مدل سازی و مدیریت آب و خاک
سال:1404 | دوره:5 | شماره:3 |تعداد مقالات:20

منابع آب به عنوان یکی از عناصر کلیدی در توسعه به شمار می آیند؛ به گونه ای که محدودیت منابع آب در اکثر مناطق به چالشی مهم تبدیل گشته و توسعه پایدار و محیط زیست کشور را تحت تأثیر خود قرار داده است. درحوضه آبریز زاینده رود ناترازی در مصارف و منابع آب وجود دارد. الگو و میزان مصرف آب، وابستگی به منابع آب زیر زمینی را بیشتر کرده است. در این پژوهش سعی گردیده است به صورت سیستمی و نظام مند پیشران های کلیدی مؤثر بر تاب آوری منابع آب در حوضه آبریز زاینده رود با تأکید بر رویکرد آینده پژوهی، شناسایی و تحلیل شوند. روش تحقیق در مطالعه ی حاضر آمیخته (کمی-کیفی) با ماهیت تحلیلی-اکتشافی می باشد. در این پژوهش ابتدا با تکنیک پویش محیطی و دلفی، 33 عامل اولیه در شش حوزه مختلف استخراج شده و سپس با استفاده از روش دلفی ، ماتریس اثرات متقاطع مؤلفه ها تشکیل گردیده است. سپس از طریق نرم افزار میک مک نسبت به تحلیل ماتریس اقدام شده است و سپس بر اساس عوامل کلیدی به سناریو نگاری پرداخته شده است. نتابج نشان می دهد که با توجه به امتیاز بالای اثر گذاری مستقیم و غیرمستقیم عوامل، پنج عامل اصلی عبارتند از: تاثیر نرخ رشد جمعیت بر منابع آب در محدوده ، میزان مشارکت بخش خصوصی در سرمایه گذاری برای مدیریت آب، آموزش های مربوط به تغییر الگوی کشت ، مناسب بودن کیفیت خدمات سازمان آب و فاضلاب، تاثیرگذاری میزان نزولات جویی به عنوان پیشرانهای کلیدی مؤثر بر تاب آوری منابع آب شناسایی و بر اساس این شاخص ها عدم قطعیت های بحرانی پیشرانهای به دست آمده تعیین و پنج سناریو برای آینده منابع آب زاینده رود تدوین شده اند. سناریو چهارم(حفظ منابع آب های زیر زمینی)کمترین امیتاز را کسب کرده است و پیاده سازی این سناریو دشوار تر خواهد بود. سایر سناریو ها امتیاز مساوی کسب کرده اند و بنا بر اولویت اجتماعی، زیست محیطی یا اقتصادی سناریو مدنظر را می توان پیاده سازی کرد.

افزایش بهره وری آب کشاورزی یک امر ضروری برای استفاده بهینه از منابع آب می باشد. به این منظور به کار بردن روش های کم آبیاری و استفاده از کودهای آلی یک راهبرد مهم جهت کاهش مصرف آب و افزایش بهره وری است. از این رو در این پژوهش به بررسی اثر کم آبیاری توأم با مصرف بیوچار و کمپوست بر رشد، عملکرد و بهره وری آب گیاه فلفل دلمه ای پرداخته شد. در سال 1402 در گلخانه تحقیقاتی دانشکده کشاورزی دانشگاه تربیت مدرس، طرحی آزمایشی به صورت فاکتوریل در قالب طرح بلوک کامل تصادفی با سه فاکتور و جمعاً 48 تیمار در چهار بلوک و با مجموع 192 گلدان اجرا گردید. فاکتور اول سه سطح آبیاری 100 درصد (D100)، 75 درصد (D75) و 65 درصد (D65) نیاز آبی گیاه، فاکتور دوم بیوچار با چهار سطح صفر درصد(B0)، 5/1 درصد (B1.5)، دو درصد (B2) و 5/2 درصد (B2.5) وزنی خاک و فاکتور سوم کمپوست با چهار سطح صفر درصد(C0)، 5/1 درصد (C1.5)، دو درصد (C2) و 5/2 درصد (C2.5) وزنی خاک بود. نتایج تجزیه و تحلیل داده ها نشان داد که سطوح مختلف آبیاری و بیوچار و کمپوست بر خصوصیات میوه، گیاه، عملکرد و بهره وری آب تأثیر معنی دار در سطح پنج درصد داشت. در بین تمام تیمار ها بیشترین مقدار تعداد میوه و عملکرد در تیمار C2.5B2 برابر با 8/17 میوه در بوته و 1/2 کیلوگرم در بوته مشاهده شد که به ترتیب افزایش 122 و 156 درصدی را نسبت به تیمار شاهد (C0B0) نشان دادند. بیشترین بهره وری آب محصول به میزان 3/39 کیلوگرم بر مترمکعب در تیمار C2.5B2 مشاهده شد که افزایش 139 درصدی را نسبت به تیمار C0B0 نشان داد. در بین تیمارهای کمپوست و آبیاری تیمار D75C2 و D75C2.5 به ترتیب به میزان 43/35 و 17/35 کیلوگرم بر مترمکعب بیشترین تأثیر را بر بهره وری داشتند که افزایش 63/80 و 26/79 درصدی را نسبت به تیمار D100C0 نشان دادند. بر اساس نتایج، اعمال آبیاری به میزان 75 درصد نیاز آبی گیاه و کاربرد کمپوست و بیوچار به ترتیب به میزان 5/2 و دو درصد وزن خاک، بهترین نتیجه را برای کشت فلفل دلمه ای ایجاد نمود.

