ارزیابی دادههای بارندگی حاصل از ماهواره TRMM، مدل MM5 و مشاهدات زمینی به صورت مکانی-زمانی در مناطق خشک و نیمهخشک کوهستانی
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 323
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEH-6-3_009
تاریخ نمایه سازی: 24 فروردین 1400
Abstract:
در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالشهای مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازهگیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیتهای عملیاتی دشوار است. بدین علت در تحقیق حاضر بهمنظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق دادهها، سه نوع مختلف از تولیدات بارندگی شامل دادههای ماهوارهای (TRMM3B42)، دادههای حاصل از مدل پیشبینی عددی جوّی (MM5) و اندازهگیریهای زمینی (نقشههای حاصل از روش زمینآمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سالهای 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. دادهها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعفهای روش زمینآمار نبودن اطلاعات کافی در ارتفاعات بالای (1500) متر منطقه است. همچنین دقت تصاویر ماهوارهای در فصلهای گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار 7/1 RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار 02/14 RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهوارهای TRMM در مناطق پوشیده از یخ را نشان میدهد. در اعتبارسنجی مدل MM5 بیشترین و کمترین مقدار RMSE به ترتیب 64/6 و 05/1 به دست آمد. علاوه بر این مدل MM5 تا حدود زیادی در شبیهسازی مقادیر بارندگی سالانه بیشبرآورد داشت. نتایج تحلیلهای مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM5 در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهوارهای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را بهخوبی نشان دادند.
Keywords:
Authors
نگار سیابی
دانشگاه فردوسی مشهد
سید حسین ثنایی نژاد
دانشگاه فردوسی مشهد
بیژن قهرمان
دانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :