ارزیابی داده های باران ماهواره TRMM در مناطق خشک و نیمه خشک ایران
Publish place: First National Conference on Climatology of Iran
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,339
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COLIMACONF01_130
تاریخ نمایه سازی: 11 شهریور 1392
Abstract:
بیشتر مناطق ایران دارای اقلیم خشک و نیمه خشک میباشند. آگاهی از مقدار و تغییرات زمانی باران در هر منطقه میتواند برای برنامهریزی و مدیریت منابع آب سطحی بسیار مفید باشد. در دهه اخیر، استفاده از داده های سنجش از دور در مدیریت منابع آب و پایش خشکسالیها، مورد توجه بسیاری از محققان بوده است. تحقیق حاضر، با هدف ارزیابی میزان دقت دادههای باران ماهواره TRMM در مناطق خشک و نیمه خشک ایران در مقیاس ماهانه انجام شده است. ابتدا سری دادههای ماهانه TRMM-3B43 از سایت ناسا دانلود شد و پس از پردازش اولیه، مقایسه تطبیقی بین دادههای ماهوارهای و داده های مشاهدهای باران در 21 ایستگاه سینوپتیک واقع در منطقه اقلیمی خشک و نیمه خشک ایران طی دوره آماری 2009-1998 انجام شد. برای ارزیابی داده های ماهوارهای از معیارهای خطا (MAE, ME, R و RMSE) و شاخص های مطابقت (CST, SR, FAR, POD و TSS) استفاده شد. نتایج ارزیابی نشان داد که ماهواره TRMM مقادیر بارندگی ماهانه را در 80 درصد از ایستگاههای سینوپتیک، بیشتر از مقدار واقعی برآورد می کند ولی ضرایب همبستگی بالایی در بیشتر ماههای سال بین دو منبع اطلاعاتی وجود داشته و متوسط ضریب همبستگی حدود 0/8 می باشد. داده های ماهانه TRMM باید کالیبراسیون (واسنجی) شوند تا قابل استفاده برای کارشناسان و محققان باشد. ارائه ضرایب تصحیح در تحقیقات آینده برای منطقه مورد مطالعه توصیه می شود.
Keywords:
Authors
مهدی عرفانیان
استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
سیما کاظم پور
دانشجوی کارشناسی ارشد رشته آبخیزداری دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
حسن حیدری
استادیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه ارومیه، ارومیه، 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 :