ارزیابی مدلهای زمین آماری در GIS برای تهیه نقشه فرسایندگی باران در حوزه آبخیز لتیان
Publish place: Geospatial Information Systems Conference (1384)
Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,257
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GIS84_19
تاریخ نمایه سازی: 10 آذر 1384
Abstract:
الگوریتمهای درونیابی ازمتداولترین روشها برای تهیه نقشه ها و اطلاعات مورد نیاز درتحلیل با GIS می باشند دقت نقشه های تهیه شده از طریق درونیابی نقش بسیار مهمی در کیفیت نتایج حاصله دارد. داده های هواشناسی بخصوص بارندگی در بسیاری ازمطالعات مورد استفاده هستند و به علت اندازه گیری نامنظم و پراکنده در نقاط محدود، استفاده از روشهای درونیابی برای تهیه لایه های مورد نیاز از این داده ها ضرورت دارد. با توجه به نقش اساسی این داده ها در بسیاری از مدلها و آنالیزهای مختلف مانند فرسایش خاک و رواناب ، بررسی و تعیین روشهای مناسب برای درون یابی اهمیت زیادی دارد. روشهای متعددی برای درونیابی ارائه شده اند که روشهای چند ضلعی های تسین و بخصوص وزن دهی بر مبنای عکس فاصله (IDW) از جمله روشهای مرسوم می باشند بهر حال این روشها به دلیل در نظر نگرفتن همبستگی بین داده ها و بهینه نبودن اندازه و شکل همسایگی مورد استفاده غالبا از دقت کافی برخوردار نمی باشند. در این تحقیق فواید استفاده از تخمینگرهای زمین آماری مبتنی بر بکارگیری همبستگی بین داده ها (Cokrigging) از نظر افزایش دقت محاسبات در درون یابی داده های بارندگی در حوزه آبخیر لتیان مورد بررسی قرار گرفته است. اطلاعات بارندگی حاصل از درون یابی با استفاده ازمدل رقومی ارتفاع منطقه بعنوان متغیر کمکی، برای تهیه نقشه فرسایندگی باران در مدلسازی فرسایش مورد استفاده قرار گرفته است. مقایسه نتایج حاصل از روشهای Krigging، Spline،IDW و Cokrigging نشان دهنده برتری روش Cokrigging بر مبنای گوسین و امکان کاهش خطای درون ایبی با استفاده از این الگوریتم می باشد.
Keywords:
Authors
سارا شش انگشت
دانشجوی کارشناسی ارشد GIS
عباس علیمحمدی
عضو هیئت علمی گروه GIS
محمدجعفر سلطانی
عضو هیئت علمی پژوهشکده حفاظت خاک و آبخیزداری
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 :