آنالیز مکانی- زمانی دقت داده های ماهوارهای TRMM برای برآورد شدت خشکسالی مبتنی بر بارش در محدوده ایران مرکزی
Publish place: Physical Geography Research، Vol: 50، Issue: 1
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 195
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-50-1_005
تاریخ نمایه سازی: 25 مهر 1400
Abstract:
بیشتر سیستمهای ارزیابی خشکسالی عمدتا بر مبنای دادههای بارش استوارند. تحقیق حاضر، با هدف آنالیز مکانی و زمانی دقت دادههای باران ماهواره TRMM در محدوده ایران مرکزی برای تهیه نقشه توزیع مکانی خشکسالی مبتنی بر بارش در طی دوره آماری ۲۰۰۱ ۲۰۰۵ انجام شده است. در این پژوهش، از دادههای بارش ماهانه ۵۰ ایستگاه سینوپتیک و سری دادههای ماهانه TRMM-۳B۴۳ V۷ با مقیاس مکانی ۰.۲۵°×۰.۲۵° استفاده شده است. پس از پردازش اولیه، نخست دادههای ماهوارهای و دادههای مشاهدهای باران در سه مقیاس زمانی ماهانه، فصلی، و سالانه مقایسه تطبیقی شد. پس از حصول اطمینان از دقت بالای این دادهها، نقشه شدت خشکسالی مبتنی بر بارش با استفاده از دادههای ماهوارهای بهدست آمد. ارزیابی دقت نقشه توزیع مکانی خشکسالی مبتنی بر دادههای بارش ماهوارهای بر اساس مقایسه با نقشه توزیع مکانی خشکسالی مبتنی بر دادههای بارش زمینی و دادههای رطوبت خاک انجام گرفته است. نتایج بررسی معیارهای ارزیابی نشان داد که شدت خشکسالی برآوردشده به وسیله دادههای TRMM در انطباق با نقشه شدت خشکسالی حاصل از دادههای بارش و دادههای رطوبت زمینی از بیشترین ضریب همبستگی بهترتیب ۹۴/۰ و ۷۱/۰ و همچنین کمترین خطای برآوردی بهویژه در کلاسهای شدت خشکسالی ملایم، متوسط، و شدید برخوردار بوده است.
Keywords:
Authors
یعقوب نیازی
دانش آموخته دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد
علی طالبی
استاد گروه آبخیزداری دانشکده منابع طبیعی، دانشگاه یزد
محمد حسین مختاری
استادیار گروه مدیریت مناطق خشک و بیابانی دانشکده منابع طبیعی، دانشگاه یزد
مجید وظیفه دوست
استادیار گروه مهندسی آب دانشگاه گیلان
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 :