درخت حوزه‌های تخصصی

ناپایداری های دامنه ای یکی از مخاطرات طبیعی مهم در مناطق کوهستانی است که می تواند تأثیرات قابل توجهی بر زندگی انسان ها و زیرساخت ها داشته باشد. ارزیابی دقیق این ناپایداری ها و شناسایی مناطق پرخطر از اهمیت ویژه ای برخوردار است. مدل های پیش بینی، نظیر رگرسیون لجستیک، می توانند به شناسایی عوامل مؤثر بر ناپایداری ها و تهیه نقشه های حساسیت کمک کنند. در این راستا، مطالعه حاضر با هدف ارزیابی پتانسیل خطر ناپایداری های دامنه ای در حوضه آبریز شهرچای ارومیه با استفاده از مدل رگرسیون لجستیک انجام شده است. در این پژوهش، از تصاویر ماهواره ای لندست 2023 برای شناسایی نقاط ناپایدار استفاده شد و عوامل مؤثر بر وقوع ناپایداری های دامنه ای، همچون ارتفاع، شیب، فاصله از گسل، فاصله از رودخانه، لیتولوژی، پوشش گیاهی و پوشش زمین، مورد بررسی قرار گرفت. نتایج حاصل از مدل رگرسیون لجستیک نشان داد که متغیرهای فاصله از جاده، جهت شیب، فاصله از گسل و نوع پوشش گیاهی از مهم ترین عوامل مؤثر در افزایش احتمال وقوع ناپایداری ها هستند. شاخص های آماری ROC، Pseudo R Square و Chi Square دقت و اعتبار بالای مدل را تأیید کردند. نقشه های پهنه بندی تهیه شده، مناطق با حساسیت های مختلف به ناپایداری های دامنه ای را شناسایی کرده و نتایج به دست آمده از مدل با داده های میدانی تطابق قابل توجهی نشان دادند. نتایج این پژوهش نشان داد که در حوضه آبریز شهرچای ارومیه، ناپایداری های دامنه ای عمدتاً شامل لغزش های سطحی و ریزش سنگ هستند که بیشترین رخداد را داشته اند. این امر به طور خاص در مناطقی با شیب های تند، نزدیکی به گسل ها و جاده ها، و در مناطق فاقد پوشش گیاهی مشاهده شد. مدل رگرسیون لجستیک به خوبی توانست عوامل مؤثر بر وقوع این ناپایداری ها را شناسایی کند و با تهیه نقشه های حساسیت، پهنه های پرخطر را برجسته سازد. از این رو، این مدل می تواند به عنوان یک ابزار تصمیم گیری مؤثر برای مدیریت مخاطرات طبیعی و کاهش خطرات ناشی از ناپایداری های دامنه ای در این حوضه و سایر مناطق مشابه مورد استفاده قرار گیرد.

هدف اصلی این پژوهش بررسی تغییرپذیری بارش و پیش بینی بارش های سالانه مرکز و جنوب شرق ایران با استفاده از مدل سری های زمانی تصادفی است. لذا جهت رسیدن به این هدف اصلی از داده های بارش سالانه 15 ایستگاه همدید مرکز و جنوب شرق ایران که از سازمان هواشناسی کشور دریافت شد، استفاده گردید. سپس مدل های مختلفی از خانواده میانگین متحرک خودهمبسته یکپارچه (ARIMA) بر سری های زمانی بارش ایستگاه های مورد مطالعه برازش داده شدند. نتایج نشان دادند که بهترین مدل برازش داده شده بر سری های زمانی بارش سالانه ایستگاه های مورد مطالعه ARMA (2, 1) می باشد. بر اساس این مدل مشاهده شد که روند مقادیر پیش بینی شده بارش های سالانه تا افق 2027 میلای به استثنای دو ایستگاه فردوس و ایرانشهر که روند بارشی آنها افزایشی بوده است، بقیه ایستگاه دارای روند کاهشی بوده اند. برای اندازه گیری دقت پیش بینی بارش های سالانه تا افق 2027 نیز از چهار معیار اعتبارسنجی MAD، MSE، RMSE و MAE استفاده شد. نتایج این چهار معیار نشان دادند که پیش بینی های انجام شده دارای خطاهای بسیار زیاد و در نتیجه از دقت پایینی برخوردار هستند. مهمترین دلیلی که در ایجاد خطاهای بسیار زیاد در پیش بینی بارش های سالانه مرکز و جنوب شرق ایران می توان مطرح نمود طول دوره آماری کوتاه بسیاری از ایستگاه های مرکز و جنوب شرق ایران است. لذا برای این نوع از مدلسازی ها در مرکز و جنوب شرق ایران پیشنهاد می گردد از پایگاه داده های مختلف بارشی شبکه بندی شده  که دارای طول دوره های آماری طولانی تری دارند استفاده شود.

