مدل سازی خشکسالی بر پایه شاخص SPI با استفاده از داده های زمینی و ماهواره ای به کمک مدل تلفیقی GPR-CEEMD
عنوان مقاله: مدل سازی خشکسالی بر پایه شاخص SPI با استفاده از داده های زمینی و ماهواره ای به کمک مدل تلفیقی GPR-CEEMD
شناسه ملی مقاله: JR_WATER-11-4_016
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_WATER-11-4_016
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
کیومرث روشنگر - گروه آب دانشکده عمران دانشگاه تبریز
رقیه قاسم پور - گروه آب، دانشکده عمران، دانشگاه تبریز
خلاصه مقاله:
کیومرث روشنگر - گروه آب دانشکده عمران دانشگاه تبریز
رقیه قاسم پور - گروه آب، دانشکده عمران، دانشگاه تبریز
خشکسالی یکی از مشکلات مهمی است که در بخش کشاورزی و منابع آب تاثیرگذار میباشد. امروزه استفاده از تکنیک سنجش از دور به عنوان یک ابزار مفید جهت پایش خشکسالی مورد توجه قرار گرفته است. هدف از این مطالعه پیشبینی زمانی خشکسالی با استفاده از دادههای ایستگاههای زمینی و ماهوارهای محصول TRMM۳B۴۳ بین سالهای ۱۹۹۸-۲۰۱۷ میباشد. در این راستا، ابتدا دادههای بارش به شاخص SPI تبدیل گردید و سپس با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (GPR) بر پایه روش تجزیهی یکپارچه مد تجربی کامل (CEEMD) خشکسالی شهر تبریز مورد بررسی قرار گرفت. مدلهای متفاوتی تعریف گردید و نرخ تاثیر پارامترهای ورودی مختلف بررسی شد. مشاهده گردید که مقادیر بارش حاصل از ماهواره TRMM در مﻘیاس ماهانه دارای همبستگی مطلوبی با مﻘدار بارش حاصل از ایستگاه تبریز بوده و نتایج تحلیل خشکسالی با استفاده از دادههای ماهوارهای تقریبا منطبق بر دادههای ایستگاه زمینی است. نتایج قابلیت و کارایی بالای روش به کار رفته را در تخمین شاخص خشکسالی SPI به خوبی نشان داد و مشاهده شد که تجزیه سری زمانی بر اساس روش تجزیهی یکپارچه مد تجربی کامل منجر به نتایج دقیقتری میگردد. تجزیه دادههای ورودی تقریبا۳۰ تا ۴۰ درصد دقت پیشبینی را افزایش داد. ملاحظه گردید که در پیش بینی خشکسالی، عناصر اقلیمی شامل میانگین دما و رطوبت نسبی ماهانه و همچنین شاخص SPIهای مربوط به ماههای گذشته تاثیرگذار میباشند و با حذف پارامترهای اقلیمی، خطای مدلسازی ۱۵ تا ۲۰ درصد افزایش مییابد. همچنین نتایج آنالیز حساسیت نشان داد که SPIt-۱تاثیرگذارترین پارامتر در مدلسازی است.
کلمات کلیدی: خشکسالی, سنجش از دور, مد تجربی, SPI, GPR
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1264450/