بررسی عملکرد الگوریتم‌های Kstar و GPR در مدل‌سازی شاخص خشکسالی هواشناسی RDI (مطالعه موردی: شرق حوضه دریاچه ارومیه)

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

1 y

2 دانشگاه ارومیه – دانشکده کشاورزی – گروه آب

3 استادیار/گروه آب دانشگاه ارومیه

4 استادیار، گروه هیدرولوژی و منابع آب، دانشگاه شهید چمران اهواز

چکیده

خشکسالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. پایش خشکسالی‌ها می‌تواند اطلاعات با‌ارزشی جهت تدوین برنامه‌های مقابله با خشکسالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه‌ریزان منابع آب بگذارد. در تحقیق حاضر، خشکسالی هواشناسی چهار ایستگاه سینوپتیک اهر، جلفا، تبریز و مراغه در استان آذربایجان‌شرقی، شرق دریاچه ارومیه با استفاده از شاخص خشکسالی RDI در دوره آماری 1955 الی 2019 مورد بررسی و تحلیل قرار گرفت. برای محاسبه شاخص RDI از داده‌های بارش و تبخیر تعرق پتانسیل ماهانه با روش فائو پنمن مانتیث استفاده شد. شاخص RDI برای هر ایستگاه به‌صورت جداگانه و درسه مقیاس زمانی 6، 9 و 12 ماهه محاسبه گردید و نتیجه محاسبات نشان داد در مقیاس زمانی 12 ماهه پایش خشکسالی بهتر از مقیاس‌های زمانی دیگر می‌باشد. سپس با استفاده از الگوریتم‌های Kstar و GPR شاخص RDI در سه مقیاس زمانی مدل‌سازی شد. نتایج حاصل از معیارهای ارزیابی، عملکرد بالای الگوریتم‌های ذکر شده را نشان داد بطوریکه مقدار عددی ضریب همبستگی الگوریتم GPR برای همه ایستگاه‌ها 92/0 و همین ضریب با الگوریتم Kstar در بازه 91/0 تا 92/0 قرار دارد. همچنین مقدار عددی RMSE با الگوریتم GPR بازه 31/0 تا 39/0 و الگوریتم Kstar 32/0 تا 51/0 را بدست آورد. از این نتایج می‌توان ادعا کرد که الگوریتم GPR با دقت بالاتری شاخص خشکسالی RDI را مدل کرده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating the performance of Kstar and GPR Algorithms for modeling meteorological drought index RDI (case study: east of Urmia lake basin)

نویسندگان [English]

  • Marzie Sadeghian Agkandy 1
  • Keivan Khalili 3
  • Farshad Ahmadie 4
1 Water Eng. Urmia Unbversity
3 Water Eng. Urmia University
4 Department of Hydrology and Water Resource, University of Shaheed Chamran, Ahvaz, Iran
چکیده [English]

Drought is one of the natural calamities that causes many losses to different societies every year. Drought monitoring can provide water resource managers and planners with valuable information to develop plans to deal with drought and reduce its related damages. In the present research, the meteorological drought of four synoptic stations of Ahar, Jolfa, Tabriz and Maragheh in East Azarbaijan province, east of Lake Urmia, was investigated and analyzed using the RDI drought index in the statistical period of 1955 to 2019. To calculate the RDI index, monthly potential evaportranspiration and precipitation data were used with the FAO Penman-Monteith method. The RDI index was calculated for each station separately and for three time scales of 6, 9 and 12 months, and the results of the calculations showed that drought monitoring is better than other time scales in the 12-month time scale. Then, using Kstar and GPR algorithms, the RDI index was modeled in three time scales. The results of the evaluation criteria showed the high performance of the mentioned algorithms, so that the numerical value of the correlation coefficient of the GPR algorithm for all stations is 0.92 and the same coefficient with the Kstar algorithm is in the range of 0.91 to 0.92. Also, the numerical value of RMSE with the GPR algorithm was between 0.31 and 0.39 and Kstar algorithm was 0.32 and 0.51. From these results, it can be claimed that the GPR algorithm has modeled the RDI drought index with higher accuracy.

کلیدواژه‌ها [English]

  • KSTAR Algorithm
  • RDI drought monitoring
  • Gaussian process regression
  • East of Lake Urmia
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 27 اردیبهشت 1402

فایل ها

هم رسانی

ارجاع به این مقاله

آمار