در پژوهش حاضر از مدل AquaCrop برای پیش بینی عملکرد دانه و زیست توده برنج تحت تنش های آبی متعدد و طی سال های مختلف استفاده شده تا دقت و کارایی مدل مورد ارزیابی قرار گیرد. تعداد کل 45 تیمار آبیاری از سه پروژه انجام شده در اراضی موسسه تحقیقات برنج کشور و دو پژوهش در شهرستان های صومعه سرا و لاهیجان انتخاب شدند که از این تعداد 31 تیمار برای بخش واسنجی و 14 تیمار برای اعتبارسنجی مدل مورد استفاده قرار گرفت. تنش های آبی اعمال شده در چهار پژوهش شامل دورهای آبیاری 4، 5، 8 و 12 روزه و در یک پژوهش شامل تنش در مراحل رویشی و زایشی گیاه بود. مدل برای هر تیمار آبیاری به طور جداگانه اجرا و مقادیر عملکرد دانه و زیست توده حاصل از شبیه سازی با مقادیر اندازه گیری شده بر اساس شاخص های آماری جذر مجموع مربعات خطا (RMSE) و جذر مجموع مربعات خطا نرمال شده (NRMSE) و نیز ضریب رگرسیونی خطی (R2) مورد تجزیه و تحلیل قرار گرفت. مقادیر RMSE، NRMSE و R2 در شرایط واسنجی برای شبیه سازی عملکرد دانه و زیست توده به ترتیب برابر 65/309 و 31/596 کیلوگرم در هکتار، 22/8 و 41/6 درصد و 80/0 و 77/0 بود که بیانگر دقت بسیار خوب مدل در شرایط واسنجی است. همچنین مقادیر RMSE، NRMSE و R2 در شرایط اعتبارسنجی برای شبیه سازی عملکرد دانه و زیست توده به ترتیب برابر 42/168 و 71/554 کیلوگرم در هکتار، 30/10 و 90/12 درصد و 85/0 و 70/0 بود. دامنه تغییرات خطای مدل برای حالت بدون تنش از 65/8- تا 81/9 درصد، برای حالت با تنش متوسط از 56/10- تا 29/15 درصد، و برای حالت با تنش زیاد از 00/15- تا 34/12 درصد متغیر بود. این بازه های خطا نشان می دهد که با افزایش تنش آبی از غرقاب دائم به تنش زیاد از طریق اعمال دور آبیاری، میزان خطای مدل در شبیه سازی عملکرد افزایش می یابد. بنابراین می توان نتیجه گرفت که مدل در حالت کلی از دقت قابل قبولی در شبیه سازی عملکرد و زیست توده برخوردار است، اما هرچه میزان تنش آبی اعمال شده افزایش می یابد، از دقت مدل کاسته می شود، به گونه ای که مدل بالاترین دقت را در شبیه سازی مقادیر مربوط به شرایط بدون تنش آبی از خود نشان داد.

چکیده با افزایش جمعیت و تغییرات اقلیمی، مدیریت کشاورزی به منظور تضمین امنیت غذایی نیاز به اطلاعات دقیق با پیوستگی زمانی و مکانی بالا دارد. با بهره گیری از فناوری سنجش از دور به همراه الگوریتم های یادگیری ماشین، امکان طبقه بندی محصولات کشاورزی با دقت زیادی فراهم شده است که می تواند نقش به سزایی در پیش بینی وضعیت محصولات و نیازهای منابع ایفا کند. این مطالعه با هدف ارزیابی دقت طبقه بندی تصاویر ماهواره ای سنتینل 1 و 2 برای دوره های کشت بهاره و پاییزه در سال 1402-1403 در منطقه دشت قزوین انجام شده است. در این پژوهش، عملکرد الگوریتم های جنگل تصادفی، ماشین بردار پشتیبان و تقویت گرادیان شدید مورد بررسی قرار گرفت. تصاویر ماهواره ای سنتینل 1 و 2 برای تحلیل پنج کلاس اصلی (گندم، یونجه، آیش، مناطق شهری و اراضی بایر) که محصولات غالب در منطقه هستند را در دو دوره کشت، با استفاده از شاخص های NDVI، SAVI و LAI پردازش شدند. داده های آموزش / تست با نسبت 70/30 تقسیم و نتایج طبقه بندی‏ها با شاخص هایی چون دقت کلی و ضریب کاپا ارزیابی شد. از آزمون جفریس-ماتوسیتا (JM) برای بررسی تفکیک پذیری طیفی کلاس ها استفاده شد. نتایج ارزیابی نشان داد که الگوریتم جنگل تصادفی با دقت کلی 93/98 درصد و ضریب کاپای 996/0 بهترین عملکرد را در تفکیک کلاس ها ارائه داد. الگوریتم تقویت گرادیان شدید نیز با دقت کلی 94/93 درصد عملکرد قابل قبولی داشت، اما برای کلاس هایی با شباهت طیفی، دقت کمتری نسبت به جنگل تصادفی نشان داد. در مقابل، روش ماشین بردار پشتیبان به دلیل حساسیت به هم پوشانی طیفی، در جداسازی کلاس ها عملکرد ضعیف تری داشت و در نهایت روش طبقه بندی جنگل تصادفی با دقت کلی و ضریب کاپای بیش از 99/0 بهترین عملکرد را داشت. آزمون JM نشان داد که برخی کلاس ها مانند گندم و یونجه جداسازی ضعیفی دارند، اما استفاده از داده های راداری و شاخص های طیفی توانسته جداسازی را بهبود بخشد. استفاده از ترکیب داده های اپتیکی و راداری به همراه الگوریتم های یادگیری ماشین، ابزاری موثر برای مدیریت منابع کشاورزی است

برنامه ریزی و بهره برداری بهینه از رواناب یکی از مسائل ضروری در حوضه های آبریز می باشد. بنابراین آگاهی از ظرفیت طبیعی تولید رواناب و شبیه سازی بارش- رواناب دارای اهمیت زیادی است. هوش مصنوعی و استفاده از مدل های شبکه عصبی یکی از روش های پیش بینی بارش- رواناب است. هدف از این تحقیق ارزیابی عملکرد مدل شبکه عصبی مصنوعی برای شبیه سازی بارش- رواناب در زیرحوضه سقز می باشد. به منظور انجام این تحقیق، داده های روزانه هواشناسی و آب سنجی منطقه شامل بارش، دما و تبخیر و دبی در دوره آماری 18 ساله (1397-1380) تهیه و مورد بررسی قرار گرفت. ارزیابی عملکرد مدل، با استفاده از شش سناریوی ترکیبی و چهار معیار آماری ضریب همبستگی (R)، میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و شاخص نش- ساتکلیف (NSE) انجام شد. متغیرهای ورودی در سناریوی اول بارش، در سناریو دوم بارش و تبخیر، در سناریوی سوم بارش و دمای میانگین، در سناریوی چهارم، بارش و متغیر دبی با یک روز تاخیر، در سناریوی پنجم، بارش، دمای میانگین، بیشینه دما و کمینه و در سناریوی ششم، بارش، تبخیر و دمای میانگین و بیشینه و کمینه دما می باشند. در تمامی سناریوها نیز دبی به عنوان متغیر خروجی در نظر گرفته شد. پس از بررسی تمامی سناریوها، نهایتا مدل پیشنهادی شبکه عصبی مصنوعی در سناریوی چهار که متغیر-های ورودی شامل بارش و دبی همراه با یک روز تأخیر بود، با مقادیر ضریب همبستگی 92/0، میانگین مربعات خطا 65/6، میانگین خطای مطلق 04/2 و شاخص نش- ساتکلیف 84/0 در بخش آموزش به ترتیب با مقادیر 91/0، 34/5، 57/1 و 82/0 در بخش آزمون عملکرد بهتری نسبت به سایر مدل های توسعه یافته شده، از خود نشان داد. نتایج نشان داد استفاده از مدل شبکه عصبی مصنوعی به عنوان یکی از مدل های هوش مصنوعی برای شبیه سازی بارش- رواناب در مقیاس روزانه مناسب و دارای دقت بالا و خطای کم برای منطقه مطالعاتی بوده و می تواند به عنوان ابزاری مفید و رویکردی قابل اعتماد در اختیار مدیران منابع آب قرار گیرد.

