ALBERT

Description: از آنجا که کشور ایران در منطقه‌ای خشک و نیمه‌خشک واقع شده است، همواره در معرض کمبود بارش، دما و تبخیر بالا و در نتیجه خشکسالی‌های متعدد با اثرات مخرب بوده است. لذا پایش، مدل‌سازی و پیش‌بینی این پدیده به ویژه در مقیاس ماهانه می‌تواند نقش بسزایی در مدیریت ریسک خشکسالی داشته باشد. هدف مطالعه حاضر، توسعه مدلی با قابلیت محاسبه شاخص‌های SPI و SPEI در پیش‌دید یک‌ماهه با بهره‌گیری از برونداد بارش و دمای مدل CFS.v2 که توسط مدل منطقه‌ای RegCM4 ریز مقیاس شده است، می‌باشد. ابتدا با استفاده از داده‌های دمای ریز مقیاس شده مدل CFS.v2 در دوره 2010-1982 و همچنین داده‌های ERA5، مقادیر تبخیر-تعرق پتانسیل ماهانه به روش هارگریوز-سامانی محاسبه گردید. سپس داده‌های ریز مقیاس شده بارش و تبخیر-تعرق پتانسیل سامانه CFS.v2-RegCM توسط مدل‌های درخت تصمیم و ماشین بردار پشتیبان پس‌پردازش گردیدند. داده‌های ریز مقیاس شده به عنوان ورودی و داده‌های بازتحلیل ERA5 به عنوان داده‌های مرجع جهت آموزش (2002-1982) و آزمون (2010-2003) استفاده شدند. در پایان، از داده‌های ریز مقیاس شده و پس‌پردازش شده جهت محاسبه مقادیر SPI و SPEI یک ماهه مدل و از داده‌های ERA5 برای محاسبه مقادیر نظیر مرجع استفاده گردید. مقایسه داده‌های پس پردازش شده بارش و تبخیر-تعرق پتانسیل با داده‌های نظیر بازتحلیلERA5 نشان داد که مدل درخت تصمیم از کارایی بالاتری نسبت به مدل ماشین بردار پشتیبان برخوردار است. همچنین مقادیر SPI و SPEI محاسبه شده با داده‌های منتج از سامانه CFS.v2-RegCM4 که با مدل درخت تصمیم پس‌پردازش شده‌اند با مقادیر نظیر منتج از داده‌های بازتحیلی ERA5 همخوانی قابل قبولی داشتند.