%0 Journal Article %T بررسی کارآیی مدل NAR در پیش‌بینی کوتاه‌مدت و بلند‌مدت خشکسالی در مناطق خشک %J مدیریت بیابان %I انجمن علمی مدیریت و کنترل مناطق بیابانی ایران %Z 2476-3985 %A ارجمندی هرات, زهره %A اسدی زارچ, محمد امین %D 2021 %\ 08/23/2021 %V 9 %N 2 %P 103-120 %! بررسی کارآیی مدل NAR در پیش‌بینی کوتاه‌مدت و بلند‌مدت خشکسالی در مناطق خشک %K بارش %K تبخیر و تعرق پتانسیل %K فائو-پنمن-مانتیث %K یزد %K شاخص RDI %R 10.22034/jdmal.2021.246303 %X در مدیریت منابع آب، پیش­‌بینی خشکسالی در مناطق خشک اهمیت زیادی دارد. چون به برنامه­‌ریزان فرصت می دهد تا برای کاهش تاثیر منفی خشکسالی، سازگاری با آن را برنامه‌­ریزی کنند.  با توجه به تغییرپذیری زیاد زمانی و مکانی بارش در این مناطق، فراوانی وقوع خشکسالی بیشتر و مدل­‌سازی و پیش‌­بینی خشکسالی در این مناطق سخت‌­تر است. در پژوهش حاضر با توجه به ماهیت غیرخطی و چرخه‌­ای سری­‌های زمانی خشکسالی، از شبکه‌­های عصبی خود رگرسیون غیرخطی (NARs) برای پیش­‌بینی کوتاه­‌مدت و بلندمدت خشکسالی ایستگاه همدیدی یزد در دورۀ 2006 تا 2018 استفاده شد. همچنین شاخص RDI که علاوه بر بارش، تبخیر و تعرق پتانسیل را نیز در پایش خشکسالی در نظر می­‌گیرد، در سه مقیاس یک، سه و شش ماهه محاسبه گردید. تبخیر و تعرق پتانسیل با استفاده از روش فائو-پنمن-مانتیث محاسبه شد. نتایج پیش‌­بینی کوتاه مدت (یک ماهه) خشکسالی نشان­ داد مدل کارآیی زیادی در پیش­‌بینی مقدارهای RDI سه و شش ماهه دارد. نتایج پیش­‌بینی بلند­مدت خشکسالی که بدون دسترسی مدل به داده‌­های واقعی خشکسالی در دورۀ 2006 تا 2018 انجام شد، نشان داد مقدار RDI در ماه­‌های خشک در مقیاس سه ماهه تطابق بهتری با مقدار واقعی نسبت به دیگر مقیاس‌­های زمانی دارد. برای ارتقا کارآیی مدل در پیش­‌بینی بلند مدت خشکسالی، مقدارهای بارش و تبخیر و تعرق پتانسیل به صورت بلندمدت و بدون دسترسی مدل به داده­‌های واقعی دوره 2006 تا 2018، پیش­‌بینی شد. سپس مقادیر RDI بر اساس داده‌­های پیش­‌بینی شده بارش و تبخیر و تعرق پتانسیل، محاسبه گردید. نتایج نشان داد دقت پبش­‌بینی در مقیاس یک و سه ماهه افزایش می یابد. همچنین در مقیاس شش ماهه داده های RDI در ماه­‌های خشک با دقت بیشتری پیش­‌بینی شد. %U https://www.jdmal.ir/article_246303_2f0bc094d5a7c92209d5e3de64711efe.pdf