پایش خشکسالی مستلزم شبیه سازی شاخص هایی است که به دو دسته تکی و ترکیبی دسته بندی می شوند. شبیه سازی ها عمدتاً مبتنی بر شاخص های تکی بوده اند. از این رو مطالعه خاصی در زمینه شبیه سازی خشک سالی مبتنی بر شاخص های ترکیبی، خصوصاً شبیه سازی با مدل های ترکیبی انجام نشده است. در تحقیق به شبیه سازی خشک سالی مبتنی بر شاخص ترکیبی SRGI، با استفاده از مدل های ترکیبی Wavelet-ARIMA-ANN و Wavelet-ARIMA- LSTM اقدام شده است. برای این منظور، خشکسالی زیر حوضه آبریز الشتر در بازه زمانی 2020-1991، مبتنی بر شاخص های تکی شامل SPI، SRI و SGI و شاخص ترکیبی SRGI، با مدل های تکی ARIMA،LSTM ،ANN و همچنین مدل های ترکیبی W-AL و W-2A و مقایسه عملکردهای آن ها با یکدیگر، شبیه سازی شد. نتایج نشان داد مدل های ترکیبی W-ALوW-2A در مقایسه با مدل های تکی ARIMA، LSTM وANN برای کلیه شاخص ها اعم از تکی و ترکیبی صحت بیشتری دارند. به طوری که دامنه RMSE برای مدل های ترکیبی در مقایسه با مدل های تکی، به ترتیب 71/0-44/0 و 47/1-54/0 به دست آمد. از سویی دیگر، مقایسه دو مدل ترکیبی W-AL و W-2A نشان داد مدل W-AL در همه ی شاخص های تکی با RMSE 44/0، 62/0، 59/0، صحیح تر از مدل W-2A با RMSE 49/0، 71/0، 63/0 به دست آمد. این در حالی است که عملکرد W-AL در شاخص ترکیبی SRGI، با RMSE 64/0، صحت کمتری از مدل W-2A با RMSE 61/0 به دست داد.

این پژوهش به مقایسه کارایی سامانه (GEE)Google Earth Engine و Sentinel Application Platform (SNAP) در بررسی تغییرات زمانی کیفیت آب دریاچه سد میناب و ارتباط آن با متغیرهای مختلف محیطی شامل دمای آب (SST)، رسوبات معلق (SSC) و غلظت کلروفیل_a پرداخته است. داده های این پژوهش طی دوره زمانی 2016 تا 2023 جمع آوری و تحلیل شده اند. نتایج نشان داد که کیفیت آب دریاچه سد میناب طی دوره مورد بررسی روندی کاهشی داشته است. به طور خاص، غلظت کلروفیل_a در فصل های بهار و تابستان به دلیل افزایش SST افزایش یافته، در حالی که در پاییز و زمستان به دلیل کاهش دما و نور خورشید، کاهش یافته است. همچنین، تاثیر رسوبات معلق SSC بر کاهش کیفیت آب به ویژه در ماه های سردتر مشهود بوده است. مقایسه نتایج نشان داد، SNAP در تصحیح اتمسفری و استخراج جزئیات مکانی (با دقت 15-20% بالاتر) از GEE عملکرد برتری دارد، در مقابل GEE در پردازش داده های بلندمدت و کلان (کاهش 40% زمان پردازش) نسبت به SNAP کارآمدتر بود. SNAP تغییرات فصلی کلروفیل_a را با خطای31/4 شناسایی کرد، درحالی که این مقدار برای GEE برابر با 44/4 براورد نمود. لذا SNAP برای مطالعات دقیق و محلی (با قابلیت تنظیم پارامترهای الگوریتمی) مناسب تر است در حالی که GEE به دلیل دسترسی به داده های ابری و ابزارهای یادگیری ماشین، برای تحلیل های گسترده و سریع گزینه بهینه ای است. این تحقیق نشان داد که عوامل محیطی متعدد مانند دما، نور، مواد مغذی، و جریانات آبی تأثیرات پیچیده ای بر تولید فیتوپلانکتون ها و در نتیجه غلظت کلروفیل_a دارند و تنها نمی توان به یک عامل خاص برای توضیح تغییرات غلظت کلروفیل_a تکیه کرد. در نهایت، یافته ها نشان دهنده اهمیت کاربرد و تلفیق قابلیت های این دو سامانه (GEE مقیاس پذیری و SNAP صحت) برای پایش و مدیریت منابع آب است.

پژوهش حاضر باهدف بررسی توزیع و تجمع املاح در عمق خاک منطقه توسعه ریشه طی مراحل کود دهی نیتروژن گیاه نیشکر به روش آبیاری قطره ای زیرسطحی آزمایشی فاکتوریل به صورت کرت های یک بار خرد شده با سه تکرار در کشت و صنعت نیشکر فارابی در جنوب اهواز در سال زراعی 01-1400 اجرا شد. تیمار مراحل کود دهی با شش مرحله (T1،T2، T3،T4،T5 و T6) و تیمار اعماق خاک با پنج عمق (100-80، 80-60، 60-40، 40-20 و 20-0) اعمال گردید. تحلیل نتایج نشان داد، بالاترین میزان EC (dS/m 55/4)، SAR (93/8)، نیترات (mg/kg 52/ 33) و آمونیوم (mg/kg 47/30) به ترتیب در زمان کود دهی T4، T4، T1 و T5 بود که نشان دهنده افزایش میزان هدایت الکتریکی و نسبت جذب سدیم بود. بالاترین مقادیر EC (dS/m 30/5)، SAR (1/7)، نیترات (mg/kg 5/33) و آمونیوم (mg/kg 6/18) در عمقcm 20 خاک بود. بیشترین EC و SAR خاک ناشی از اثر متقابل زمان کود دهی و عمق خاک در زمان کود دهی مرحله T4 و عمق cm 0-20 از سطح خاک به ترتیب برابر با dS/m 62/7 و 31/11 بود که رفتار SAR تبادلی مشابه با EC است و در طول پژوهش افزایشی است. بالاترین میزان نیترات در زمان کود دهی مرحله T5 و عمق خاک cm 0-20 برابر باmg/kg 32/41 است. اما بالاترین میزان آمونیوم در مرحله T1کود دهی و عمق cm 20 -0 خاک برابر با mg/kg 85/18 بود. بنابراین، نتایج این پژوهش نشان داد، به منظور مدیریت املاح و جلوگیری از تجمع آن ها در سطح خاک اراضی تحت کشت نیشکر خوزستان با استفاده از روش آبیاری قطره ای زیرسطحی، پیشنهاد می گردد دبی و عمق نصب قطره چکان بیشتر در نظر گرفته شود.

