بخشی از مقاله
مقدمه
آب رکن اساسی توسعه پایدار و مایه حیات انسان بوده و همانند بسیاری از نعمتهای الهی ماهیت دوگانه خیر و شر در آن نهفته است .آب از یک طرف عامل ایجاد سیل و به دنبال آن خرابی و خسارات مالی و جانی فراوان میشود و از طرف دیگر کمبود آن - خشکسالی - موجب تغییر اساسی در اکوسیستمها می-شود. خشکسالی در میان بلایای طبیعی از جمله وقایع بی سر و صدای طبیعت است که به صورت جهانی شکل گرفته و به صورت منطقهای عمل میکند. خشکسالی یکی از تدریجیترین و زیانبارترین بلایای طبیعی میباشد و به کمبود مستمر و غیر طبیعی رطوبت گفته میشود - پالمر . - 30 :1965
شاخصهای زیادی به منظور پیشبینی خشکسالی ارائه شده است که در میان شاخصهای خشکسالی، شاخص پالمر و کاربرد وسیعی در تعیین خشکسالی در اکثر کشور ها دارد. شاخص از معدود شاخصهای انعطاف پذیر است که در آن پیشبینی زمان شروع، خاتمه و شدت خشکسالی در مقیاس زمانی کوتاه و بلند مدت میسر است. این شاخص نمایه است که بستگی به احتمال بارش برای هر زمان و مقیاس داشته و برای مقیاسهای زمانی گوناگون قابل محاسبه است.
این روش به وسیله مککی و همکاران - - 1993 با توجه به بررسی تاثیرات متفاوت کمبود بارش بر آبهای زیرزمینی، ذخایر و منابع آب سطحی، رطوبت خاک و جریان آبراهه ابداع و توسعه داده شد. آنها محاسبه شاخص SPI در مقیاسهای زمانی کوناه مدت 3 و 6 را برای اهداف کشاورزی و مقیاس زمانی بلند مدت 12،24 و 48 ماهه برای اهداف هیدرولوژیکی پیشنهاد دادند. کاربرد شاخص SPI در جهان به دلیل داشتن مزایایی چون سادگی در محاسبات، نیاز نداشتن به دادههای زیاد و مستقل بودن از میانگین بارش رو به افزایش بوده و برای مقایسه دامنه وسیعی از اقلیمها قابلیت استفاده دارد. - قربانی، . - 1389
اولین کاربرد روش ماشین بردار پشتیبان در مسائل آب توسط دیباک و همکاران - 2001 - برای مدلسازی بارش- رواناب ارائه شد. نیکبخت شهبازی و حیدرنژاد - 2012 - در پیشبینی خشکسالی هواشناسی کارون با استفاده از ماشینبردار پشتیبان به این نتیجه رسیدند که این روش برای پیشبینی وقوع خشکسالی مناسب است و در بسیاری از موارد این پیشبینی قابل استفاده برای کاربردهای واقعی است و دقت پیشبینی در پاییز و زمستان بیشتر از فصلهای دیگر میباشد.
بلاینه و همکاران - 2012 - پیشبینی خشکسالی در حوضه رودخانهای در اتیوپی به کمک شاخص و با استفاده از مدلهای شبکه عصبی مصنوعی، رگرسیون بردار پشتیبانی و شبکه عصبی موجک انجام دادند و نتایج نشان داد که شبکه عصبی موجک بهترین مدل برای مقادیر در حوضه رودخانه مذکور میباشد. طوفانی و همکاران - - 1390 در پیشبینی بارندگی با استفاده مستقیم از نظریه موجک به این نتیجه رسیدند که تجزیه سیگنال با موجک، منجر به سادهتر شدن سیگنال بارندگی میشود.
به طوریکه همبستگی میان دادههای مشاهداتی و محاسباتی معادل 84 درصد به دست آمده و پیشبینی سیگنال بارندگی با دقت بیشتری صورت گرفته است. مرادی و همکاران - 1392 - در پیشبینی خشکسالی با استفاده از مدل ماشینبردار پشتیبان به این نتیجه رسیدند که مقادیر بارندگی، دمای حداکثر، دمای حداقل و شاخص بیشترین تاثیر را در برآورد بهترین ترکیب در مقیاس زمانی 18 ماهه دارند و برای پیشبینی خشکسالی میتوانند مورد استفاده قرار گیرند. با توجه به اهمیت خشکسالی در مدیرت بحران هدف از پژوهش حاضر، بررسی کارایی روش رگرسیون بردار پشتیبان در برآورد شاخص خشکسالی در حوضه آبریز دریاچه ارومیه واقع در استان آذربایجان شرقی میباشد.
