ارزیابی مدل های سری زمانی در پیش بینی بارش فصلی مبتنی بر داده های سنجش از دور (مطالعه موردی: اقلیم های خشک و نیمه خشک)

بارندگی ازجمله متغیرهای اقلیمی است که درمدیریت منابع آب و کشاورزی دارای اهمیت می باشد. بر این اساس، هدف این پژوهش مدل سازی پیش بینی داده هایبارش ماهواره ای TMPA (3B43)دراقلیم هایخشک و نیمه خشک ایرانبا استفاده از مدل SARIMA درمقیاس فصلیبودهاست. پس از تصحیح داده های ماهانه ماهواره ای، مدل سازی بارش انجام شد. پس از ایستاسازی در واریانس و حذف روند فصلی، با کمک نمودارهای خودهمبستگی و خودهمبستگی جزیی، مدل های مناسب به دست آمد. تغییرات ضریب همبستگی بر پایه داده های ماهانه از 81/0 تا 9/0 در مناطق مورد مطالعه، تایید کننده دقت مناسب مدل سازی بر اساس تکنیک SARIMA در این پایه زمانی برای پیش بینی فصلی می باشد. نتایج شاخص های ارزیابی بین مقادیر واقعی و داده های حاصل از مدل های انتخابی نشان داد اگر داده های ماهانه پیش بینی شده سپس به داده فصلی تبدیل شود؛ نسبت به استفاده از داده های فصلی برای پیش بینی فصلی، دارای دقت بالاتری هستند. پس از واسنجی وارزیابی مدل ها ینهایی، بارش فصلی بر پایه مقیاس ماهانهبرای دوره (2021-2018) پیش بینی و با دوره پایه مقایسه شد. در فصل زمستان بر خلاف فصل های بهار و پاییز، 3 منطقه کاهش بارش و یک منطقه افزایش بارش داشته و در فصل تابستان در تمامی نقاط، ثبات نسبی و عدم تغییر بارش مشاهده شد. با توجه به متوسط بارش سالانه 4 منطقه مورد مطالعه، در دوره چهار ساله پیش بینی به طور میانگین حدود یک درصد کاهش بارش سالانه پیش بینی می شود. به صورت تفکیکی تغییرات بارش سالانه در پیکسل های متناظر مناطق کاشان، سیرجان، بهبهان و زرقان به ترتیب برابر 3/1-، 1/1، 1- و 8/1- درصد خواهد بود.