بارش یکی از اجزای حیاتی چرخه هیدرولوژیکی زمین است که نقشی حیاتی در حفظ اکوسیستم ها، تأثیرگذاری بر الگوهای اقلیمی و حمایت از فعالیت های انسانی ایفا می کند. پیش بینی قابل قبول بارش برای مناطق شهری بسیار مهم است، جایی که پیامد الگوهای اقلیمی به طور قابل توجهی بر جنبه های مختلف زندگی، از جمله زیرساخت ها، کشاورزی و مدیریت بلایا تأثیر می گذارد. با توجه به اهمیت پیش بینی بارش، در این تحقیق با توسعه یک سیستم به منظور ارزیابی روند بارش و پیش بینی آن برای آینده، از دو مدل سری زمانی و تلفیق آنها با داده های تاریخی استفاده شد. به منظور تحلیل صحت سیستم ایجاد شده، از داده های بارش سه شهر با اقلیم های متفاوت تبریز، آمل و یزد استفاده شد. داده های تاریخی 24 سال (1378 تا 1402) جمع آوری و مد ل سازی با دو روش فوریه (Fourier) و سری زمانی خود همبسته (Autoregressive) در مقیاس ماهانه انجام شد. داده ها به دو قسمت آموزش (70 درصد) و صحت سنجی (30 درصد) تقسیم بندی شده و روند بارش برای پنج سال آینده پیش بینی شد. مقایسه عملکرد دو مدل با استفاده از چهار معیار میانگین مربعات خطا (RMSE)، ضریب همبستگی (r)، ضریب نش ساتکلیف (NSE) و ضریب ویلموت (WI) ارزیابی شد. نتایج نشان داد مدل Fourier به طور میانگین با خطای 21/1 سانتی متر، ضریب همبستگی 87/0، ضریب نش ساتکلیف 74/0 و ضریب ویلموت 91/0 عملکرد و صحت بالایی نسبت به مدل خود همبسته دارد. پیش بینی های انجام شده با مدل Fourier نسبت به مدل Autoregressive از قابلیت اطمینان بالایی برخوردار بود. با توجه به عملکرد مدل Fourier بر روی سه شهر با اقلیم های متفاوت، می توان این مدل را برای دیگر ایستگاه های کشور مورد استفاده قرار داده تا تصمیمات آگاهانه ای در مدیریت منابع آب اتخاذ شود

برنامه ریزی و پیش بینی تغییرات در چرخه هیدرولوژیکی، معمولاً از مدل های هیدرولوژیکی بهره گرفته می شود که شرایط طبیعی را ساده سازی کرده و در مدیریت منابع آب یاری می رسانند. بر همین اساس در پژوهش حاضر به ارزیابی اثربخشی این اقدامات با مدل SWAT در حوزه آبخیز محمدآباد گلستان پرداخته شد. برای انجام پژوهش حاضر، به منظور شبیه سازی متغیرهای اقلیمی منطقه موردمطالعه از داده های روزانه بارش، دمای حداقل و حداکثر، تابش خورشیدی، رطوبت نسبی و سرعت باد از سال (1367 تا 1396) ایستگاه محمدآباد استفاده شد. به منظور بهره گیری از الگوریتم ها و توابع هدف گوناگون برای واسنجی و اعتبارسنجی از نرم افزار SWAT-CUP استفاده شد و پس از ارزیابی عملکرد مدل در شبیه سازی و کسب نتایج قابل قبول با استفاده از معیارهای ارزیابی مدل جهت اعمال اقدامات حفاظت آب وخاک آماده سازی شد. نتایج واسنجی و اعتبارسنجی نشان دهنده کارایی قابل قبول مدل SWAT برای شبیه سازی هیدرولوژیک آبخیز محمدآباد است. مقدار ضریب تبیین در مرحله واسنجی و اعتبارسنجی به ترتیب برابر 93/0 و 98/0 بوده است. هم چنین مقدار شاخص نش-ساتکلیف برای مرحله واسنجی برابر 90/0 و برای مرحله اعتبارسنجی نیز 96/0 بوده است. میزان رواناب سطحی در صورت اجرای عملیات آبخیزداری به صورت سنگی ملاتی، توری سنگی، خشکه چین، نهال کاری و بذرکاری به ترتیب به میزان 36/36، 73/22، 18/18، 18/18 و 55/4 درصد نسبت به حالت بدون اجرای عملیات آبخیزداری کاهش پیدا کرده است. مطابق نتایج، پروژه های مکانیکی در منطقه باعث کاهش رواناب سطحی، سیل و متعاقباً کاهش هدررفت مواد سطحی خاک، فرسایش و درنهایت حمل ذرات فرسایش یافته از آبراهه ها به خارج از آن شده است. نتایج کلی نشان دهنده تأثیر قابل قبول این اقدامات در سطح حوزه آبخیز موردبررسی بوده است. درنهایت می توان اذعان نمود با اقدامات آبخیزداری علاوه بر اینکه می توان به کاهش خسارات ناشی از سیل و رسوب کمک نمود می توان تهدید سیلاب را به فرصت تغذیه سفره های آب زیرزمینی و وجود آب در چشمه ها، قنوات و چاه ها در زمان خشک سالی، با کم ترین هزینه و منطبق با شرایط اکولوژیکی منطقه تبدیل نمود.