مواد و روشها موقعیت محدودههای مطالعه و دادههای مورد استفاده حوضه آبریز دریاچه ارومیه در شمالغرب ایران قرار گرفته است. مساحت این حوضه 51950 کیلومترمربع میباشد. این حوضه از 25 محدوده مورد مطالعاتی تشکیل شده است. بخش اعظم حوضه آبریز دریاجه ارومیه در نواحی ارتفاعی بین 1280 تا 2000 متری به صورت دشتی گسترده، محیط بر دریاچه ارومیه قرار گرفته است.
به منظور انجام این پژوهش، از آمار بارش ماهانه 17 ایستگاه بارانسنجیحوضه آبریز دریاچه ارومیه واقع در استان آذربایجنشرقی استفاده شده است که طول دوره آماری مشترک در نظر گرفته شده از سال 1360 تا 1392 بوده است. به منظور تحلیل خشکسالی منطقهای آمار بارشهای ماهانه ایستگاههای بارانسنجی با استفاده از روش تیسن به سری بارش منطقهای تبدیل شد سپس در محاسبه شاخص خشکسالی SPI در مقیاسهای مختلف زمانی مورد استفاده قرار گرفت. موقعیت منطقه مورد مطالعه به همراه ایستگاههای بارانسنجی و چندضلعیهای تیسن در شکل 1 نشان داده شده است.
شاخص بارش استاندارد شده 1 شاخص توسط مک کی و همکاران - 1993 - در ایستگاه ایالتی کلرادو ابداع شد تا بتواند کمبود بارش را بر اساس احتمال رخداد بارش برای دورههای زمانی مختلف از 3 تا 48 ماه برآورد نماید. از مزایای این شاخص محاسبه بر پایه دادههای بارش بوده و به شرایط رطوبت خاک بستگی ندارد و همچنین عدم تاثیرپذیری از تپوگرافی از مزایای این شاخص میباشد. - نورانی . - 92 :1391
محاسبه با برازش یک منحنی چگالی احتمال که معمولا گامای دو پارامتری و گاه لوگ پیرسون تیپ 3 میباشد، توزیع دارای چولگی به توزیع نرمال استاندارد تبدیل میگردد. بر طبق تعریف یک دوره خشکی زمانی آغاز میشود که مقدار به طور مداوم منفی و مساوی یا کمتر از -1 باشد. این دوره زمانی خاتمه مییابد که به مقدار مثبت بر گردد. - مک کی و همکاران، - 1993
رگرسیون بردار پشتیبان2 ماشین بردار پشتیبان یکی از روشهای یادگیری با نظارت است که در سال 1992 میلادی توسط وپنیک و چرونیکیس بر پایه تئوری یادگیری آماری معرفی شد. به طورکلی ماشین بردار پشتیبان در مسائل طبقهبندی دو یا چند کلاسه به صورت خطی یا غیرخطی و رگرسیون مورد استفاده قرار میگیرد .در این روش، دادهها به دو دسته آموزش و آزمایش تقسیم میشوند.
وپنیک - - 1998 برای کاربرد ماشینهای بردار پشتیبان در مسائل رگرسیون از تابع خطی استفاده کرد که خطاهایی که در یک محدوده با فاصله معین از مقادیر واقعی میباشند، را نادیده میگیرد - باساک و همکاران، . - 2007 این تابع به صورت زیر تعریف میشود: - 1 - × که در آن مقادیر دادهها و مقدار پیشبینی شده میباشد. بررسی ها و مطالعات پیشینه انجام شده در مورد عملکرد هر یک از توابع، نشان دهنده آن است که تابع کرنل RBF از دقت بهتر و خطای کمتری برخوردار است. لذا در این مقاله از این تابع استفاده شده است.
در پژوهش حاضر، خطای بین مقادیر محاسباتی و مشاهداتی با استفاده از روشهای جذر میانگین مربعات خطا - RMSE - و ضریب همبستگی - R - مورد بررسی قرار گرفت - اسدپور اصل و ستاری، . - 1394 در این مقاله پس از مقایسه نتایج عملکرد روش رگرسیون بردار پشتیبان و روابط تجربی، هرکدام که دارای CC بزرگتر و RMSE کمتر باشد به عنوان مدل بهینه انتخاب میشود.
یافته ها و بحث
به منظور پیشبینی خشکسالی در حوضه آبریز دریاچه ارومیه، ابتدا مقادیر نمایه SPI در دورههای زمانی 3، 6، 9، 12، 24 و 48 ماهه محاسبه گردید. روند تغییرات نمایه خشکسالی SPI و مقادیر متناظر بارش در دورههای زمانی اشاره شده در شکلهای 2 نشان داده شده است.
