این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۷، شماره ۱۳، صفحات ۱۴۹-۱۳۸
عنوان فارسی تهیه نقشه رقومی آب معادل برف با استفاده از پارامترهای ژئومرفومتری و روش شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز سخوید)
چکیده فارسی مقاله اگرچه بخش کوچکی از سطح کره زمین را مناطق کوهستانی در بر می‌گیرد، اما همین مقدار اندک در چشم‌انداز هیدرولوژیکی حوزه‌های آبخیز تأثیر شگرفی دارد. با توجه به این که در مناطق خشک و نیمه خشک ایران، بحران آب مقوله‌ای جدی است، پایش مقادیر برف باریده شده در بخش‌های کوهستانی این مناطق بسیار حائز اهمیت است. معمولاً دست­یابی به توزیع مکانی آب معادل برف از راه اطلاعات مشاهده‌ای و در مقیاسی محدود، صورت می‌گیرد، این در حالی است که به دلیل محدودیت‌های میدانی و صعب العبور بودن مناطق کوهستانی، جمع‌آوری اطلاعات به ویژه در حوزه‌های بزرگ، دشوار و گاهی غیر‌ممکن است. بدین ترتیب، توسعه روش‌هایی که بتواند آب معادل برف را در نقاط فاقد اندازه‌گیری برآورد نماید و نیز بررسی دامنه کاربرد آن‌ها، امری ضروری است. در این پژوهش محدوده‌ای به مساحت 16 هکتار در منطقه سخوید یزد انتخاب و با استفاده از نمونه‌بردار مدل مونت- رز در 216 نقطه، داده آب معادل برف اندازه‌گیری شد. سپس به کمک 31 پارامتر ژئومورفومتری حوزه، به ارزیابی کارآیی روش شبکه عصبی مصنوعی در برآورد توزیع مکانی آب معادل برف پرداخته شد و بدین ترتیب، نقشهرقومی آب معادل برف تهیه گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی با ضریب تعیین 83/0 و مجذور میانگین مربعات خطا برابر با 55/3 قادر به پیش‌بینی آب معادل برف است. همچنین نتایج آنالیز حساسیت شبکه عصبی مصنوعی نشان داد که از بین پارامترهای به کار رفته در پیش‌بینی آب معادل برف، پارامترهای مقطع طولی انحناء، مقطع عرضی انحناء، انحناء، اثرباد، شیب، شاخص همواری قله، شیب حوزه و شاخص همواری دره، جزء مؤثرترین عوامل در پیش­بینی آب معادل برف هستند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Digital Mapping of Snow Water Equivalent using an Artificial Neural Network and Geomorphometric Parameters (Case study: Sakhvid watershed, Yazd)
چکیده انگلیسی مقاله Although a small portion of the Earth's surface is covered by the mountains, but it has a large impact on watershed hydrological perspective Because of the water crisis in arid and semi-arid regions of Iran, monitoring of the amount of snow in these areas is very important. Usually, access to the spatial distribution of snow water equivalent is limited to small scale using sampled data. However, due to the limitations of the mountainous, snow sampling of area is difficult and sometimes impossible in the large basins. Thus, the development of methods in order to estimate snow water equivalent at the un-sampled locations is essential. In this research, an area of 16 ha area in Yazd province was selected and snow water equivalent was measured at 216 points using a Mt. Rose snow sampler. Then the application of artificial neural network method was evaluated using 31 geomorphometric parameters and the digital map of snow water equivalent was obtained. The results showed that the artificial neural network can estimate the snow water equivalent by a R2=0.83 and RMSE= 3.55.The results of the sensitivity analysis are also showed that among the ANN parameters used in the prediction of snow water equivalent, Plan Curvature, Profile Curvature, Curvature, Wind Effect, Slope, Multiresolution ridge top flatness index (MRRTF), Catchment slope and Multi resolution index of valley bottom flatness (MRIVBF) are the effective parameters to predict snow water equivalent, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیه ابدام |


علی فتح زاده |


روح الله تقی زاده مهرجردی |


جواد محجوبی |


نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-133&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-251536.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات