توسعه مدل‌های واریوگرام به دست آمده از مجموعه-داده‌های ماهواره‌ای خانواده PERSIANN و TRMM 3B43 V. 7 در استان فارس

محورهای موضوعی : برگرفته از پایان نامه

محمود رضا شقاقیان ¹ , کیوان خجند ² , زهرا قدم پور ³ , تورج سبزواری ⁴

1 - گروه عمران، دانشکده مهندسی، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
2 - گروه مهندسی عمران , دانشکده مهندسی , دانشگاه آزاد اسلامی واحد استهبان , استهبان , ایران
3 - گروه عمران، دانشکده مهندسی، واحد استهبان، دانشگاه آزاد اسلامی، استهبان، ایران
4 - گروه عمران، دانشکدی مهندسی، دانشگاه ازاد اسلامی واحد استهبان، استهبان، ایران

تاریخ دریافت : 1402/02/11 تاریخ پذیرش : 1402/11/25 تاریخ انتشار : 1402/11/25

کلید واژه: واریوگرام, مجموعه-داده‌های ماهوراره‌ای, مدل گوسی, حذف روند,

چکیده مقاله :

داده‌های بارندگی معمولا یکی از اجزا جدایی ناپذیر مدل‌های هیدرولوژی می‌باشند. مدل‌های مکانی از جمله مدل‌های هیدرولوژیکی می‌باشند که نیاز به شناخت توزیع مکانی بارندگی دارند. با توجه به هزینه و عدم دسترسی به آمار پایش باران در نقاط مختلف، مجموعه-داده‌های مبتنی بر اندازه‌گیری‌های ماهواره‌ای می‌تواند در این راستا بسیار موثر باشد. در این تحقیق، 4 مجموعه‌-داده‌ ماهواره‌ای (PERSIANN، PERSIANN-CDR، PERSIANN-CCS و TRMM 3B43 V. 7) برای به دست آوردن تغییرنگاشت میانگین بارندگی سالیانه در استان فارس با هم مقایسه گردیده‌اند. برای ارزیابی آنها، از مقادیر مشاهداتی در 23 ایستگاه پایش زمینی در منطقه مورد مطالعه استفاده شده است. علاوه بر عدم تطابق مقادیر مجموعه-داده‌های به دست آمده از داده‌های ماهواره‌ای با مشاهدات ایستگاه‌های پایش زمینی، مشاهده گردید که این مجموعه داده‌ها از ناایستایی رنج می‌برند و ناهمسانگرد می‌باشند. در این تحقیق برای رفع این مشکل، از حذف روند با محنی‌های درجه 1 یا درجه 2 برای ایستا و همسانگرد نموده مجموعه‌-داده‌های مبتنی بر داده‌های ماهواره‌ای استفاده گردید. پس از حذف روند از مجموعه‌-داده‌ها، دو مجموعه-داده تهیه شده از داده‌های اولیه مبتنی بر PERSIANN-CCS و TRMM 3B43 V. 7 دارای خصوصیت ایستایی قابل قبول بوده و همسانگرد می‌باشند. از میان مدل‌های مختلف تغیرنگاشت تئوری نیز، مدل گوسی به عنوان مدل منتخب برای بیان تغییرنگاشت مجموعه-داده‌های ماهواره‌ای انتخاب گردید.

چکیده انگلیسی:

Precipitation data is an essential component of hydrological models, particularly spatial models that require knowledge of the rainfall's spatial distribution. However, obtaining ground-based observations in various regions can be costly and challenging. As a result, satellite-derived datasets are becoming increasingly useful. In this study, four satellite-derived datasets (PERSIANN, PERSIANN-CDR, PERSIANN -CCS, and TRMM 3B43 V.7) were compared to determine the average annual precipitation variogram in Fars Province. Ground-based observations from 23 stations in the area were utilized to assess the datasets. It was noted that there were inconsistencies between the satellite-derived and ground-based datasets, and all satellite-derived datasets were non-stationary and anisotropic. To address these issues, linear or quadratic curves were removed from the initial satellite-derived datasets. After this trend removal, the datasets prepared from the PERSIANN -CCS and TRMM 3B43 V.7 products were isotropic and sufficiently stationary. Finally, the Gaussian model was used to express the variogram of the selected datasets.