با توجه به بحران خشکسالی و کاهش سطح آب دریاچه ارومیه بسترهای خشک اطراف دریاچه به کانون های جدید تولید گرد و غبار تبدیل شده اند. با بروز تغییرات اقلیمی، وقوع باد و نرخ سرعت باد طی سال های اخیر افزایش داشته، در نتیجه پدیده انتشار ذرات معلق در حوزه آبخیز دریاچه ارومیه مشاهده شده است. این پژوهش با هدف تحلیل و پیش بینی دوره بازگشت رویدادهای حدی باد، به مقایسه مدل کلاسیک توزیع مقادیر حدی (GEV) با رویکرد ساده شده فراآماری مقادیر حدی (SMEV) برروی داده های باد می پردازد. در این راستا داده های سرعت و جهت باد در چهار ایستگاه تبریز، مراغه، بناب و شبستر در شرق دریاچه ارومیه طی سال های آماری 2005 تا 2024 تحلیل شده و مدل سازی آماری با استفاده از زبان های برنامه نویسیPython و R اجرا شد. مدل سازی با دو روش GEVو SMEV صورت گرفت. مدل SMEV به صورت هدفمند منطبق با شرایط منطقه ای برروی داده های باد توسعه داده شد. پیش بینی دوره ی بازگشت برای دوره های 2، 5، 10، 20، 50، 100 و 200 ساله پیاده سازی شد. نتایج حاصل نشان داد سرعت های باد حدی بیش از 7 متر بر ثانیه و در دوره های بازگشت بلند مدت تا حدود 13 متر بر ثانیه افزایش یافته است. در دوره های بازگشت 2 و 5 ساله، سرعت باد در ایستگاه های تبریز و مراغه به ترتیب 9 و 11 متر بر ثانیه پیش بینی شد که می تواند نشانگر احتمال وقوع طوفان حدی در آینده نزدیک باشد. برای پیش بینی جهت های غالب بادهای حدی مدل جنگل تصادفی استفاده شد، جهت های جنوب غربی و جنوب با احتمال وقوع 78 و 42 درصد بیشترین فراوانی را داشتند. همچنین مدل GEV در برخی از دوره های بازگشت بلند مدت سرعت هایی تا 30 متر بر ثانیه را پیش بینی کرده است که با شرایط اقلیمی منطقه هم خوانی ندارد. در مقابل مدل SMEV ، با خطای مربع کسری (FSE) برابر با 014/0 و خطای مربع کسری وزنی (WFSE) معادل 7/20 نسبت به مدل GEV با مقادیر 081/0 و 196 عملکرد دقیق تر و واقع بینانه تری در پیش بینی داشته است. نتایج این پژوهش نشان می دهد به کارگیری و توسعه مدل SMEV برای داده های باد با توجه به شرایط اقلیمی می تواند ابزاری موثر برای تحلیل تغییرات اقلیمی و مدیریت مخاطراتی مانند طوفان های باد باشد.

پیش بینی جریان رودخانه برای تأمین نیازهای آبی اکوسیستم های آبی و همچنین برنامه ریزی و مدیریت بهینه منابع آب، به ویژه در شرایط خشکسالی، بسیار حیاتی است. این پیش بینی ها به حفظ تعادل بوم شناختی رودخانه ها کمک می کند. مدل های پیش بینی دقیق برای ارزیابی الگوهای جریان آینده و اجرای راهبردهای مدیریتی مؤثر ضروری هستند. در این مطالعه، از یک مدل ترکیبی شامل الگوریتم حساس تکراری غیرخطی پیک (SNIP) به همراه شبکه های عصبی مصنوعی (ANN) و همچنین مدل های مستقل ANN برای پیش بینی جریان رودخانه های کلمبیا (2000 تا 2022) و نیجر (2000 تا 2023) استفاده شده است. یکی از مزایای استفاده از الگوریتم SNIP در کنار ANN، کاهش پیچیدگی مدل در عین بهبود کارایی آن است. همچنین، ترکیب تحلیل سری های زمانی با تکنیک های یادگیری ماشین، پیشرفتی چشمگیر در زمینه پیش بینی جریان رودخانه محسوب می شود. این رویکرد نه تنها دقت پیش بینی ها را افزایش می دهد، بلکه توانایی مدیریت و واکنش مؤثر به نوسانات دبی رودخانه را نیز تقویت می کند. تحلیل کمی نتایج نشان داد که مدل ترکیبی SNIP-ANN نسبت به سایر مدل ها عملکرد بهتری دارد. برای رودخانه کلمبیا، مدل ANN ضریب همبستگی R=0/3249 و مقدار RMSE=1325/99 را به دست آورد، در حالی که مدل ترکیبیSNIP-ANN با بهبود قابل توجه، به R=0/7503 و RMSE=865/23 دست یافت و کاهش RMSE به میزان 75/34 درصد را نشان داد. به طور مشابه، برای رودخانه نیجر، مدل ANN به R=0/801 و RMSE=487/883 رسید، در حالی که مدل ترکیبی SNIP-ANN نتایج را تا R=0/9286 و RMSE=231/497 بهبود داد که کاهش RMSE به میزان 52/56 درصد را نشان می دهد. این نتایج بیانگر آن است که استفاده از مدل ترکیبی SNIP-ANN می تواند دقت پیش بینی را نسبت به مدل های مستقل ANN به طور قابل توجهی افزایش دهد. این مزیت، قابلیت اطمینان و اثربخشی این رویکرد را اثبات می کند. با بهره گیری از روش های ترکیبی، می توان به پیش بینی های دقیق تری نه تنها برای رودخانه های منتخب، بلکه برای مناطق دیگر نیز دست یافت و پتانسیل بالای این تکنیک را برای کاربردهای گسترده تر نشان داد.

هدف از پژوهش حاضر، پهنه بندی سیل ناشی از بارش های شدید و موسمی از 4 تا 30 خرداد 1402 و تحلیل تغییرپذیری زمانی و مکانی پوشش گیاهی در شهرستان های گرمی و انگوت، استان اردبیل است. با توجه به محدودیت تصاویر نوری در شرایط ابرناکی و بارش، در این پژوهش از تصاویر رادار با دیافراگم مصنوعی (SAR) ماهواره سنتینل-1 در سامانه گوگل ارث انجین (GEE) استفاده شد تا مناطق سیل زده با دقت بالا شناسایی شوند. بدین منظور، سه بازه زمانی شامل دوره قبل سیل (12 فروردین تا 10 اردیبهشت 1402)، دوره حین سیل (8 تا 30 خرداد 1402) و دوره پس از سیل (29 تیر تا 29 مرداد 1402) در نظر گرفته شد. هم چنین، برای بررسی وضعیت پوشش گیاهی منطقه، از شاخص نرمال شده تفاوت پوشش گیاهی (NDVI) و شاخص پوشش گیاهی بهبود یافته (EVI) مستخرج از تصاویر سنتینل-2 استفاده شد که علاوه بر بازه های زمانی فوق برای افزایش دقت، یک بازه زمانی مرجع شامل 12 فروردین تا 10 اردیبهشت 1398 نیز در نظر گرفته شد. نتایج تفسیر تصاویر SAR نشان داد که حدود 83/185 کیلومتر مربع تحت تأثیر سیل قرار گرفته است که معادل 01/9 درصد از کل منطقه مورد مطالعه است. در دوره قبل از سیل، میانگین NDVI و EVI به ترتیب برابر با 25/0 و 18/0 بود که نشان دهنده کاهش قابل توجه پوشش گیاهی در مقایسه با سال مرجع است. این امر می تواند به دلیل تغییر کاربری اراضی، خشکسالی، تخریب تدریجی پوشش گیاهی یا سایر تنش های محیطی باشد. در زمان وقوع سیل، میانگین NDVI و EVI به ترتیب به مقدار 22/0 و 15/0 رسید. در دوره پس از سیل، کاهش شدیدتری در وضعیت پوشش گیاهی مشاهده شد. میانگین NDVI به 15/0 و EVI به 1/0 کاهش یافت و تنها حدود 2 درصد از منطقه دارای پوشش گیاهی سالم باقی ماند. نتایج نشان دهنده در معرض قرارگیری بخش عمده ای از دو شهرستان مورد مطالعه توسط سیل و نیز تخریب درصد قابل توجهی از پوشش گیاهی بوده است که تأکید بر لزوم مدیریت و برنامه ریزی اصولی برای افزایش تاب آوری بوم شناختی و اجتماعی توسط شبکه ای از سازمان های مرتبط با سیل از جمله آب منطقه ای، منابع طبیعی و آبخیزداری، جهاد کشاورزی، شهرداری و سایر دستگاه های اجرائی در استان دارد.

