نادیا شهرکی

خشکسالی یکی از مهم ترین مخاطرات طبیعی در ایران است که اثرات گسترده ای بر منابع آب، کشاورزی و اقتصاد کشور دارد. پیچیدگی روابط میان مؤلفه های اقلیمی و هیدرولوژیکی، پیش بینی دقیق این پدیده را به چالشی اساسی تبدیل کرده است. پیش بینی دقیق خشکسالی نقش مهمی در مدیریت بهینه منابع آبی و کاهش خسارات اقتصادی در بخش کشاورزی دارد. در سال های اخیر، فناوری های هوش مصنوعی و یادگیری ماشین به عنوان ابزارهای قدرتمند برای مدلسازی و پیش بینی خشکسالی مطرح شده اند. در این مطالعه، به بررسی روش ها و الگوریتم های مختلف مبتنی بر هوش مصنوعی برای پیش بینی خشکسالی، همراه با ارزیابی عملکرد مدل ها، مزایا و محدودیت های آن ها پرداخته شده است. نتایج این بررسی نشان داد که، الگوریتم های هوش مصنوعی با توانایی شناسایی روابط پیچیده و غیرخطی میان متغیرهای اقلیمی، دقت پیش بینی خشکسالی را به طور قابل توجهی نسبت به روش های آماری سنتی افزایش داده اند. بنابراین، استفاده از این مدل ها می تواند ابزاری کارآمد برای مدیریت منابع آب و برنامه ریزی کشاورزی در مناطق خشک و نیمه خشک کشور باشد.