شاخص های پیش آگاهی خشکسالی در ایران

خشکسالی یکی از رخدادهای جوی است که سبب بروز خسارات زیادی می شود. در این مطالعه از داده های سیگنال های بزرگ مقیاس اقلیمی استفاده شده است. سیگنال های بزرگ مقیاس اقلیمی یکی از عوامل و پارامترهایی هستند که می توانند در تحلیل تغییرات فصلی و سالانه ی بارش و دما موثر باشند. در این تحقیق از داده های ماهانه ی شاخص نوسان جنوبی (SOI)، شاخص (NAO) و پدیده ENSO در مناطقNINO3.4، NINO3، NINO4 و NINO1+2 استفاده شد. تمامی داده های مربوط به سیگنال های فوق از مرکز داده های آنالیز شده NCEP طی سال های 1960 تا 2000 دریافت گردید. برای تعیین مهمترین سیگنال های موثر بر بارش نواحی مختلف کشور از روش رگرسیون چندمتغیره استفاده شد. نتایج تحلیل رگرسیونی نشان داد که تقریبا در تمامی ایستگاه های مورد مطالعه شاخص ENSO در مناطق NINO1+2، NINO3 پراهمیت ترین سیگنال در بارش می باشد. در این تحقیق با استفاده از شبکه ی عصبی مصنوعی، پیش بینی بارش برای بازه های زمانی همزمان، سه ماه و شش ماه آینده انجام گردید. تحلیل نتایج خروجی مدل شبکه عصبی با داده های مشاهده ای نشان داد که طی فاز گرم ENSO و فاز منفی NAO شرایط ترسالی و طی فاز سرد ENSO و مثبت NAO شرایط خشکسالی در سطح ایران به وقوع می پیوندد.