خشکسالی به عنوان یکی از چالش های مهم اقلیمی، تأثیرات گسترده ای بر منابع آب و کشاورزی دارد. هدف این پژوهش، پیش نگری وضعیت خشکسالی هواشناسی دشت مغان بر پایه تحلیل بارش در بازه ی 2050–2025 با استفاده از شاخص SPI و مدل های اقلیمی نسل ششم (CMIP6)، طبق دو سناریوی اقلیمی متوسط SSP2-4.5 و بدبینانه SSP5-8.5 است. در این مطالعه، داده ‏ های بارش مشاهده ای از 15 ایستگاه هواشناسی منطقه جمع آوری شد. سپس، 10 مدل از مدل های اقلیمی نسل ششم (CMIP6) انتخاب گردید. با توجه به بزرگ مقیاس بودن خروجی مدل ها، فرآیند ریز مقیاس نمایی آماری و تصحیح اریبی با استفاده از ابزار CMhyd انجام شد. این فرآیند با بهره گیری از چهار روش مختلف تصحیح بایاس شامل مقیاس بندی خطی، مقیاس بندی شدت محلی بارش، تبدیل توانی و نگاشت توزیع، داده ها را به مقیاس ایستگاهی تبدیل و خطاهای سیستماتیک مدل ها را کاهش داد. کارایی مدل ها با معیارهای ارزیابی ‏R2‎، ‏MSE، ‏RMSE‏ و ‏MAE‏ ارزیابی و از نتایج 5 مدل برتر (‏EC-Earth3‎، ‏GFDL-ESM4‎، ‏EC-Earth3-Veg، ‏MIROC6‎، ‏MRI-ESM2-0‎‏) در محاسبه میانگین وزنی همادی این مدل ها برای پیش نگری بارش ‏دوره آینده استفاده شد و خشکسالی در مقیاس های 6 و 12 ماهه بررسی گردید. نتایج نشان داد که روش مقیاس بندی خطی بارش ‏کارآمدترین روش برای تصحیح اریبی مدل های ‏CMIP6‎‏ بوده و مدل اقلیمی ‏EC-Earth3‎‏ بهترین عملکرد را دارد. در دوره پایه، بیش ترین ‏بارش در ایستگاه های باران سنجی زهرا و بیله سوار و کم ترین در بران مشاهده شد. تحلیل روند شاخص ‏SPI‏ با آزمون Mann-Kendall‏اصلاح شده نشان داد که تنها ‏ایستگاه بران در مقیاس شش ماهه با افزایش معنادار خشکسالی مواجه است. در افق آینده، بر اساس سناریوی ‏SSP2-4.5‎‏ خشکسالی در ‏ایستگاه های سینوپتیک گرمی و باران سنجی زهرا افزایش می یابد و تحت سناریوی ‏SSP5-8.5‎، ایستگاه های گرمی و پارس آباد با خشکسالی های شدیدتر ‏روبه رو خواهند شد. در مقیاس 12 ماهه، بهبود شاخص ‏SPI‏ در بیش تر ایستگاه ها مشاهده می شود، اگرچه در ‏SSP5-8.5‎‏ کاهش ‏شاخص در ایستگاه های متعددی پیش بینی شده است. با این حال، طبقه نرمال خشکسالی هم چنان در دوره های آتی حاکم خواهد بود.‏

برآورد دقیق تبخیر-تعرق واقعی (ETa) نقش مهمی در مدیریت بهینه منابع آب، به ویژه در مناطق خشک و نیمه خشک ایفا می کند. در این پژوهش با بهره گیری از مدل بیلان انرژی سطحی SEBAL و تصاویر ماهواره ای لندست 8 و 9، میزانETa در دشت گربایگان استان فارس طی سال های 1397 تا 1400 برآورد و تحلیل شد. منطقه مورد مطالعه، بخشی از دشت گربایگان و در محدوده پروژه پخش سیلاب (ایستگاه آبخوانداری) کوثر است؛ که دارای اقلیم خشک است. تصاویر ماهواره ای پس از تصحیحات هندسی، رادیومتریک و اتمسفری، به همراه داده های هواشناسی برای تغذیه مدلSEBAL به کار گرفته شد. این مدل با استفاده از معادله بیلان انرژی و شاخص های گیاهی مانند NDVI و SAVI، مقدار تبخیر-تعرق واقعی (ETa) را در مقیاس مکانی دشت گربایگان (حدود 125 کیلومتر مربع) و در بازه زمانی فصل زراعی بهار و تابستان 1402، با استفاده از تصاویر چندزمانه Landsat 8، محاسبه کرد. نتایج مدل با داده های میدانی شامل تبخیر-تعرق مرجع، بیلان آب خاک و حجم آب برگشتی مقایسه و اعتبارسنجی شد. مقدار Eta در فصل سرد بین 8/0 تا 2/3 میلی متر در روز و در فصل گرم بین 8/1 تا 6/5 میلی متر در روز متغیر بود. هم چنین، اعمال پارامتر سرعت باد موجب افزایش دقت مدل گردید، به گونه ای که مقدار ضریب تعیین (R²) بین ETa مدل شده و داده مرجع از 68/0 به 79/0 افزایش یافت. بررسی ضریب گیاهی (Kc) نشان داد که نوع پوشش گیاهی و مراحل رشدی آن، نقش مهمی در تغییرات ETa دارد. نتایج این پژوهش، کارایی بالای مدل سنجش از دور و داده های محلی را در برآورد دقیق ETa و پشتیبانی از مدیریت پایدار منابع آب در مناطق خشک و نیمه خشک تأیید می کند. استفاده از مدل سیبال در توسعه سامانه های مدیریتی برای پایش تبخیر–تعرق و اجرای آبیاری دقیق، زمینه ساز بهینه سازی مصرف آب در مناطق خشک و دارای محدودیت داده های زمینی خواهد بود.

