مدل ‌سازي توفان گرد و خاك بر مبناي شاخص ‌هاي طيفي شناسايي ريزگردها و هوش مصنوعي در استان هرمزگان

گرد و خاك از پديده هاي اقليمي است كه در طي چند سال اخير اكثر استان هاي كشور را درگير ساخته است. در پژوهش حاضر روزهاي 21 تا 24 نوامبر و 3 تا 9 دسامبر سال 2016 به‌عنوان نمونه روزهاي گردوخاكي با ديد افقي كمتر از 1000 متر انتخاب گرديده است. به‌اين‌منظور پس از استخراج شاخص تفاضلي نرمال شده گردوخاك (NDDI) و شاخص اختلاف دماي درخشندگي (نوارهاي 10.8 و 12) (BTD) از تصاوير ماهواره METEOSAT، و تعيين آستانه مناسب گردوخاك براي هر دو رخداد توفان با دو روش شبكه‌عصبي (ANN) و جنگل تصادفي (RF) به مدل‌‌سازي و پيش بيني گردوخاك پرداخته شده است. در اين مدل‌ها شاخص‌هاي NDDI وBTD  به‌عنوان متغير وابسته و متغيرهاي اقليمي دماي هوا (AT)، سرعت باد (WS)، فشار هوا (P) و رطوبت مطلق هوا (AH) به‌عنوان متغيرهاي مستقل به‌كار گرفته شده‌اند. 80% اين داده‌ها شامل هردو دسته‌ پيش بيني‌كننده ها و پاسخ ها براي آموزش مدل در نظر گرفته شد. نتايج نشان داد R^2 حاصل از اجراي مدل شبكه عصبي به منظور پيش‌بيني شاخص NDDI، 0.08 و براي اختلاف دماي درخشندگي 0.42 به دست آمده است. با‌اين‌وجود درستي‌سنجي سري هاي زماني شاخص تفاضلي نرمال شده پيش بيني شده با مدل جنگل تصادفي نشان داد كه R^2 به بيش از 0.55 و RMSE به 0.2 رسيد در ‌حالي‌ كه R^2 حاصل از اجراي مدل جنگل تصادفي به‌منظور برآورد الگوريتم اختلاف دماي درخشندگي در حدود 0.7 بوده است. بنابراين، نتايج، شاخص اختلاف دماي درخشندگي و مدل جنگل تصادفي از قابليت بالاتري در پيش بيني داده هاي گرد و خاك برخوردار هستند.