پتانسیل سنجی خشک سالی با استفاده از شاخص های سنجش از دور و شبکه عصبی مصنوعی (مطالعه موردی: استان کرمانشاه)
خشکسالی، یک دوره ممتد کمبود بارش است که موجب بروز خسارت و کاهش عملکرد در محصولات زراعی میشود و بر کیفیت و کمیت منابع آب و کشاورزی منطقه تاثیر مستقیم دارد. فناوری سنجش از دور با تلفیق سیستم اطلاعات جغرافیایی (ساج) و با ایجاد امکان دسترسی، پردازش و تفسیر دادههای مکانی، امکان پایش مطلوبتر خشکسالی را فراهم کرده است. هدف این مطالعه، تعیین مناسبترین شاخصهای سنجش از دوری و ارایه یک نمایه ترکیبی مبتنی بر روش هوشمند شبکه عصبی مصنوعی و درنهایت، استخراج نقشه پتانسیل خشکسالی است. بر اساس نتایج، بهترین شاخصهای سنجش از دور جهت تعیین میزان ریسک بیابانزایی در منطقه، شاخصهای پوشش گیاهی، میزان بارش و دمای سطح زمین هستند. نتایج بر اساس مقادیر شاخص بارش استانداردشده (SPI) بهدستآمده از ایستگاههای هواشناسی ارزیابی شدند. بر این اساس، مقدار دقت نتایج روش رگرسیون چندمتغیره، R2=0.62 و شبکه عصبی پرسپترون چندلایه R2=0.91 به دست آمد. بنابراین، روش شبکه عصبی پرسپترون چندلایه از روش رگرسیون چندمتغیره برای ایجاد یک شاخص ترکیبی خشکسالی توانایی بسیار بیشتری دارد. بر اساس نتایج، در بیشتر مناطق استان کرمانشاه پتانسیل بروز خشکسالی ماهانه وجود دارد. همچنین، پتانسیل خشکسالی سالانه، در مناطق شرقی استان بیشتر مشاهده میشود. اسلامآباد، سنقر و تا حدودی هرسین، شهرستانهای دارای خطر پایین وقوع خشکسالی هستند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.