در ایران خشکسالی یکی از پرهزینه ترین رویدادهای طبیعی است. خشکسالی کشاورزی یک رویداد اقلیمی است که پیامدهای مخربی برای منابع غذایی و اقتصادی دارد. بارزترین ویژگی این خشکسالی، کاهش رطوبت خاک به دلیل کاهش بارندگی یا افزایش دما است که باعث کاهش عملکرد مزرعه می شود. اما عدم وجود داده های اقلیمی پایش خشکسالی ها دچار مشکل می کند. در این مطالعه جهت پایش خشکسالی کشاورزی از شاخص گیاهی تعدیل شده تاثیر خاک (SAVI) در اراضی کشاورزی پایاب سد سرخاب، واقع در استان اردبیل استفاده شد. نتایج نشان داد که مابین شاخص SAVI حاصل از اراضی کشاورزی و شاخص SPI12 همبستگی معادل 61/0وجود دارد که به سبب این همبستگی، انتظار می رود با افزایش بارش، میزان مساحت اراضی پرآب (با شاخص SAVI از 5/0 تا 7/0) افزایش و در مقابل میزان اراضی کم آب (با شاخص SAVI از 2/0 تا 5/0) کاهش پیدا کند. با تقسیم داده های در دسترس به دو دوره بلندمدت (1986-2024) شامل 39 سال و کوتاه مدت (2010-2024) شامل 15 سال، مشخص گردید که تغییرات مساحت اراضی کم آب با شاخص SAVI پایین، در دوره بلند مدت با شیب 08/0- هکتار تقریبا ثابت و در دوره کوتاه مدت با شیب 1/13+ افزایشی بودند و این در حالی بود که روند بارش مشاهداتی در هر دو دوره افزایشی بود. این مقایسه نشان داد در دوره های آماری منتخب، تاثیر مثبت روند افزایشی بارش های مشاهداتی، به دلیل افزایش دما تعدیل شده و میزان تغییرات رطوبت خاک و در نتیجه پوشش گیاهی براساس تغییرات شاخص SAVI ، تقریبا ثابت یا کاهشی بوده است. در نتیجه استفاده از داده های سنجش از دور، در بررسی و پایش خشکسالی کشاورزی، می تواند در بسیاری از مناطق، به ویژه در مناطق مشخص و فاقد آمار و یا مناطقی با داده های محدود مشاهداتی، بسیار موثر و کاربردی باشد.

این پژوهش به بررسی تغییرات پوشش گیاهی و دمای سطح زمین در شهرستان رشت طی سال های 2010، 2015، 2020 و 2024 پرداخته است. برای این منظور، از تصاویر ماهواره ای لندست و شاخص های متنوع گیاهی و آبی شامل NDVI، MNLI، MSR، SAVI، OSAVI، VARI، MNDWI، IPVI و EVI استفاده شده است. این داده ها در سامانهGoogle Earth Engine (GEE) پردازش شدند و نتایج با دقت بالا تحلیل گردیدند. تحلیل داده های پوشش گیاهی نشان داد که در مناطق تحت توسعه شهری و صنعتی، کاهش قابل توجهی در سلامت و تراکم پوشش گیاهی رخ داده است. به طور خاص، در نواحی شمالی و شرقی رشت، شاخص های NDVI و SAVI  نشان دهنده تخریب شدید پوشش گیاهی و تبدیل زمین های کشاورزی و جنگلی به مناطق مسکونی و صنعتی هستند. این تغییرات همچنین به کاهش کیفیت زیست محیطی منجر شده است. در تحلیل دمای سطح زمین، نتایج نشان داد که دما در مناطق شهری به دلیل کاهش پوشش گیاهی و افزایش زیرساخت های سخت مانند آسفالت و بتن، به طور قابل توجهی افزایش یافته است. پدیده جزیره حرارتی شهری به وضوح قابل مشاهده بود. میانگین دما از 6/17 تا 3/65 درجه سلسیوس در سال های مورد مطالعه متغیر بوده است. مناطق دارای پوشش گیاهی انبوه به دلیل تبخیر و تعرق بیشتر، دمای پایین تری را تجربه کرده اند، در حالی که مناطق فاقد پوشش گیاهی و دارای زیرساخت های سخت، دماهای بالاتری نشان دادند. این پژوهش بر اهمیت استفاده از شاخص های گیاهی و آبی برای پایش تغییرات محیط زیستی تأکید دارد. یافته ها می توانند مبنای بهبود برنامه ریزی های مدیریتی برای حفاظت از منابع طبیعی، کاهش اثرات منفی توسعه شهری و صنعتی و بهبود کیفیت زندگی ساکنان منطقه باشند. علاوه بر این، نتایج بر اهمیت پایش مستمر پوشش گیاهی و دمای سطح زمین برای شناسایی مناطق بحرانی و تدوین راهکارهای مناسب تأکید می کنند.

