CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارزیابی آماری داده های بارش GPCC، GPCP، CMAP و NCEP-NCAR با داده های مشاهده ای در استان های البرز، قزوین، زنجان، کردستان و همدان

عنوان مقاله: ارزیابی آماری داده های بارش GPCC، GPCP، CMAP و NCEP-NCAR با داده های مشاهده ای در استان های البرز، قزوین، زنجان، کردستان و همدان
شناسه ملی مقاله: JR_IDJ-13-6_029
منتشر شده در در سال 1398
مشخصات نویسندگان مقاله:

مژگان احمدی - دانشجوی دوره دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
عباس کاویانی - استادیار گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران
پیمان دانشکار آراسته - دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران
زهره فرجی - دانشجوی دوره دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

خلاصه مقاله:
بارش از جمله مهم ترین عواملی است که در تخمین بسیاری از پارامترهای هیدرولوژیکی در سطح حوزه آبریز مورد استفاده قرار می-گیرد. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راه های برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش به ارزیابی داده های بارش مدل GPCC، GPCP، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق بارش GPCP،GPCC ، CMAPو NCEP-NCAR نتایج خوبی را داشتند و از میان آنها GPCP و GPCC نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین وزنی ایستگاه های منطقه مورد مطالعه در پیکسل ۳ در سال ۲۰۰۳ ضریب تبیین (R۲)، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر ۹۶/۰، ۹۴/۰، ۱۳/۳، ۳۰/۵ و ۵۸/۶ میلیمتر بر ماه به دست آمد.

کلمات کلیدی:
بارش, سنجش از دور, آزمون های آماری, میان یابی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1211236/