| مدل‌سازی احتمالاتی و تفسیرپذیر خشکسالی کشاورزی: کشف پارادوکس تاب‌آوری در رژیم‌های تبخیری متضاد |
| کد مقاله : 1239-IWWA |
| نویسندگان |
|
آرمین بحری1، هومن لطیفی *2 1گروه مهندسی فتوگرامتری و سنجش از دور دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی 2گروه مهندسی فتوگرامتری و سنجش از دور
دانشکده مهندسی نقشه برداری
دانشگاه صنعتی خواجه نصیرالدین طوسی |
| چکیده مقاله |
| خشکسالی کشاورزی چالشی جدی برای امنیت غذایی است که پایش آن در اراضی تحت مدیریت متمرکز، نیازمند عبور از روش‌های سنتی و درک روابط پیچیده هیدرواقلیمی می‌باشد. این پژوهش با هدف توسعه یک چارچوب یکپارچه جهت ارزیابی خشکسالی در شالیزارهای استان مازندران، از الگوریتم احتمالاتی NGBoost، هوش مصنوعی تفسیرپذیر (SHAP) و تحلیل روند مکانی-زمانی بهره گرفته است. بدین منظور، متغیرهای اقلیمی و سنجش از دور طی یک دوره ۲۵ ساله (۲۰۰۰ تا ۲۰۲۴) برای سه شهرستان با رژیم‌های رطوبتی متفاوت استخراج و مدل‌سازی شدند. نتایج نشان داد که الگوریتم NGBoost ضمن کمی‌سازی مستقیم عدم‌قطعیت، پویایی شاخص خشکسالی را با دقت بالایی (88/0 R2 >) برآورد می‌نماید. کالبدشکافی مدل توسط روش SHAP اثبات کرد که برخلاف رویکردهای مبتنی بر بارش، تقاضای تبخیری جو (PET) محرک اصلی تنش رطوبتی در این اراضی است. ارزیابی روندهای هموارشده (LOWESS) و شیب سن در پهنه‌های تبخیری، منجر به کشف پارادوکس تاب‌آوری گردید، به گونه‌ای که علی‌رغم افت شدید و معنادار شاخص‌های هواشناسی، شاخص پوشش گیاهی روندی افزایشی و پایدار نشان داد. تحلیل‌های این پژوهش تایید نمود که این تاب‌آوری ظاهری بوم‌سازگان، پیامد مستقیم مکانیسم‌های جبرانی انسان و اتکای شدید به استخراج آب‌های زیرزمینی است. یافته‌های این مطالعه ضرورت گذار از استراتژی‌های یکنواخت مدیریت منابع آب به سمت سیاست‌گذاری‌های مکان‌محور را برای جلوگیری از ورشکستگی آبخوان‌ها برجسته ساخته و چارچوبی تعمیم‌پذیر برای ارزیابی خشکسالی در سایر بوم‌سازگان‌های کشاورزی حساس به اقلیم ارائه می‌دهد. |
| کلیدواژه ها |
| خشکسالی کشاورزی، الگوریتم NGBoost، هوش مصنوعی تفسیرپذیر، پارادوکس تاب‌آوری، سنجش از دور، تقاضای تبخیری جو |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
