به‌کارگیری زنجیرۀ مارکوف و تقریب سمبلیک (SAX) به‌منظور بررسی احتمال خشکسالی در حوزۀ کشاورزی (مطالعۀ موردی: منطقۀ شرقی اصفهان)

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 دانشجوی دکتری سنجش از دور، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران

2 مربی گروه مهندسی نقشه‌برداری، دانشکدۀ فنی و مهندسی، دانشگاه بجنورد، خراسان شمالی، ایران

چکیده

خشکسالی از مهم‌ترین مخاطرات طبیعی مؤثر در بخش‌های مختلف زیست‌محیطی است که فراوانی آن در مناطق خشک و نیمه‌خشک بسیار زیاد است. پایش و پیش‌بینی شدت خشکسالی می‌تواند در مدیریت مخاطرات ناشی از این پدیده حائز اهمیت باشد. برای پیش‌بینی خشکسالی، رویکردهای گوناگونی وجود دارد، از جمله به‌کارگیری شاخص‌های خشکسالی براساس داده‌های سنجش از دوری که از این میان می‌توان به شاخص بارش استانداردشده و شاخص‌های مشتق از پوشش گیاهی و دمای سطح زمین اشاره کرد. در این مقاله براساس داده‌های دمای سطح زمین، پوشش گیاهی و بارش به‌دست‌آمده از تصاویر ماهواره‌ای مادیس و TRMM سری زمانی مربوط به شاخص‌های خشکسالی TVX، VCI و SPI در دورۀ زمانی زمستان 2000 تا تابستان 2015 برای اقلیم شرقی استان اصفهان طراحی شدند. براساس این سری‌های زمانی و تلفیق دو روش تقریب سمبلیک (SAX) و زنجیرۀ مارکوف، احتمال وقوع شدت خشکسالی برای پاییز 2015 پیش‌بینی شد. برای این منظور ابتدا با به‌کارگیری روش تقریب سمبلیک سری‌های زمانی هر شاخص به مجموعه‌ای از داده‌های کیفی در پنج وضعیت مختلف مرتبط با میزان خشکسالی تبدیل شدند و سپس با به‌کارگیری روش زنجیرۀ مارکوف و داده‌های مرحلۀ قبل، ماتریس احتمالاتی برای وضعیت در حالت پیش‌بینی هر شاخص به‌دست آمد. با ادغام این ماتریس‌ها و وضعیت خشکسالی در تابستان 2015 برای هر شاخص، یک مدل احتمالاتی برای خشکسالی در پاییز 2015 پیش‌بینی شد. تحلیل‌ها و ارزیابی‌ها نشان از همبستگی قوی در حدود 90 درصد بین مدل‌های احتمالاتی است و همچنین مدل نهایی به‌دست‌آمده با واقعیت دارای تطابق است که نشان می‌دهد روش پیشنهادی روشی قابل قبول و دارای صحت است.