خدمت بوم سازگان نگهداشت خاک، به پتانسیل محیط در حفاظت خاک و کنترل فرسایش اشاره داشته و به دلیل نقش موثر خاک در تامین رفاه انسان و نیاز موجودات زنده، حائز اهمیت است. بنابراین، این پژوهش با هدف ارزیابی خدمت نگهداشت خاک در شهرستان سرخس در بازه زمانی 21 سال از 2000 تا 2020 میلادی انجام شد. در این راستا، به منظور کمی سازی نگهداشت خاک، از مدل SR در نرم افزار InVEST 3.0.1 استفاده شد. در این مدل برای محاسبه نگهداشت خاک از معادله جهانی هدررفت خاک (USLE) استفاده می شود. ورودی های مورد نیاز شامل مدل رقومی ارتفاع، کاربری و پوشش اراضی، فرسایندگی باران، فرسایش پذیری خاک و جدول بیوفیزیکی در قالب رستری در محیط GIS تهیه و به مدل معرفی شدند. نتایج پژوهش نشان داد که پتانسیل فرسایش خاک بین 47/0 تا 53/0 تن در پیکسل در سال متغییر بوده است. میزان نگهداشت خاک نیز به طور متوسط 06/1 تن در پیکسل در سال بوده و بیشترین میزان نگهداشت خاک مربوط به کاربری مرتعی با مقدار 98/5 و کمترین میزان نیز مربوط به کاربری مسکونی با مقدار 08/0 تن در پیکسل بوده است. نتایج بیانگر آن است که قابلیت نگهداشت خاک در جنوب غربی منطقه مطالعاتی بیشترین میزان را داشته است که علت آن می تواند وضعیت و کیفیت بهتر مراتع در این منطقه نسبت به سایر مناطق باشد. مناطق مرکزی و شرقی منطقه مورد مطالعه به علت تغییر کاربری و به تبع آن کاهش پوشش گیاهی، از شدت بالای میزان فرسایش خاک برخوردار بودند که نیازمند برنامه ریزی جامع جهت کنترل و کاهش این نوع مخاطره است. نتایج این پژوهش می تواند در توسعه برنامه مدیریتی خدمات اکوسیستم برای مدیران سرزمین مفید باشد، تا از طریق شناسایی نواحی دارای ارزش حفاظتی به دلیل عرضه زیاد نگهداشت خاک و نیز توجه به کاربری اراضی، برنامه ریزی مکانی موثرتری داشته باشند.

خدمات هیدرولوژیک اکوسیستم شامل فرآیندهای طبیعی اکوسیستم است که تأمین و تنظیم منابع آب را برای انسان و محیط زیست ممکن می سازد. تولید آب به عنوان یکی از این خدمات، نقش حیاتی در تأمین نیازهای انسانی و پایداری محیط زیست دارند. در همین ارتباط، بررسی تغییرات زمانی و مکانی این خدمت به ویژه در شرایط تغییر کاربری اراضی و تغییرات اقلیمی اهمیت فزاینده ای یافته است. بر همین اساس، پژوهش حاضر با هدف ارزیابی تغییرات زمانی و مکانی خدمت اکوسیستمی تولید آب در منطقه هیرکانی شمال ایران و در حوزه آبخیز تالار استان مازندران طی 25 سال (1368 تا 1393) با استفاده از مدل InVEST برنامه ریزی شده است. این مدل به عنوان ابزاری کارآمد برای کمی سازی و تهیه نقشه خدمات اکوسیستم، امکان ارزیابی تولید آب را از طریق داده های مکانی اقلیم، کاربری اراضی و عوامل زیست فیزیکی فراهم می کند. در راستای دستیابی به اهداف، داده های ورودی شامل بارندگی سالانه، تبخیر و تعرق گیاه مرجع سالانه، کاربری اراضی، مدل رقومی ارتفاع، محتوای آب در دسترس گیاه، عمق لایه محدود کننده ریشه، وضعیت پوشش اراضی، عمق ریشه، ضریب تبخیر و تعرق، پارامتر فصلی بودن، مرز جغرافیایی آبخیز و نیاز آبی در هر طبقه از کاربری های اراضی برای سال های منتخب 1368، 1379 و 1393 تهیه و برای اجرا به مدل معرفی شد. نتایج نشان داد که خدمت اکوسیستمی تولید آب طی دوره 25 ساله از 02/192 به 85/147 میلیون مترمکعب و معادل 23 درصد کاهش یافته است. بیش ترین و کم ترین تولید آب سالانه به ترتیب مربوط به کاربری های مرتع و باغ با مقادیر 56/94 و 44/1 میلیون مترمکعب است؛ اما به ازای هر هکتار، مناطق مسکونی بیش ترین تولید آب را داشتند که ناشی از افزایش رواناب سطحی به دلیل افزایش سطح نفوذناپذیر است. کاربری های جنگل، منطقه مسکونی، کشاورزی دیم و آبی نیز با مقادیر به ترتیب 57/28، 50/8، 18/8 و 59/6 میلیون مترمکعب در رتبه های دوم تا پنجم تولید آب قرار گرفتند. این مطالعه اهمیت حفظ پوشش های طبیعی، به ویژه در مناطق شیبدار و پربارش را برای پایداری تولید آب و مدیریت منابع آب و خاک در منطقه برجسته می کند. نتایج، تأکیدی بر ضرورت برنامه ریزی کاربری اراضی با رویکرد اکولوژیکی دارد و می تواند راهنمایی ارزشمند برای سیاست گزاران و مدیران منابع آب در ایران باشد.

