این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
دوشنبه 5 آبان 1404
اطلاعات جغرافیایی (سپهر)
، جلد ۲۶، شماره ۱۰۲، صفحات ۶۷-۸۰
عنوان فارسی
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
چکیده فارسی 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.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Retrieval of snow water equivalent for water resources management in Kerman using satellite microwave data by artificial neural networks and multiple regression techniques
چکیده انگلیسی مقاله
Introduction Snow cover represents the amount of stored and the water from melting snow play an important role in the formation of surface water and groundwater in country watersheds. Detection and determination of snow and ice different characteristics by using remote sensing data, which is widely used in hydrology, created new approaches in acquiring needed parameters in Hydrology.Results of research shows that the observations of the guesser have high potential for detection of snowcover and the use of its data is suggested for calculation of water of snow equivalent in the areas such as Kerman Province which faced with the limitation of ground stations. Materials & Methods Since this area is the ability to have snow in winter so the data about water equivalent to snow in this area is necessary for many applications such as hydrology, meteorology, climatology and also producing hydroelectric and flood estimation. In this study, using brightness temperature from the Advanced Microwave Sounding Unit-A (AMSU-A), on board the NOAA satellites and the artificial neural networks as well as multiple regression techniques, the snow water equivalent forthe catchment basins of Tehran in the winter during a 10-year period (2015-2006) has been calculated and verified. In total, data from 5 monitoring stations of snow for 104 days during the study period was used for retrieval and verification. Results & Discussion Based on the results, which we found, the best estimate is relate to the winter of the artificial neural networks to the regression method with RMSE=0/05, MSE=0/11, Bias= 0/0006 and r=0/14.The results indicate the superiority of the artificial neural networks to the regression method. Conclusion This results also show the observations of this sounding has the high potential for indicating the coverage of snow which are useful information and it is suggested to calculate snow water equivalent in the regions like kerman where has limited ground stations of snow measurement.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
یاسر امینی |
دانشجوی کارشناسی ارشد سنجش از دور و gis، دانشگاه هرمزگان
سازمان اصلی تایید شده
: دانشگاه هرمزگان (Hormozgan university)
عباس علیپور |
استادیار جغرافیای سیاسی، دانشگاه امام حسین علیه السلام
سازمان اصلی تایید شده
: دانشگاه جامع امام حسین (Imam hosseyn university)
سید مصطفی هاشمی | seyed mostafa
دانشجوی دکتری تخصصی جغرافیای سیاسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایران
سازمان اصلی تایید شده
: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)
سجاد باقری |
دکترای ژئومورفولوژی، دانشگاه تهران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
نشانی اینترنتی
http://www.sepehr.org/article_27457_40ab8f82d58fe1c207ecd597c2778d9f.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/589/article-589-433125.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات