادبودن قابليت بصري مي‌توان به‌عنوان روشي مناسب در پيش‌بيني خشكسالي استفاده كرد. اين مطالعه با هدف مدل‌سازي خشكسالي براي سال 2020 با استفاده از اتوماسيون سلولي و تصاوير ماهوارۀ لندست در دشت نجف‌آباد انجام شده است. ابتدا تصاوير سري زماني تبخير و تعرق براي سال‌هاي 1995، 2008 و 2015 ‌طبقه‌بندي و نقشۀ پهنه‌بندي وضعيت خشكسالي در اين سال‌ها تهيه شد. در گام بعدي، با بهره‌گيري از روش اتوماسيون سلولي وضعيت خشكسالي هريك از طبقات در سال 2020 تخمين زده شد. نتيجۀ به‌دست‌آمده از شاخص كاپا 0/63 و توافق بين نقشۀ واقعي و پيش‌بيني‌شده ((M(m)، 0/85 است كه بيان‌كنندۀ مطلوب‌بودن معادلۀ تخمين‌زده‌شده در اين تحقيق است. از سوي ديگر، نقشۀ پراكندگي احتمال وقوع تغييرات در سال 2020 گوياي آن است كه اگر شرايط به همين صورت ادامه يابد و تغييري در نوع و الگوي كشت منطقه ايجاد نشود، تقريباً همۀ نواحي‌اي كه در سال 2015 با خطر وقوع خشكسالي مواجه هستند، در سال 2020 با شدت بيشتر و به‌طور وسيع‌تري با وقوع خشكسالي روبه‌رو مي‌شوند.

The governing factors of drought are non-linearly correlated. Therefore, researcher needs to apply nonlinear methods such as CA to model and predict the drought. CA and its derivatives are among novel methods of drought simulation that rarely used for predicting the drought. While such methods have simple structures, they provide high visual capabilities for drought monitoring. This paper investigates drought in Najaf Abad plain using Markov, CA Markov and Landsat satellite images. First, satellite image time series of transpiration were classified for 1995, 2008 and 2015, and the land zonation of drought condition was estimated. Then, the drought in 2020 was predicted using CA Markov. The Kappa index is 0.63 and the agreement between actual and predicted map (M (m)) is 0.85. Our findings showed that our proposed model can suitably predict the drought. In addition, the drought distribution map showing the possibility of changes in 2020, suggests that if the situation continues and no changes in the type of cultivation and cropping pattern happen, all areas in danger of drought in 2015, will face drought more intensely and more widely, in 2020.