پایش خشکسالی بر مبنای شاخص بارش- تبخیروتعرق استاندارد شده SPEI تحت تأثیر تغییر اقلیم و الگوریتم XGBoost(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در سال های اخیر، به دنبال بروز پدیده ی گرمایش جهانی و تغییر در الگوهای اقلیمی و پارامترهای هواشناسی، فراوانی وقوع خشکسالی در بسیاری از مناطق جهان افزایش یافته است. در این مطالعه به پایش خشکسالی با استفاده از شاخص SPEI و بررسی خصوصیات این پدیده (شدت، بزرگی، مدت) در شرایط تغییر اقلیم در ایستگاه سینوپتیک قزوین در دوره تاریخی 2014-1986 و دوره های آینده 2050-2026، 2075-2051 و 2100-2076 تحت سناریوهای SSP2-4.5 و SSP5-8.5 در مقیاس های زمانی 3، 6، 9 و 12 ماهه پرداخته شده است. به منظور کاهش عدم قطعیت مدل های منفرد و افزایش قابلیت اعتماد برآوردها، از یک رویکرد ترکیب چندمدلی مبتنی بر یادگیری ماشین (Multi-Model Ensemble) با استفاده از الگوریتم XGBoost جهت ترکیب غیرخطی و بهینه خروجی سه مدل اقلیمی CMIP6شامل MIROC6،ACCESS-CM2 و CNRM-CM6-1 استفاده شد. ویژگی های خشکسالی بر اساس داده های مدل ترکیبی (Ensemble) حاصل از سه مدل اقلیمی محاسبه شدند. در سناریویSSP2-4.5، تغییرات خشکسالی نسبت به گذشته روندی افزایشی ملایم نشان داد. در دوره ی 2026–2050، میانگین شدت بین 03/2 تا 02/3 و بزرگی بین 91/0 تا 25/1 مشاهده شد. در سناریوی بدبینانه SSP5-8.5، روند افزایش شدت و بزرگی خشکسالی ها واضح تر بود. در نیمه ی اول قرن (2026–2050)، شدت بین 91/1 تا 70/3 و بزرگی بین 1/1تا 14/1 متغیر بود. به طور کلی، نتایج نشان داد که هر دو شاخص شدت و بزرگی خشکسالی از گذشته به آینده روندی افزایشی دارند، اما افزایش شدت چشمگیرتر است. بدین ترتیب می توان نتیجه گرفت که در آینده، منطقه ی مورد مطالعه با افزایش فراوانی، شدت و پایداری خشکسالی ها مواجه خواهد شد و این امر ضرورت برنامه ریزی سازگاری، مدیریت منابع آب و توسعه ی راهبردهای کاهش اثرات خشکسالی را بیش از پیش آشکار می سازد.