اعتبارسنجی رادار داپلر در برآورد بارش های شدید روزانه در حوضه آبریز دریاچه ارومیه
Publish place: Journal of Hydrogeomorphology، Vol: 10، Issue: 34
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 200
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-10-34_005
تاریخ نمایه سازی: 23 اردیبهشت 1402
Abstract:
هدف از این تحقیق، بررسی میزان دقت داده های بارش های شدید (بارش های ۲۵ میلی متر به بالا) رادار هواشناسی تبریز در یک دوره ۸ ساله (۲۰۲۱-۲۰۱۴) و مقایسه آن ها با داده های ایستگاهای سینوپتیک در حوضه دریاچه ارومیه می باشد. برای مقایسه و ارزیابی بین داده های ایستگاه های هواشناسی و رادار از آماره هایی نظیر، ضریب همبستگی (R) و مجذور میانگین مربعات خطا (RMSE)،... استفاده شد. مقایسه نقشه های حاصل از رادار داپلر و ایستگاه های سینوپتیک نشان داد که توزیع فضایی بارش حاصل از دو پایگاه داده یکسان نبوده و نواحی کم بارش و پربارش منطبق بر یکدیگر نیستند، به طوری که ضریب همبستگی بین بارش رادار و مشاهده شده ۲۵/۰ می-باشد. همچنین نتایج آزمون کلموگروف- اسمیرنوف نشان داد که با توجه به اینکه p-value حاصل شده (۰۰۰/۰) عددی کوچکتر از مقدار خطای آزمون (۰۵/۰) است، پس اختلاف بین داده های بارش رادار و مشاهدات زمینی معنی دار است. در واقع مقادیر بارش ثبت شده در ایستگاه های زمینی و رادار نتیجه واحدی را ارائه نمی دهند و هر دو جامعه آماری از توزیع یکنواختی برخوردار نیستند بنابراین داده های بارش رادار نمی تواند به جای داده های بارش ایستگاه ها استفاده شود.
Keywords:
حوضه آبریز دریاچه ارومیه , آزمون آماری , بارش شدید , رادار هواشناسی تبریز , حوضه آبریز دریاچه ارومیه
Authors
هاشم رستم زاده
دانشیارگروه آموزشی آب و هواشناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز
میرکامل حسینی
دانشجوی دکتری اقلیم شناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه، تبریز، تبریز، ایران
سعید جهانبخش اصل
استاد گروه اقلیم شناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
محمد امیدفر
رئیس پیش بینی اداره کل هواشناسی استان آذربایجان شرقی، تبریز، ایران
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 :