بررسی داده های بارش ماهواره های GPM و TRMM در مقیاس های روزانه، ماهیانه و فصلی در شهر تهران
Publish place: Remote Sensing and Iran GIS، Vol: 10، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 145
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_GIS-10-2_004
تاریخ نمایه سازی: 9 آبان 1400
Abstract:
بارندگی مهم ترین عاملی است که در چرخه هیدرولوژی، دخالت مستقیم دارد. به دست آوردن اطلاعات دقیق بارش، برای تحلیل پدیده های گوناگون هیدرولوژیکی و تغییرات اقلیمی، امری ضروری است. هدف از این تحقیق بررسی میزان دقت داده های بارش دو ماهواره GPM با محصول IMERG وTRMM با محصول ۳B۴۲، در چهار ایستگاه سینوپتیک شهر تهران در مقیاس روزانه، ماهیانه و فصلی است. در مقایسه تطبیقی بین داده های ماهواره ای و داده های مشاهده ای بارش ضریب همبستگی (R)، میزان انحراف نسبی (Bias)، خطای قدر مطلق میانگین (MAE)، میانگین مربعات خطا (RMSE) به منظور ارزیابی و واسنجی داده ها، و مقادیر احتمال تشخیص (POD) و نسبت هشدار اشتباه (FAR) و شاخص موفقیت (CSI) با هدف راستی آزمایی داده ها، بررسی شد. مقادیر Bias، MAE و RMSE تایید کرد که هر دو محصول ۳B۴۲ و IMERG، در ایستگاه شمیران، کمترین میزان خطا را با داده های مشاهده ای دارند. همچنین، در ارزیابی محصول IMERG با مقادیر بارش ایستگاه شمیران، میزان همبستگی در این ایستگاه در مقیاس روزانه، ماهیانه و فصلی، به ترتیب ۵۷%، ۸۳% و ۸۷% مشخص شد. به طورکلی می توان گفت، با توجه به تکنولوژی برتر IMERG دقت بالایی دارد و ابزار خوبی برای پیش بینی های هیدرولوژیکی است.
Authors
آرش بی همتا
دانشگاه اسلامشهر، دانشگاه آزاد اسلامی
حمید گهرنژاد
استادیار گروه مهندسی عمران، مرکز تحقیقات علوم زیست محیطی، دانشگاه آزاد اسلامی، اسلامشهر
صابر معظمی
استادیار گروه مهندسی عمران، مرکز تحقیقات علوم زیست محیطی، دانشگاه آزاد اسلامی، اسلامشهر
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 :