کلیدواژه‌ها


[1]. جوادنیا، اسلام؛ و مباشری، محمدرضا (۱۳۸۶). «بررسی روش‌های ارزیابی خشکسالی کشاورزی با استفاده از تکنیک‌های سنجش از دوری»، ششمین کنفرانس اقتصاد کشاورزی ایران، مشهد: انجمن اقتصاد کشاورزی ایران، دانشگاه فردوسی مشهد.
[2]. جوانمرد، سهیلا؛ بداق جمالی، جواد ؛ احمدیان، جواد؛ و جاودانی، ناصر (۱۳۷۹). «سیستم مراقبت از شدت و وسعت خشکسالی براساس پهنه‌بندی شاخص پالمر»، اولین کنفرانس ملی بررسی راهکارهای مقابله با کم‌آبی و خشکسالی، کرمان: دانشگاه باهنر کرمان. 
[3]. جویباری مقدم، یاسر؛ آخوندزاده، مهدی؛ و سراجیان، محمدرضا (1394). «ارائۀ یک الگوریتم پنجرۀ مجزای نوین به‌منظور تخمین دمای سطح زمین از داده‌های لندست-8»، نشریۀ علمی پژوهشی علوم و فنون نقشه‌برداری، ج 5، ش 1، ص 187-175.
[4]. جویباری مقدم، یاسر؛ آخوندزاده، مهدی؛ و سراجیان، محمدرضا (1394). «ارائۀ روشی نوین مبتنی بر شاخص‌های گیاهی به‌منظور تخمین ضریب گسیل سطح از تصاویر ماهوارۀ لندست-8»، نشریۀ علمی پژوهشی علوم و فنون نقشه‌برداری، ج 5، ش 1، ص 226-215.
[5]. سلیمانی، علی (1389). «تحلیل خطرپذیری خشکسالی»، پایان­نامۀ کارشناسی ارشد، دانشگاه تهران، پردیس دانشکده­های فنی.
[6]. محمودی کهن، فرهاد؛ اسماعیلی، علی؛ و هانی، سید مسعود (1390). «مطالعۀ نقش بارندگی در وقوع خشکسالی در مناطق خشک با استفاده از شاخص‌های گیاهی سنجش از دور (مطالعۀ موردی رفسنجان)»، همایشژئوماتیک 90، تهران: سازمان نقشه‌برداری کشور.
[7]. مؤذن‌زاده، روزبه؛ ارشد، صالح؛ قهرمان، بیژن؛ و داوری، کامران (1391). «پایش خشکسالی در کشت‌های غیرآبی با استفاده از تکنیک سنجش از دور»، نشریۀ مدیریت آب و آبیاری، ج 2، ش 2، ص 52-39.
[8]. Baum, Leonard E.; & Petrie, Ted (1966). “Statistical Inference for Probabilistic Functions of Finite State Markov Chains”, the Annals of Mathematical Statistics, vol. 37, No. 6, pp: 1554–1563.
[9]. Berhan, Getachew; Hill, Shawndra; Tadesse, Tsegaye; & Atnafu, Solomon (2011). “Using satellite images for drought monitoring: a knowledge discovery approach.” Journal of Strategic Innovation and Sustainability, vol.7, No. 1, pp: 135-153.
[10]. Coco, Musaningabe Rulinda (2007). “Mining Drought from Remote Sensing Images.” MSc thesis, Geo-information Science and Earth Observatio.
[11]. Dastorani, Mohammad Taghi;  Afkhami, Hamideh (2011). “Application of artificial neural networks on drought prediction in Yazd (Central Iran)”, Desert, vol. 16, pp: 4–39.
[12]. Gebrehiwot, Tagel; Van der Veen, Anne;  & Maathuis, Ben Maathuis (2011). “Spatial and temporal assessment of drought in the northern highlands of Ethiopia”, International Journal of Applied Earth Observation and Geoinformation, vol. 13, pp: 309–332.
[13]. Heim, Richard (2002). “A review of twentieth-century drought indices used in the United States." Bulletin of the American Meteorological Society, vol. 83, PP: 1149-1165.
[14].  Jalili, Mahdi;  Gharibshah, Joobin; Ghavami, Seyed Morsal; Beheshtifar, Mohammadreza; &  Farshi, Reza (2014). “Nationwide prediction of drought conditions in Iran based on remote sensing data”, IEEE Transaction on Computers, vol. 63, No.1, pp: 90–101.
[15]. Keskin, M. Erol; Taylan, E. Dilek; & Kuuml, Derya (2009).  “Meteorological drought analysis using artificial neural networks.” Scientific Research and Essays, vol. 6, No. 2, pp: 4469–4477.
[16]. Larsen, Richard J. ; & Marx, Morris L. (1986). “An Introduction to Mathematical Statistics and Its Applications.” Prentice Hall, Englewood, Cliffs, N.J. 2nd Edition.
[17]. Lin, Jessica; Keogh, Eamonn; Lonardi, Stefano; & Chiu, Bill (2003). “A symbolic representation of time series, with implications for streaming algorithms.” InProceedings of the 8th ACM SIGMOD workshop on Research issues in data mining and knowledge discovery 2003 Jun 13, pp: 2-11, ACM.
[18]. Nikhbakht Shahbazi, Alireza; Heidarnejhad, Mohammad (2012). “Meteorological Drought Prediction in Karoon Watershed using Meteorological Variables.” International Research Journal of Applied and Basic Sciences, Vol 3, No 9, pp 1760–1768.
[19]. Palmer, Wayne (1965). "Meteorological Drought". Research paper No.45, U.S. Department of Commerce Weather Bureau.
[20]. Shirmohammadi, Bagher;  Moradi, Hamidreza; Moosavi, Vahid;  Taei Semiromi, Majid; & Zeinali, Ali (2013). “Forecasting of meteorological drought using wavelet-ANFIS hybrid model for different time steps (Case study: southeastern part of east Azerbaijan province, Iran)”, Natural Hazards, vol.  69, pp: 389–402.
[21]. Wilhite, Donald A. (2000). “Drought as a natural hazard.” In D. A. Wilhite (Ed.), Drought. A Global Assessment, vol. 1, pp: 1-18, London: Routledge.