هدف پژوهش حاضر تجزیه و تحلیل تغییرپذیری شاخص فصلی (SI) و الگوهای رژیم بارندگی ایستگاه سینوپتیک خرم آباد است. در این راستا، داده های بارندگی ماهانه 70 سال، طی (2020-1951) از ایستگاه هواشناسی خرم آباد انتخاب شده است. به منظور شناسایی تغییرپذیری الگوهای فصلی بارش، دوره آماری مورد مطالعه به دو نیمه و نیز به 7 دهه تقسیم شد. نخست، مشخصات عمومی بارش ماهانه، فصلی و سالانه با استفاده از شگردهای ترسیمی واکاوی شد. سپس شاخص تراکم بارندگی (PCI) و شاخص فصلی مجزا (SIi) برای هر سال برآورد شد و وجود روند این شاخص ها بررسی شده است. طول دوره ماه های با بیشینه بارندگی و نیز دامنه تغییرپذیری شاخص فصلی مجزا (SIi)، با استفاده از نسبت بین میانگین شاخص فصلی (S̅I̅) با میانگین شاخص فصلی مجزا (S̅I̅i) برای هر دهه بررسی شد. نتایج نشان داد رژیم بارندگی خرم آباد زمستانی (نیمه سرد سال) است و میانگین شاخص فصلی (S̅I̅) گویای حاکمیت رژیم فصلی بارندگی (یک دوره خشک و یک دوره بارانی) در محل است. تجزیه و تحلیل رگرسیون شاخص فصلی مجزا (SIi) با مجموع بارش سالانه بیانگر یک همبستگی خطی معکوس آماری است. روند سری زمانی (SIi) نشان داد که هیچ تغییر چشمگیری در رژیم فصلی بارندگی رخ نداده است. به هر روی، تغییرات بین سالانه شاخص فصلی مجزا (SIi)، موجب بروز چهار الگوی فصلی متفاوت در رژیم بارشی خرم آباد شده است و در مجموع الگوهای رژیم فصلی خرم آباد دارای رفتار نوسانی است که به تناوب موجب کاهش یا افزایش دوره بارانی می شود.

پایش مستمر میزان کربن آلی خاک یکی از نیازهای نظارت بر فرایند های زیست محیطی منجمله تغییرات اقلیمی واثرات آن بر اکوسیستم است. هدف تحقیق حاضر شناخت رابطه تغییر اقلیم و تغییر کاربری اراضی و تاثیر آن بر ترسیب کربن خاک های زاگرس میانی است. پس از بررسی چشمی تصویر رنگی و مشاهدات میدانی، به روش تصادفی طبقه بندی شده 180 محدوده دارای پوشش درخت مشخص و از هر نقطه تا عمق 20 سانتی متری نمونه های خاک برداشت و به آزمایشگاه منتقل و برخی ویژگی های فیزیکی و شیمیایی خاک اندازه گیری شد. نتایج نشان دهنده افزایش سطوح فاقد پوشش گیاهی یا به عبارتی تغییر کاربری های جنگلی و مرتعی به سطوح بدون پوشش است، این نتایج با روند تغییرات کاربری اراضی در منطقه منطبق می باشد. بطوری که تغییرات سبزینگی و پوشش گیاهی در سطح استان متأثر از شرایط خشکسالی و ترسالی تضعیف یا تشدید می شود. بطور کلی تغییر کاربری اراضی از جنگل و مرتع به اراضی فاقد پوشش گیاهی، تغییرات شاخص دمایی منتج از محاسبات تصاویر ماهواره ای که نشان دهنده تنش در پوشش گیاهی به علت دما و خشکی بالا است و از طرف دیگر شاخص های گیاهی هم بیان کننده کاهش سطوح دارای پوشش گیاهی هستند که منجر به کاهش زیست توده گیاهی و کاهش تولید ماده آلی در کاربری های تغییر یافته می گردد. بطورکلی با توجه به روند کاهش ترسیب کربن از 89 تن در هکتار به 50 تن در هکتار در بازه زمانی 30 ساله می توان انتظار داشت با سناریوی اقلیمی موجود و مدیریت فعلی منابع طبیعی وضعیت پوشش گیاهی منطقه فقیر و کاهش مقادیر ترسیب کربن ناشی از پوشش گیاهی در آینده قابل پیش بینی است.

