امکان سنجی شناسایی سال های خشک با کمک داده های سنجش از دور (مطالعه موردی: استان خراسان رضوی)

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 825

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NACONF01_1145

تاریخ نمایه سازی: 25 خرداد 1393

Abstract:

پایش خشکسالی و پی بردن به الگوی بارش در دوره های خشک در زمان و مکان برای تنظیم برنامه های سازگاری با خشکسالی، امری ضروری است. داده های بارش نقشی کلیدی در پایش خشکسالی ایفا میکنند. اما متأسفانه بدلیل پراکندگی نامناسب ایستگاه ها و کوتاه بودن دوره آماری بسیاری از داده ها، مطالعات منابع آبی و اقلیمی از جمله خشکسالی، در بسیاری از مناطق، با مشکل مواجه شده است. از این رو لازم است منابع داده اقلیمی، که بتوانند به عنوان مکمل یا جایگزین این نقیصه ها را مرتفع سازند، شناسایی شده و پس از ارزیابی، مورد استفاده قرار گیرند. بر همین اساس در این پژوهش برای پایش خشکسالی در استان خراسان رضوی، با کمک داده های 10 ایستگاه سینوپتیک استان، اقدام به ارزیابی داده های ماهانه ماهواره (TRMM) و (3B43) گردید. محاسبات پایش خشکسالی به کمک شاخص بارش استاندارد شده (SPI) و برای مقیاس های زمانی 6،3،1 و 12 ماهه برای دوره آماری 13 ساله (2010-1998 میلادی) انجام پذیرفت. ارزیابی داده های ماهانه ماهواره با کمک شاخص موفقیت بحرانی (CSI) و ضریب تعیین (R2) انجام شد. نتایج نشان داد در مقیاس های زمانی 6 و 12 ماهه، سازگاری بسیار خوبی بین دادههای ماهانه ماهواره و ایستگا ه های زمینی وجود دارد. داده های ماهواره،خشکسالی به وقوع پیوسته سا ل های 2000 و 2008 در استان خراسان رضوی را درست تشخیص دادند. نتایج حاصله حاکی از آن است که داده های ماهواره TRMM توانایی تعیین سال های خشک رخداده در استان خراسان رضوی را دارد.

Authors

هادی غفوریان

دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه فردوسی مشهد

سیدحسین ثنائی نژاد

دانشیار گروه مهندسی آب دانشگاه فردوسی مشهد

کامران داوری

دانشیار گروه مهندسی آب دانشگاه فردوسی مشهد

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 :