اندازه گیری مستقیم رطوبت خاک هزینه بردار، زمان بر و به سختی قابل انجام است، از طرفی اندازه گیری غیرمستقیم با حسگرهای زمینی و یا سنجنده های ماهواره ای دارای خطا بوده، لذا ارزیابی، واسنجی و صحت سنجی آنها ضروری است. بدین منظور منطقه تلو در استان تهران انتخاب و تعداد هفت ایستگاه اندازه گیری رطوبت خاک در کاربری های مختلف ایجاد شد. روش های غیر مستقیم برآورد رطوبت خاک شامل دو حسگر TDR و PR2 و سنجنده های سنتینل2 و SMAP در این منطقه مورد بررسی قرار گرفت. همچنین اندازه گیری وزنی به عنوان داده مشاهده ای و معیارهای آماری ضریب تعیین، درصد انحراف، خطای جذر میانگین مربعات (RMSE) و میانگین خطای مطلق (MAE) استفاده شد. نتایج پژوهش نشان داد TDR نسبت به PR2 بر اساس چهار معیار آماری منتخب برآورد دقیق تری از رطوبت خاک را دارا می باشد. لذا TDR به عنوان معیار ارزیابی دقت داده های ماهواره ای سنتینل2 و SMAP مناسب تر است. بررسی رابطه همبستگی بین داده های TDR و PR2 با همدیگر در هفت ایستگاه بیانگر همبستگی بالا بین داده های این دو در اعماق یکسان می باشد. ضریب تعیین داده های این دو، در دامنه 11/0 در ایستگاه P3 تا 905/0 در ایستگاه P2 در تغییر است. همچنین کمترین درصد انحراف مطلق آن ها از هم 3/1 و بیش ترین آن 5/31 درصد بدست آمده است که به نظر می رسد شرایط ویژه ای در ایستگاه های P5 و P6 از جمله عمق نا یکسان و احتمالاً نوع پوشش بر میزان رطوبت این دو سنجنده تأثیرگذار شده است. بیشترین همبستگی داده های سنتینل2 با TDR در ایستگاه P2 به میزان 905/0 و کم ترین آن در ایستگاه P3، به میزان 11/0 بدست آمده است. از طرفی بر اساس دو معیار RMSE و MAE کمترین مقدار مربوط به ایستگاه P2 و بیشترین مقدار مربوط به ایستگاه P4 می باشد. بنابراین، نوع پوشش بر دقت برآورد سنتینل اثرگذار شده و لذا برآورد رطوبت خاک از داده های سنتینل2 با تقریب زیادی مواجه است. نتایج پژوهش حاضر نشان داد که رابطه همبستگی داده های SMAP با متوسط TDR در هفت ایستگاه دارای ضریب تعیین 455/0، میزان انحراف مطلق 7/16 درصد و مقادیر RMSE و MAE به ترتیب 96/7 و 1/7 می باشد. بنابراین با وجود قدرت تفکیک زمینی پایین داده های SMAP، برآورد دقیق تری را نسبت به سنتینل2 داشته است.

کمبود مشاهدات زمینی و عدم قطعیت داده ها از مشکلات اساسی مناطق خشک جهان و به ویژه کشورهای در حال توسعه برای شناسایی سریع مناطق درگیر با سیلاب های آنی محسوب می گردد. هدف مطالعه حاضر، ارزیابی عملکرد تصاویر راداری و اپتیکی سنتینل-1، 2 و 3 در شناسایی مناطق سیلابی در استان سمنان به عنوان یکی از مناطق درگیر در وقوع سیلاب های آنی است. به دلیل دقت، قابلیت تکرارپذیری بالا و دسترسی راحت، تصاویر ماهواره سنتینل انتخاب شد و الگوریتم های پردازش تصویر مختلف شامل تفاضل باندی، آستانه گذاری، کامپوزیت، شاخص اختلاف آب نرمال شده (NDWI) و OTSU اعمال شد. یافته ها نشان داد، وسعت پهنه های شناسایی شده سیلابی بر اساس تصاویر سنتینل-1 و روش تفاضل باندی و آستانه گذاری در حدود 431835 هکتار برآورد شده است. این در حالی است که بر اساس تصاویر سنتینل-2 و 3 و بکارگیری شاخص NDWI وسعت این مناطق به ترتیب کم تر (در حدود 268000 هکتار) و بیش تر (در حدود 1005045 هکتار) از برآوردهای سنتینل-1 تعیین شد. با بکارگیری روش آستانه گذاری خودکار OTSU بر پایه تصاویر راداری سنتینل-1، وسعت پهنه های سیلابی برابر با 467379 هکتار برآورد شد. در ادامه، اعتبارسنجی نتایج، با بررسی مقادیر بارش ها و سیلاب های ثبت شده در منطقه طی دوره منتخب به عنوان معرف و همچنین نقشه حساسیت سیلاب استان سمنان انجام شد. نتایج بیانگر قابلیت بالای تصاویر راداری سنتینل-1 و همچنین عملکرد بهتر روش OTSU در مقایسه با سایر روش ها بود. این نتایج نشان داد، ترکیب داده های چندزمانه و بهره گیری از الگوریتم های پیشرفته پردازش تصویر، می تواند دقت شناسایی سیلاب ها را افزایش دهد. شناسایی دقیق و سریع سیلاب های آنی در مناطق خشک، به بهبود مدیریت بحران و برنامه ریزی های منطقه ای کمک شایانی می نماید.

خشکسالی، پدیده ای طبیعی است که به طور مکرر رخ می دهد و تأثیرات قابل توجهی بر کشاورزی، فعالیت های اجتماعی-اقتصادی و اکوسیستم طبیعی به ویژه در مناطق حساس از نظر بوم شناختی دارد. این مطالعه با هدف ارزیابی و پایش خشکسالی هواشناسی حوضه آبریز دریاچه ارومیه با استفاده از شاخص استاندارد شده بارش (SPI) و شاخص آنومالی بارش اصلاح شده (mRAI) در مقیاس های زمانی 3، 6، 9 و 12 ماهه طی دوره آماری 1991 تا 2020 انجام شد. برای محاسبه این شاخص ها، از داده های جهانی بارش ماهانه GPCC با قدرت تفکیک مکانی 0.25 درجه به عنوان پایگاه شبکه ای جهانی در غلبه بر محدودیت تعداد پایین و پراکنش نامناسب ایستگاه های باران سنجی در منطقه، استفاده شد. صحت داده های GPCC در تخمین بارش ماهانه ایستگاه های سینوپتیک مورد مطالعه با استفاده از معیارهای آماری R²، RMSE، MAE و PBIAS ارزیابی شد. نتایج ارزیابی با R² برابر0.91 و RMSE برابر10.83، دقت قابل قبول پایگاه بارش GPCC را نشان داد. برای مقایسه طبقات شدت خشکسالی بدست آمده از دو شاخص SPI و mRAI در مقیاس های زمانی مختلف، از آماره کاپا (Kappa) و ضریب Cramer's V بهره گرفته شد. مقادیر آماره Kappa و ضریب Cramer's V برای مقیاس های زمانی مختلف در ایستگاه ها به ترتیب0.851 و 0.837 (3 ماهه)، 0.863 و 0.847 (6 ماهه)،0.867 و 0.850(9 ماهه)، و 0.929 و 0.912 (12 ماهه) به دست آمد. نتایج به وضوح نشان داد که تطابق آماری بین طبقات شدت خشکسالی شاخص های SPI و mRAI در مقیاس های زمانی 3، 6، 9 و 12 ماهه وجود دارد. این آماره ها (در سطح 1 درصد)، وجود یک رابطه معنی دار را بین شاخص های خشکسالی SPI و mRAI در ارزیابی شرایط خشکسالی در مقیاس ایستگاه های سینوپتیک و کل حوضه بیان می کنند. یافته های پژوهش بر کاربرد موثر داده های GPCC و هم خوانی دو شاخص در پایش خشکسالی هواشناسی حوضه آبریز دریاچه ارومیه تأکید دارد و استفاده از داده های این پایگاه بارش در تحقیقات مدیریت منابع آب و هیدرولوژی حوضه توصیه می ‎شود.