Evaluation of ARIMA, Random Forest, and Cubic Spline Models in Predicting the VCI Index in Basra Province, Iraq

یکی از مهمترین چالشهای اساسی که بشر با آن روبرو است تغییر اقلیم و عواقب حاصل از آن مانند خشکسالی می باشد. شاخص های متعددی را برای پایش خشکسالی بکار گرفته اند که از آن جمله می توان به شاخص شرایط پوشش گیاهی (VCI) اشاره کرد. مساله اساسی در این راستا عدم توجه به دقت روش های مورد استفاده در پیش بینی تغییرات آتی شاخص در زمان می باشد. از اینرو هدف پژوهش حاضر ضمن بررسی روند تغییرات شاخص شرایط پوشش گیاهی (VCI) در استان بصره عراق برای بازه زمانی 2005 تا 2022 ، مقایسه سه روش اساسی در پیش بینی شامل تحلیل سری زمانی مبتنی بر آریما، اسپلاین مکعبی و الگوریم جنگل تصادفی در یادگیری ماشین بود. داده های مربوط به شاخص مورد پژوهش از سامانه گوگل ارث انجین استخراج شد و برای تجزیه و تحلیل داده ها از محیط نرم افزاری R و Spss و ArcGis استفاده شد. یافته های پژوهش نشان دادند که روند عمومی شاخص شرایط پوشش گیاهی (VCI) در استان بصره روندی کاهشی بوده و این شاخص کاهش چشمگیری را در سطح استان بصره علی الخصوص در مناطق جنوب شرقی این استان داشته است. همچنین نتایج این پژوهش نشان داد که داده های پیش بینی شده با داده های اندازه گیری شده از سنجده مادیس برای سال 2023 تفاوت معنا داری را دارد. نتیجه کلی پژوهش کارائی نسبی روشهای پیش بینی در شاخص های نظیر شرایط پوشش گیاهی (VCI) است.