بروز و نمود پیامدهای تغییرات آب و هوایی در دهه های اخیر و اهمیت گرمایش جهانی، منجر به انجام پژوهش در حوزه شبیه سازی تغییرات آب و هوایی با به کارگیری مدل های آب و هوایی گردش عمومی (GCMs) برای دوره های زمانی آتی شده است. مروری بر منابعی که در ایران، به این امر پرداخته اند، می تواند ضمن ارزیابی روش کار این پژوهش ها، نقاط قوت و ضعف آنها را مشخص نموده و جبران کاستی ها را رهنمون شود. بدین منظور، مقالاتی که در خصوص شبیه سازی و پیش نگری تغییرات آب و هوایی در ایران منتشر شده اند؛ بررسی و تعداد 110 مقاله که به موضوع و هدف پژوهش حاضر نزدیک تر بودند گزینش شده و مورد تحلیل قرار گرفتند و میزان تغییرات محتوایی مقالات در دو دهه اخیر نیز مقایسه و ارزیابی شد. نتایج، پُراستفاده ترین مدل های GCM و روش های ریزمقیاس نمایی را شناسایی و میزان تغییرات محتوایی مقالات به لحاظ به کارگیری چندین مدل و سناریو و صحت سنجی خروجی ها در دو دهه اخیر را مقایسه و بهبود آنها را آشکار کرد و کاستی های پژوهش ها را مشخص کرد. همچنین نتایج، گویای توجه بسیاری از پژوهشگران این حوزه بر آینده کشاورزی و منابع آبی ایران به عنوان کشوری نیمه خشک بود.

آتش سوزی مزارع یکی از عوامل اصلی آلودگی هوا در مناطق کشاورزی محسوب می شود که اثرات زیست محیطی و بهداشتی جدی به دنبال دارد. این پژوهش با بهره گیری از تصاویر ماهواره ای لندست، مودیس و سنتینل 5 به بررسی آلودگی ناشی از این پدیده در استان مازندران پرداخته است. ابتدا شاخص NDVI برای شناسایی پوشش گیاهی استفاده شد و با حذف جنگل ها، مناطق کشاورزی مشخص گردید. سپس، مناطق سوخته شده طی سال های 2022 تا 2024 با استفاده از شاخص آتش سوزی مودیس شناسایی شدند. صحت نتایج با تصاویر واقعی مودیس تأیید شد و داده های AOD،AAI  و کربن مونوکسید از ماهواره های مودیس و سنتینل 5 استخراج گردید. همچنین، با داده های ایستگاه فتح تهران و اطلاعات ماهواره ای، مدلی رگرسیونی برای برآورد آلودگی در مزارع شهرهای بابل، آمل و فریدون کنار طراحی و نمودارهای روزانه و ماهانه AQI این شهرها برای سال 2022 رسم گردید. نتایج نشان داد که نواحی شرقی استان، شامل بابل، آمل، قائمشهر و ساری، بیشترین میزان آتش سوزی مزارع را داشته است، که با تصاویر ماهواره ای تأیید شد. نقشه آلودگی نشان داد که مناطق ساحلی و جاده های اصلی بیشترین آلودگی را تجربه کردند. تحلیل داده ها رابطه ای معنادار با ضریب تعیین 75/0 بین داده های واقعی و ماهواره ای را نشان داد. شاخص AQI پس از برداشت برنج، به بیش از 120 رسید. بر اساس این یافته ها، پیشنهاد می شود به جای سوزاندن، از روش های جایگزین مدیریت بقایای کشاورزی مانند تبدیل کاه و کلش به بیوچار استفاده شود.

