ارزیابی پهنه های بارشی با استفاده داده های ماهواره TRMM در استان فارس
Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
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_ESRJ-3-3_003
تاریخ نمایه سازی: 21 شهریور 1400
Abstract:
به جهت عدم توانایی ارائه دادههای مکانی بارش با وضوح بالا با استفاده از ایستگاههای باران سنجی و محدودیت در انعکاس تغییرات مکانی بارندگی به طور موثر، به ویژه در مناطقی که در آن توزیع ایستگاههای همدید و بارانسنجی بسیار بالا است؛ لزوم بکارگیری تکنیکهای سنجش از دور از اهمیت بیشتری برخوردار است. در دو دهه اخیر استفاده از دادههای ماهوارهای و تکنیکهای سنجش از دور جهت پژوهشهای آب و هواشناسی رایج شده است. بدین جهت در این پژوهش، به منظور ارزیابی پهنههای بارشی در استان فارس از دادههای ماهواره TRMM، به طور جداگانه برای فصول پاییز، زمستان، بهار و تابستان در بازه زمانی (۱۹۹۸-۲۰۱۲) استفاده شده است؛ سپس با بکارگیری روش میانیابی کریجینگ معمولی و وزندهی معکوس فاصله نقشه پراکنش مکانی و زمانی الگوهای بارشی تهیه گردید و جهت ارزیابی مدلهای درونیابی، از روش ریشه دوم مربع خطا (RMS) و مقدار استاندارد شده آن (RMSS) استفاده شد. یافتههای پژوهش نشان داد بیشینه میانگین سالانه بارش در مناطق باختری و کمینه آن در نواحی جنوب و جنوب خاوری روی میدهد. همچنین تغییرات مکانی قابل توجهی در پهنههای بارشی در محدوده سرزمین پژوهش در مقیاس های فصلی و سالانه بجز در فصل تابستان وجود ندارد، در فصل تابستان کمترین میزان بارش و انحراف معیار رخ میدهد که بر خلاف بارش سالانه از آرایش بارشی باختری- خاوری تبعیت نمیکند و بیشینه بارشی آن مربوط به مناطق جنوب خاوری است؛ نتایج ارزیابی روشهای میانیابی نیز نشان داد روش کریجینگ با میزان خطا سالانه (RMS) ۲۸ در مقابل ۳۰ روش وزندهی معکوس فاصله از میزان خطای کمترین برخوردار است، همچنین کمترین میزان خطا در تابستان و بیشترین در فصل زمستان محاسبه گردید.
Keywords:
Authors
محمود احمدی
استادیار گروه جغرافیای طبیعی، دانشکده علوم زمین، دانشگاه شهید بهشتی
مهدی نارنگی فرد
دانشجوی دکتری آب و هواشناسی، دانشگاه یزد
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 :