fa بررسی و پیش‌یابی خشکسالی ایران با استفاده از شاخص های ترکیبی تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-size:16px;"><span style="color:black;"><span style="font-family:b nazanin;">در سال&shy;های اخیر کشور ایران در جنوب غرب آسیا تحت تاثیر خشکسالی قرار گرفته است. هدف از پژوهش حاضر تحلیل و پیش&shy;بینی خشکسالی در ایران می&shy; باشد. برای این کار ابتدا پارامترهای اقلیمی بارش و دما در بازه زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران جمع &shy;آوری شد. برای مدل&shy;سازی، شاخص فازی</span></span> <span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">M.S.S</span></span></span> <span style="color:black;"><span style="font-family:b nazanin;">ابتدا سه شاخص</span></span><strong><span style="color:black;"><span style="font-family:times new roman,serif;"> (</span></span></strong><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">SET, SPI, MCZI</span></span></span><strong><span style="color:black;"><span style="font-family:b nazanin;">) </span></span></strong><span style="color:black;"><span style="font-family:b nazanin;">با استفاده منطق فازی در نرم &shy;افزار </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">Matlab</span></span></span><span style="color:black;"><span style="font-family:b nazanin;"> فازی‌سازی شدند، سپس شاخص‌ها با هم مقایسه و از مدل تصمیم &shy;گیری چند متغیره </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">Topsis</span></span></span><strong><span style="color:black;"><span style="font-family:b nazanin;">،</span></span></strong><span style="color:black;"><span style="font-family:b nazanin;"> برای اولویت سنجی مناطق درگیر با خشکسالی استفاده شد و در نهایت برای پیش‌بینی از مدل شبکه عصبی مصنوعی </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">RBF</span></span></span> <span style="color:black;"><span style="font-family:b nazanin;">بهره گرفته شد. یافته &shy;های پژوهش نشان داد شاخص فازی نوین </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">M.S.S</span></span></span><span style="color:black;"><span style="font-family:b nazanin;"> طبقات خشکسالی، سه شاخص مذکور را با دقت بالا در خود منعکس</span> <span style="font-size:14px;">کرد و دقت مدل </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">M.S.S</span></span></span> <span style="color:black;"><span style="font-family:b nazanin;">با سطح اطمینان بالا مورد تایید قرار گرفت. در سال&shy;های پایش خشکسالی ایستگاه&shy;های جنوبی و جنوب غربی ایران مانند بندرعباس و اهواز با مقادیر درصد فراوانی خشکسالی (30/24 و 47/18) بیش&shy;تر در معرض خشکسالی بودند. در سال&shy;های پیش&shy; بینی شده برای سال&shy;های آتی محدوده خشکسالی به طرف نواحی مرکزی ایران گسترش پیدا می&shy;کند از جمله این ایستگاه&shy;های سمنان و یزد با درصد فراوانی خشکسالی به ترتیب (86/0 و 91/0) براساس شاخص فازی </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">M.S.S</span></span></span> <span style="color:black;"><span style="font-family:b nazanin;">می&shy; باشند.</span></span></span></div> <div style="text-align: justify;">In recent years, Iran in Southwest Asia it has been affected by drought. The purpose of the present study is to analyze and forecast drought in Iran. For this research at first, the precipitation and temperature climatic parameters over a 29 year period (1990- 2018) at 30 stations in Iran Collected. For modeling, the M.S.S fuzzy index, at first uses three indices (SET, SPI, MCZI) using fuzzy logic in Matlab software. Then the indicators are compared and compared with Topsis multivariate decision making model<span dir="RTL">,</span> For Prioritization Drought affected areas were used and finally to forecast the RBF artificial neural network model was used. The Research findings showed that the new M.S.S Index drought class fuzzy index reflected the above three indices with high accuracy and the accuracy of the M.S.S model was confirmed with high confidence. In the drought monitoring years, southern and southwestern stations of Iran such as Bandar Abbas and Ahvaz were more prone to drought (24.30 and 18.47%). In the years to forecast, the drought is expected to extend to the central parts of Iran. Including these stations Semnan and Yazd with drought frequency percent (0.86 and 0.91) are based on M.S.S fuzzy index, respectively.</div> <br> &nbsp; تحلیل آماری, شاخص M.S.S, مدل سازی, خشکسالی, ایران Statistical Analysis, M.S.S Index, Modeling, Drought, Iran 21 36 http://jircsa.ir/browse.php?a_code=A-10-1477-1&slc_lang=fa&sid=1 vahid safarianzengir وحید صفریان زنگیر safaiyan.vahid@gmail.com 10031947532846004567 10031947532846004567 No Mohaghegh Ardabili University, Ardabil, Iran دانشگاه محقق اردبیلیف اردبیل، ایران Batol Zenali بتول زینالی zeynali.b@uma.ac.ir 10031947532846004568 10031947532846004568 Yes Mohaghegh Ardabili University, Ardabil, Iran دانشگاه محقق اردبیلیف اردبیل، ایران