ریزمقیاس سازی داده های بارش ماهواره TRMM به کمک داده های NDVI، مدل رقوم ارتفاعی و دمای سطح زمین با استفاده از مدل های یادگیری رگرسیونی

تعیین الگوی مکانی بارش در یک حوزه آبخیز، اهمیت فراوانی برای محاسبه کمیت هایی مانند دبی رواناب یا میزان رطوبت خاک دارد. محدودیت تعداد ایستگاه های هواشناسی و همچنین، تغییرپذیری مکانی بارش، مانعی در برابر تخمین مکانی دقیق بارش هستند. توسعه فناوری سنجش از دور و امکان استفاده از محصولات بارش تولید شده به وسیله سنجنده های ماهواره، مسیر دستیابی به الگوهای دقیق مکانی بارش را هموار کرده است. بزرگ مقیاس بودن مکانی نتایج محصولات بارش ماهواره ای، لزوم توسعه روش های ریزمقیاس سازی را برجسته می کند. در این پژوهش، داده­ های بارش TRMM با استفاده از شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، میانگین دمای روزانه، شبانه و اختلاف دمای شبانه روز در سطح زمین، مختصات و ارتفاع مرکز پیکسل ها برای رسیدن به تفکیک مکانی بالاتر، با جعبه ابزار یادگیری رگرسیونی در محیط نرم افزار MATLAB، برای ۱۹ مدل در سال های ۲۰۰۱ الی ۲۰۱۷ ریزمقیاس سازی شده است. این مدل ها به پنج دسته کلی رگرسیون خطی، درخت تصمیم، بردار پشتیبان، مدل های ترکیبی و مدل های گاوسی تقسیم می شود. از بین این ۱۹ مدل، مدل مربوط به دسته مدل های ترکیبی در همه سال ها دارای جذر میانگین مربعات خطای کمتر و ضریب همبستگی بیشتری بودند. همچنین، برای واسنجی کردن نتایج ریزمقیاس سازی، از دو روش فاصله اصلاح جغرافیایی و نسبت اصلاح جغرافیایی استفاده شد که روش فاصله اصلاح جغرافیایی در همه مدل ها دارای خطای کمتری بود. 

Keywords:

استان فارس , الگوی مکانی بارش , ایستگاه هواشناسی , فاصله اصلاح جغرافیایی , MODIS