به گزارش خبرگزاری مهر، پژوهش محققان دانشکده جغرافیا دانشگاه تهران نشان می‌دهد که با وجود اینکه تا سال ۲۰۳۰ الگوهای داغ تشدیدشونده و نوسانی، در تمامی بخش‌های دریاچه ارومیه و در تمامی فصول غالب خواهند بود، دریاچه تا سال ۲۰۳۰ به طور کامل خشک نخواهد شد.
دکتر میثم ارگانی، عضو هیأت علمی دانشکده جغرافیا و سرپرست این گروه تحقیقاتی با بیان این نکته گفت: «شدت و گستردگی فضاییِ خشکی در بخش‌های جنوبی دریاچه بیش از بخش‌های شمالی خواهد بود؛ به طوری که آب در قسمت‌هایی از بخش‌های شمالی به طور دائم وجود خواهد داشت. بخش‌های شرقی دریاچه، خشکی شدیدتر و گسترده‌تری را نسبت به بخش‌های غربی تجربه خواهند کرد. همچنین بر شدت و گستردگی خشکی در بخش‌های پیرامونی، میانی و مرکزی دریاچه افزوده خواهد شد، اما میزان این افزایش در بخش‌های پیرامونی و میانی بسیار بیشتر خواهد بود.»
وی درباره نتیجه ارزیابی تغییرات دریاچه بر مبنای فصول سال گفت: «شرایط دریاچه در فصل زمستان هم از نظر شدت و هم از نظر گستردگی خشکی بسیار بهتر از سایر فصول خواهد بود؛ به طوری که نسبت به زمستان‌های گذشته تغییر چندانی نخواهد داشت. بعد از زمستان، شرایط دریاچه در فصل بهار بهتر خواهد بود، هر چند شدت و گستردگی خشکی نسبت به گذشته در همین فصل بیشتر خواهد بود. دریاچه در تابستان و پاییز شرایط بسیار بدتری را نسبت به فصول دیگر هم از نظر شدت و هم از نظر گستردگی خشکی خواهد داشت و وضعیت پاییز بدتر از تابستان خواهد بود.»
دکتر ارگانی درباره تصاویر ماهواره‌ای مورد استفاده در این مطالعه توضیح داد: «تصاویر ماهواره‌ای سنجنده‌های TM و ETM ماهواره لندست از زمستان ۲۰۰۷ تا پاییز ۲۰۲۲ با استفاده از Google Earth Engine جمع‌آوری شد. این پایگاه داده دربردارنده ۶۴ تصویر شامل ۱۶ تصویر به ازای هر فصل است.»
استاد دانشگاه تهران درباره مدل‌های به کار رفته در این پژوهش اظهار داشت: «ارزیابی صحت عملکرد مدل‌ها نشان از برتری مدل Forest-based forecast در هر دو شاخص Forecast RMSE و Validation RMSE دارد. این موضوع با نظریه این مدل در ارتباط با تغییرات دریاچه ارومیه مطابقت دارد. به این معنی که مدل Forest-based forecast برای پیش‌بینی روند تغییرات پدیده‌هایی مانند دریاچه ارومیه مناسب است که در گذشته از روند تغییرات مشخصی پیروی نکرده و تغییرات فصلی نامنظمی دارند.»
عضو هیأت علمی دانشکده جغرافیا همچنین افزود: «ما از مدل Space-time cube برای مدل‌سازی روند تغییرات در ابعاد زمانی و مکانی در گذشته و مدل‌های پیش‌بینی Curve fit forecast، Exponential smoothing forecast و Forest-based forecast برای پیش‌بینی مکانی-زمانی تغییرات در آینده استفاده کردیم. خروجی مدل‌های پیش‌بینی نیز به صورت مدل‌های Space- time cubeاست که به منظور استخراج الگوهای تغییرات مکانی-زمانی از مدل Emerging hotspot analysis استفاده شد. به منظور ارزیابی صحت عملکرد مدل‌ها نیز دو شاخص Forecast RMSE و Validation RMSE به کار رفت که شاخص اول میزان مطابقت هر سری زمانی با منحنی برازش شده و شاخص دوم دقت پیش‌بینی را ارزیابی می‌کند.»
عضو هیأت علمی گروه سنجش از دور و GIS دانشکده جغرافیا در پایان تأکید کرد: «عمده مطالعات مرتبط با کاهش شدید آب دریاچه ارومیه به پیامدهای ناشی از کاهش آب، بررسی عوامل مؤثر و احیا و مدیریت آب معطوف بوده و پیش‌بینی روند تغییرات مکانی و زمانی دریاچه در آینده، به‌رغم اهمیت بسیار زیاد آن، مورد توجه قرار نگرفته است. در حالی که شناخت روند آتی دریاچه‌ها برای تدوین برنامه‌های مدیریت منابع آب پایدار و کاهش پیامدهای نامطلوب آن ضروری است.»
جزئیات مربوط به روش‌کار و نتایج این تحقیق در مقاله‌ای با عنوان Spatiotemporal forecasting of water change trends in Urmia Lake through to 2030, using STC-based models در تازه‌ترین شماره نشریه Hydrological Science Journal منتشر شده است (اینجا ببینید).