کاربرد روش ماشین بردار پشتیبان و شبکه بیزین در پیش بینی خشکسالی کشاورزی

آگاهی از وضعیت خشکسالی و پیش بینی شرایط آتی آن نقش مهمی در برنامه های مدیریت منابع آب بر عهده دارد و در این راستا متغیرهای بارش و دما تاثیر به سزایی در شدت و مدت وقوع این پدیده ایفا می کنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سال های اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز به عنوان یکی از ایستگاه های مهم جنوبی حوزه آبخیز این دریاچه در مقیاس های زمانی مختلف با استفاده از شاخص بارش-تبخیر و تعرق استاندارد شده (SPEI) و مدل ماشین بردار پشتیبان (SVM) با سه تابع هسته ای خطی، چند جمله ای و پایه شعاعی و شبکه بیزین (BN) مورد بررسی قرار گرفت. برای این منظور از شاخص SPEI در مقیاس های زمانی کوتاه مدت یک و سه ماهه، میان مدت شش و 12 ماهه و بلندمدت 24 و 48 ماهه در طی دوره آماری 49 ساله برای پایش وضعیت خشکسالی در این ایستگاه استفاده شد. نتایج نشان داد، هشت دوره طولانی مدت خشکسالی مربوط به سال های 1968-1962، 1974-1972، 1979-1978، 1982-1980، 1984-1983، 1987-1986، 2003-1999 و 2009-2007 در طول دوره آماری وجود دارد. سپس، با استفاده از سری زمانی مقادیر SPEI در پنج مدل ورودی با تاخیرهای یک تا پنج ماهه و مدل های SVM و BN نسبت به پیش بینی خشکسالی اقدام شد. نتایج نشان داد که در هر دو روش، مدل با پنج تاخیر زمانی عملکرد بهتری داشته و تابع هسته ای خطی در روش SVM نسبت به دو تابع دیگر دقت بیشتری داشته است. همچنین، دقت پیش بینی این مدل ها با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد، به نحوی که ضریب همبستگی در روش شبکه بیزین در مرحله آزمون از 0.174 در مقیاس یک ماهه به 0.985 در مقیاس 48 ماهه و در روش SVM با تابع هسته ای خطی نیز از 0.149 به 0.983 رسیده است.