هواویزها ذرّات جامد یا مایع معلق در جوّ هستند که از منابع طبیعی و انسان زاد انتشار می یابند و با جذب و پراکندگی تابش های طول موج کوتاه خورشیدی و طول موج بلند زمینی به طور مستقیم بر توازن تابشی جوّ اثر می گذارند. از آنجائی که هواویزها نقش عمده ای در هسته زایی قطرک های ابر و بلورهای یخ به صورت ناهمگن دارند، به طور غیرمستقیم بر فرایندهای خردفیزیکی ابر نیز تأثیر می گذارند. پیچیدگی سازوکار مربوطه موجب شده تا بررسی آ نها در خلال توفان های تندری از اهمّیّت بیشتری برخوردار شود. در مطالعه حاضر، اثر هواویزها بر ویژگی های ابر در مناطق غرب و جنوب غرب ایران در طی رخدادهای توفان تندریِ سال های 2000 تا 2014 بررسی شده است. در این راستا، داده های اندازه گیری شده کسر ابر، ضخامت نوری ابر یخی، فشار و دمای قلّه ابر و عمق نوری هواویزها (AOD) از سنجنده MODIS برای دو منطقه متفاوت اقلیمی R1 و R2 برای بازه مطالعاتی 15 ساله استخراج شد. از سال 2000 تا 2003 از داده های ماهواره Terra و از سال 2003 تا 2014 از داده های ماهواره Aqua استفاده شده است. منطقه R1 به دلیل موقعیت جغرافیایی آن و نزدیکی به بیابان های کشورهای همسایه تحت تأثیر توفان های گردوخاک قرار می گیرد. منطقه R2 ساحلی بوده و بیابان های کشورهای حاشیه خلیج فارس و نیز تراکم کشتی ها سبب ایجاد منابع گوناکون هواویز در این منطقه می شود. نتایج حاصل از این مطالعه نشان داد که افزایش هواویزها، کسر ابر را در هر دو منطقه افزایش می دهند (با ضرایب همبستگی به ترتیب برابر 35/0 و 39/0)، اما بسته به نوع هواویزها، اثرات متفاوتی بر ضخامت نوری ابر یخی و ارتفاع قلّه ابر دارند. همبستگی مثبت (54/0) بین AOD و ضخامت نوری ابر یخی در منطقه R1 و همبستگی منفی (25/0-) بین AOD و ضخامت نوری ابر یخی در R2 وجود دارد. همچنین، بین AOD و ارتفاع قلّه ابر در هر دو منطقه به ترتیب همبستگی مثبت 54/0 و 32/0 به دست آمد

با توجه به اهمیت تغییرات کاربری اراضی در آمایش سرزمین و حفاظت اکوسیستم های حیاتی نظیر تالاب ها، هدف از این مطالعه بررسی تغییر کاربری اراضی حوضه آبریز تالاب انزلی مبتنی بر تلفیق الگوریتم نقشه بردار زاویه طیفی (SAM) و جنگل تصادفی (RF) با به کارگیری نمونه های آموزشی متغیر در پلتفرم گوگل ارث انجین (GEE) است. لذا، از تصاویر سنتینل-2 هارمونایز شده در طی سال های 2019-2023 و شش شاخص طیفی به منظور افزایش دقت الگوریتم در طبقه بندی کاربری اراضی استفاده شد. با جمع آوری 500 نقطه زمینی در سال پایه و بر اساس اختلاف زاویه طیفی تصاویر، نمونه های آموزشی جدید در سال های 2021 و 2023 تولید و نقشه های طبقه بندی با استفاده از الگوریتم RF ایجاد شدند. نتایج حاکی از بیشترین تغییرات در طی 5 سال در کاربری های پهنه آب (کاهشی)، تالاب و انسان ساخت (افزایشی) است. نتایج مدل سازی نیز بیانگر دقت بالای 87 درصد برای صحت کلی و کاپا در بازه زمانی در نظر گرفته شده است. از طرفی کاربری پهنه آب با دقت بالای 90 درصد، بیشترین مقدار را برای شاخص های صحت کاربر و تولیدکننده دارد. نتایج اهمیت نسبی نیز بیانگر آن بود که باندهای سبز، آبی، قرمز و شاخص اصلاح شده اختلاف آب نرمال بیشترین تأثیر را در تفکیک کاربری ها و انتقال نمونه های آموزشی داشته اند. ازاین رو مشخص می شود که روش نوین اتخاذشده با توجه به در نظر گرفتن پویایی و خودکارسازی تولید نمونه های آموزشی جدید، قابلیت بالایی در تفکیک پذیری و بهبود دقت طبقه بندی در مناطق تالابی دارد؛ بنابراین این روش برای مطالعات آینده و سایر حوضه های تالابی نیز قابل اتکا است.

