%0 Journal Article %T مدل‌سازی ماهانه خشکسالی با استفاده از برونداد پس‌پردازش شده سامانه CFS.v2-RegCM4 در دوره 1982 تا 2010 (مطالعه موردی: ایران) %J فیزیک زمین و فضا %I موسسه ژئوفیزیک دانشگاه تهران %Z 2538-371X %A فلامرزی, یاشار %D 2023 %\ 08/30/2023 %V 49 %N 2 %P 451-470 %! مدل‌سازی ماهانه خشکسالی با استفاده از برونداد پس‌پردازش شده سامانه CFS.v2-RegCM4 در دوره 1982 تا 2010 (مطالعه موردی: ایران) %K درخت تصمیم %K ماشین بردار پشتیبان %K CFS.v2-RegCM %K SPI %K SPEI %R 10.22059/jesphys.2023.344211.1007438 %X از آنجاکه 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، به‌ویژه در مقیاس ماهانه می‌تواند نقش به‌سزایی 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 ریزمقیاس‌شده است، می‌باشد. ابتدا با استفاده از داده‌های دمای ریزمقیاس‌شده مدل CFS.v2 در دوره 2010-1982 و همچنین داده‌های ERA5، مقادیر تبخیر-تعرق پتانسیل ماهانه به روش هارگریوز-سامانی محاسبه شد؛ سپس داده‌های ریزمقیاس‌شده بارش و تبخیر-تعرق پتانسیل سامانه CFS.v2-RegCM توسط مدل‌های درخت تصمیم و ماشین بردار پشتیبان پس‌پردازش شدند. داده‌های ریزمقیاس‌شده به‌عنوان ورودی و داده‌های بازتحلیل ERA5 به‌عنوان داده‌های مرجع جهت آموزش (2002-1982) و آزمون (2010-2003) استفاده شدند. در پایان، از داده‌های ریزمقیاس‌شده و پس‌پردازش‌شده جهت محاسبه مقادیر SPI و SPEI یک‌ماهه مدل و از داده‌های ERA5 برای محاسبه مقادیر نظیر مرجع استفاده شد. مقایسه داده‌های پس‌پردازش‌شده بارش و تبخیر-تعرق پتانسیل با داده‌های نظیر بازتحلیل ERA5 نشان داد که مدل درخت تصمیم از کارایی بالاتری نسبت به مدل ماشین بردار پشتیبان برخوردار است. همچنین مقادیر SPI و SPEI محاسبه‌شده با داده‌های منتج از سامانه CFS.v2-RegCM4 که با مدل درخت تصمیم پس‌پردازش شده‌اند با مقادیر نظیر منتج از داده‌های بازتحیلی ERA5 همخوانی قابل‌قبولی داشتند. %U https://jesphys.ut.ac.ir/article_90610_8f536238b5549907b13a0930becb7418.pdf