مهدی محمدی قلعه نی

عدم پوشش مکانی و زمانی مناسب ایستگاه‌های اندازه‌گیری بارش در سطح کشور، بررسی داده‌های شبکه‌بندی شده باقدرت تفکیک مکانی و زمانی مختلف را به‌منظور مطالعات منابع آب ضروری ساخته است. از طرف دیگر خشکسالی یک پدیده پیچیده چند متغیره است که بدون شک، شاخص‌های خشکسالی منفرد برای توصیف شرایط و اثرات آن کافی نیستند. لذا در تحقیق حاضر هدف ارزیابی پایگاه داده‌های بارش با مقادیر مشاهداتی به‌صورت زمانی و مکانی و ادغام آن‌ها، توسعه شاخص خشکسالی ترکیبی جدید (FHMDI) برای پایش هم‌زمان خشکسالی هواشناسی و هیدرولوژیکی، مدل‌سازی خشکسالی و ادغام آن‌ها در سطح حوضه‌های آبریز درجه‌دو کشور به‌عنوان منطقه مطالعاتی، است. بدین منظور ابتدا داده‌های مشاهداتی (100 ایستگاه در مقیاس روزانه) و پایگاه‌های جهانی بارش و رواناب شامل ERA5،MRRRA2، GLDAS و GRUN، TERRA با تفکیک مکانی مختلف در مقیاس ماهانه طی دوره زمانی 1987-2018 جمع‌آوری و استخراج گردید. سپس بر اساس شاخص خشکی، طبقه‌بندی اقلیمی ایستگاه‌ها و حوضه‌ها انجام‌شده است. برای مدل‌سازی خشکسالی، از چهار مدل هوش مصنوعی شامل SVR، GPR، ENSEMBEL و FNN استفاده‌شده است. سپس برای بهبود نتایج مدل‌ها و پایگاه‌ها، چهار رویکرد ادغام Wavelet-based، Extended Kalman Filter(EKF)، Weighted Majority Voting (WMV)، Entropy Weight (EW) مورداستفاده قرار گرفت. عملکرد تک و ترکیبی از محصولات و مدل‌ها با استفاده از معیارهای خطای آماری، ازجمله بازده کلینگ گوپتا (KGE)، خطای میانگین مربع ریشه عادی (NRMSE) و خطای میانگین سوگیری(MBE) ارزیابی شد. نتایج نشان داد که درحالی‌که پایگاه‌های منفرد (بارش و رواناب) عملکرد قابل قبولی را در برخی از حوضه‌های رودخانه نشان دادند، استفاده از برخی مدل‌های مبتنی بر ادغام دقت پایگاه‌ها مجموعه داده‌ها را در مقابل اندازه‌گیری محلی بهبود بخشید. WMV با کمترین مقدار شاخص‌های خطا، عملکرد خوبی را در مقایسه با سایر محصولات، سایر مدل‌های SAI و مبتنی بر ادغام نشان می‌دهد هم‌چنین مدل WMV به‌عنوان بهترین چارچوب ادغام عملکرد خوبی در پیش‌بینی FHMDI با استفاده از مجموعه داده پایگاه‌های جهانی در برابر مشاهدات زمینی دارد و بنابراین می‌تواند به‌عنوان یک روش دقیق و قابل‌اعتماد برای مدل‌سازی ترکیبی خشکسالی استفاده شود و در زمان استفاده از داده‌های شبکه‌بندی جهانی برای پایش خشکسالی، استفاده از شاخص ترکیبی عملکرد بهتری نسبت به شاخص تک متغیره دارد.