لس ها از مهمترین شاخص های تغییرات آب و هوایی کواترنری به شمار می روند و  استان گلستان به عنوان یکی از گسترده ترین پهنه های لسی ایران، حلقه ارتباطی بین لس های آسیای مرکزی و اوراسیا محسوب و در شمال شرق ایران گسترده شده است. در این مطالعه ترکیب ژئوشمیایی لس های استان گلستان (عناصر اصلی) و میزان هوازدگی این لس ها به صورت مقایسه ای در 16  ایستگاه پراکنده در 3 ناحیه اصلی مختلف مورد تجزیه و تحلیل قرار می گیرد. ارزیابی ژئوشیمیایی لس های گلستان نشان می دهد در ترکیب شیمیایی لس های استان گلستان اکسیدهای,SiO2,Al2O3,Fe2O3 CaO، MgO، Na2O و K2O با درصدهای متفاوتی وجود دارد که SiO2 فراوان ترین اکسید است. مقدار SiO2 با افزایش Al2O3 افزایش می یابد که حاکی از حضور فراوان کانی های آلومینوسیلیکاته مانند فلدسپارها و میکاهاست. محاسبه شاخص های هوازدگی لس های گلستان با 5 شاخص مختلف اندازه گیری شده و  نشان می دهد از منطقه  3(شرق و شمال شرقی) به منطقه 1 (غرب) میزان هوازدگی رسوبات بیشتر می شود که می توان آن را به آب وهوای مرطوب تر ناحیه 1 نسبت داد. همچنین این شاخص ها نشان دهنده دگرسانی شیمیایی متوسط در لس های استان گلستان است. ارزیابی تغییرات اکسیدهای اصلی و میزان همبستگی آنها با شاخص های هوازدگی، به صورت مستقیم نشان دهنده رصد تغییرات اقلیمی دیرینه در منطقه است. بررسی های مقایسه ای و تطبیقی در بین شاخص های پنجگانه نشان می دهد در لس های گلستان استفاده از شاخص CPA به عنوان مناسب ترین شاخص پیشنهادی با کمترین خطا قابل توصیه می باشد.

خشک سالی از جمله بلایای طبیعی، علی الخصوص در مناطق خشک و نیمه خشک به شمار می آید. استان خوزستان به سبب دارا بودن موقعیت جغرافیایی استراتژیک و وابستگی شدید به منابع آب، در مقابل خشک سالی به شدت آسیب پذیر است. از این رو در پژوهش حاضر، تجزیه و تحلیل و پیش بینی خشک سالی هواشناسی در استان خوزستان به ترتیب با مدل های هوشمند یادگیری ماشین و باکس جنکینز CEEMD-GPR و CEEMD-SARIMA در طول دوره آماری 30 ساله (2020-1989) مورد بررسی قرار گرفت. جهت ارزیابی شرایط خشک سالی، از شاخص استاندارد بارندگی (SPI) حاصل از داده های هشت ایستگاه سینوپتیک استان خوزستان استفاده شد. در گام بعدی نتایج مدل سازی توسط روش های ذکر شده و با استفاده از شاخص های نیکویی برازش با یکدیگر مقایسه شدند. نتایج حاصله بیانگر این بود که مدل CEEMD-GPR به منظور برآورد شاخص SPI در استان خوزستان از کارایی بسیار بالایی برخوردار است. هم چنین پنجره های زمانی بلندمدت SPI از دقت بالاتری نسبت به پنجره های زمانی کوتاه مدت برخوردار بودند. به عنوان مثال در ایستگاه امیدیه، استفاده از SPI 12 ماهه به جای SPI 1 ماهه موجب کاهش مقادیر RMSE و MAE به ترتیب از 178/0 و 097/0 به 167/0 و 087/0 گردید. علاوه بر این، مقادیر R و NS نیز از 954/0 و 969/0 به 963/0 و 974/0 افزایش یافت. به طور کلی می توان عنوان نمود که مدل CEEMD-GPR قادر است با استفاده از مؤلفه های استخراج شده از تجزیه CEEMD، ساختار دینامیکی پیچیده تری از داده ها را فرا گیرد. بر همین اساس، نتایج این پژوهش نشان می دهد که مدل های ترکیبی مبتنی بر تجزیه CEEMD در کنار یادگیری ماشین، ابزارهایی قدرتمند و با کارایی بالا جهت تحلیل و پیش بینی خشک سالی هواشناسی در اقلیم های خشک و نیمه خشک هستند.