داده های بارش ماهواره ای به صورت گسترده جهت تخمین بارش بخصوص در مناطقی که پراکنش ایستگاه های باران سنجی نامناسب و ناکافی هستند، مورداستفاده قرار می گیرند. بااینوجود، وضوح مکانی کم این نوع داده ها، کاربرد آنها را با محدودیت هایی در مطالعات هیدرولوژیکی حوزه های آب چکیده کامل
داده های بارش ماهواره ای به صورت گسترده جهت تخمین بارش بخصوص در مناطقی که پراکنش ایستگاه های باران سنجی نامناسب و ناکافی هستند، مورداستفاده قرار می گیرند. بااینوجود، وضوح مکانی کم این نوع داده ها، کاربرد آنها را با محدودیت هایی در مطالعات هیدرولوژیکی حوزه های آبریز و در مقیاس منطقه ای مواجه کرده است. بنابراین حفظ دقت برآورد بارش توسط ماهواره ها و دستیابی به مقیاس مکانی مناسب در مطالعات هیدرولوژیک هدف اصلی این مطالعه قرار گرفت. در این تحقیق روش رگرسیون وزنی جغرافیایی (GWR) برای ریز مقیاس نمایی مکانی دادههای بارندگی ماهوارهای تی آر ام ام (TRMM-3B42V7) در سال آبی 90-89 برای حوزه آبریز سد دز واقع در جنوب غرب ایران مورد ارزیابی قرار گرفت. ریزمقیاس نمایی با ایجاد روابط ناایستا بین بارش TRMM و ویژگی های بهدستآمده از مدل ارتفاع رقومی (DEM)، شاخص پوشش گیاهی نرمال شده (NDVI)، شاخص گیاهی بهبود یافته (EVI) و دمای سطح زمین (LST) انجام شد. نتایج نشان می دهند که داده های بارش ریزمقیاس شده در مقیاس مکانی 1 کیلومتر بهطور معنیداری تفکیک مکانی را بهبود داده و با داده های مشاهداتی ایستگاه های باران سنجی از تطابق خوبی برخوردارند. به طوری که برای بارش تجمعی 16 روزه، مقادیر آماره های جذر میانگین مربعات خطا (RMSE) و میانگین مطلق خطا (MAE) به ترتیب برابر با 22.7 و 7.45 میلیمتر هستند. بااینوجود میزان دقت مدل در مکان ها مختلف متفاوت بوده و به شرایط پوشش گیاهی وابستگی زیادی دارد.
پرونده مقاله
One of the most important Limitation General Circulation Models , Large scale are being simulation of climatic variables. So should With Various method are downscaled, The ability to have identified a study area. Choose a suitable GCM model for the study area Very impor چکیده کامل
One of the most important Limitation General Circulation Models , Large scale are being simulation of climatic variables. So should With Various method are downscaled, The ability to have identified a study area. Choose a suitable GCM model for the study area Very important role In the simulation parameter (precipitation) is intended for future. In this research of CMIP5 Models Contains BCC-CSM1.1.M , MPI-ESM-MR and MPI-ESM-LR was used In order to evaluate three models in the baseline period And determine the best model In order to fit into the study area .The first the Historical and Observation data are divided in to two Periodes: the first half (1983-1992) the period baseline and the second half(1994-2003) the period Validation. Index verification Mean absolute error and MAE Skill score Calculate between models and observation data in the evaluation period before and after Downscaling seasonal in Software Matlab For all Pixels Khuzestan Province. Results show that Befor applying the change factor method BCC-CSM1.1.M Model Error was Less than the other two models , and The other two were similar in terms of error rate. After applying change factor, BCC-CSM1.1.M Model the improvement was driven self and MPI-ESM-MR and MPI-ESM-LR models were ranked as second and third suitable models. So most trusted after the downscaling change factor method for the future under the scenario RCP4.5 for Khuzestan Province was assigned to BCC-CSM1.1.M model.
پرونده مقاله
محصولات بارش ماهواره ای، یکی از منابع تخمین بارندگی می باشند. با این وجود، برای استفاده در مناطق محلی، و یا برای پارامترسازی مدل های هواشناسی و هیدرولوژیکی در مقیاس های حوضه ای؛ رزولوشن مکانی آنها اغلب درشت است. بنابراین، در این تحقیق یک روش ریزمقیاس نمایی- کالیبراسیون چکیده کامل
محصولات بارش ماهواره ای، یکی از منابع تخمین بارندگی می باشند. با این وجود، برای استفاده در مناطق محلی، و یا برای پارامترسازی مدل های هواشناسی و هیدرولوژیکی در مقیاس های حوضه ای؛ رزولوشن مکانی آنها اغلب درشت است. بنابراین، در این تحقیق یک روش ریزمقیاس نمایی- کالیبراسیون برای تخمین های ماهواره ای مأموریت اندازه گیری بارش جهانی (GPM؛ رزولوشن مکانی 1/0 درجه) از تاریخ 01/04/2014 تا 31/03/2015 به مدت یک سال، با در نظر گرفتن ناهمگنی مکانی در رابطه بین بارش و متغیرهای محیطی، با استفاده از مدل رگرسیون وزنی جغرافیایی مختلط (MGWR) برای استان گلستان، توسعه داده شد. در دستیابی به داده های بارش بهبود یافته با رزولوشن مکانی یک کیلومتر در مقیاس سالانه، نتایج نشان داد که (1) با روش پیشنهادی نه تنها رزولوشن مکانی بهبود یافت، بلکه دقت نیز افزایش پیدا کرد؛ (2) داده های بارش ریز مقیاس شده و کالیبره شده (CC= 0.74, bias= 0.23) عملکرد بهتری از داده های اصلی (CC= 0.58, bias= 0.35) در برابر مشاهدات زمینی داشتند.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد