برآورد آب معادل برف در استان کرمان جهت مدیریت منابع آب با استفاده از داده های سنجش از دور مایکروویو غیر فعال به روش شبکه های عصبی مصنوعی و تکنیک های رگرسیون چندگانه
نویسندگان
چکیده مقاله:
پوشش برف معرف میزان آب ذخیرهشده است و درنتیجه آب حاصل از ذوب برف نقش مهمی را درایجاد روانابهای سطحی و آبهای زیرزمینی در حوضههای آبریز کشور ایفا میکند. آشکارسازی و تعیین ویژگیهای مختلف برف و یخ با استفاده از دادههای سنجشازدور، که در هیدرولوژی کاربرد وسیعی دارد، روش نوینی را در به دست آوردن پارامترهای مورد نیاز هیدرولوژی پدید آورده است. در این تحقیق با استفاده از دمای روشنایی واحد گمانهزن مایکروویو پیشرفته A (AMSU-A)، روی ماهوارههای NOAA، و الگوریتمهای مختلف بازیابی (رگرسیون، شبکههای عصبی مصنوعی و...) آب معادل برف در حوضههای آبریز استان کرمان در فصل زمستان طی یک دوره 10 ساله (2015-2006) محاسبه و صحتسنجی شده است. به دلیل عدم همزمانی اخذ دادههای ایستگاهی و گذر ماهواره، طی دوره مورد مطالعه، درمجموع اطلاعات دیدهبانی شده برای 104 روز از پنج ایستگاه برف سنجی که تقریباً با اطلاعات مایکروویو ماهوارهای همزمان بودهاند از منطقه تحت بررسی گردآوریشده است. براساس نتایج به دست آمده، روش شبکههای عصبی مصنوعی با مقادیر شاخصهای خطا (11/0=MSE و05/0=RMSE) و حجم آب معادل برف (459270000 مترمکعب) و پوشش برف 83/10 درصد روزانه برای 104 روز انتخابی، برآورد بهتری نسبت به روش رگرسیون چندگانه با مقادیر شاخصهای (51/7=MSE و 74/2=RMSE) و حجم آب معادل برف (530347500 مترمکعب) و الگوریتم بازیابی آب معادل برفِ سنجندهیAMSU-A با برآوردهای مقادیر شاخصهای خطا (66/90=MSE و 52/9=RMSE) و حجم آب معادل برف (338985000 مترمکعب) داشت. این نتایج همچنین نشان میدهند که مشاهدات این گمانهزن پتانسیل بالایی را برای آشکارسازی پوشش برف دارد و استفاده از اطلاعات آن برای محاسبه آب معادل برف در مناطقی نظیر استان کرمان که با محدودیت ایستگاههای زمینی برف سنجی مواجه است پیشنهاد میشود. ازآنجاییکه این منطقه قابلیت ریزش برف را در فصل زمستان دارا میباشد بنابراین اطلاعات درباره آب معادل برف در این منطقه برای بسیاری از کاربردهای هیدرولوژی، هواشناسی، اقلیمشناسی و همچنین تولید برقآبی و پیشبینی سیلاب ضروری است.
منابع مشابه
برآورد آب معادل برف با استفاده از داده های مایکروویو غیر فعال
ریزش جوی به صورت برف برای تغذیه ی منابع سطحی و زیرزمینی کشورها می تواند منبعی پایدار و ثابت محسوب شود به ویژه این که در فصول خشک نیز مورد استفاده می باشد. کشور ایران به علت موقعیت خاص جغرافیایی و ناهمواری های بسیار پراکنده و تأثیر دیگر عوامل از جمله جبهه-های آب و هوایی، از مناطق خشک جهان به شمار می رود. با توجه به کوهستانی بودن کشور در ارتفاعات بارندگی عموماً به صورت برف نازل می شود. در این راست...
15 صفحه اولارزیابی عملکرد مدل های شبکه عصبی مصنوعی و رگرسیون چندگانه در سنجش کربن آلی محلول در آب
چکیده زمینه و هدف: اندازه گیری و پایش کربن آلی در محیط های آبی یکی از شاخص های مهم کیفی در پروژه های مدیریت محیط زیست، پایش کیفی منابع آب و تامین آب شرب است. در این تحقیق، عملکرد مدل شبکه عصبی مصنوعی و مدل رگرسیون غیر خطی چندگانه با هدف سنجش پارامتر کربن آلی در منابع آب با حداکثر ضریب همبستگی محتمل و حداقل تعداد پارامترهای ورودی، مورد مطالعه و بهینه سازی قرار...
متن کاملبرآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی
زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...
متن کاملارزیابی پتروفیزیکی مخزن هیدروکربوری با استفاده از داده های چاه نگاری و تکنیک شبکه عصبی مصنوعی
متن کامل
پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی
توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن...
متن کاملبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دستهبندیشده
بار رسوب جریان، شاخص مفیدی در پیشبینی فرسایش خاک در حوزههای آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب میتواند در مدیریت و اجرای پروژههای آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دستهبندی دادهها بهعنوان راهکاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانههای خلیفهترخان و چهلگزی در حوضۀ قشلاق...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 26 شماره 102
صفحات 67- 80
تاریخ انتشار 2017-08-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023