مهدی مهبد؛ سعیده صفری؛ محمد رفیع رفیعی
چکیده
تعیین الگوی مکانی بارش در یک حوزه آبخیز، اهمیت فراوانی برای محاسبه کمیتهایی مانند دبی رواناب یا میزان رطوبت خاک دارد. محدودیت تعداد ایستگاههای هواشناسی و همچنین، تغییرپذیری مکانی بارش، مانعی در برابر تخمین مکانی دقیق بارش هستند. توسعه فناوری سنجش از دور و امکان استفاده از محصولات بارش تولید شده بهوسیله سنجندههای ماهواره، ...
بیشتر
تعیین الگوی مکانی بارش در یک حوزه آبخیز، اهمیت فراوانی برای محاسبه کمیتهایی مانند دبی رواناب یا میزان رطوبت خاک دارد. محدودیت تعداد ایستگاههای هواشناسی و همچنین، تغییرپذیری مکانی بارش، مانعی در برابر تخمین مکانی دقیق بارش هستند. توسعه فناوری سنجش از دور و امکان استفاده از محصولات بارش تولید شده بهوسیله سنجندههای ماهواره، مسیر دستیابی به الگوهای دقیق مکانی بارش را هموار کرده است. بزرگ مقیاس بودن مکانی نتایج محصولات بارش ماهوارهای، لزوم توسعه روشهای ریزمقیاسسازی را برجسته میکند. در این پژوهش، دادههای بارش TRMM با استفاده از شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، میانگین دمای روزانه، شبانه و اختلاف دمای شبانهروز در سطح زمین، مختصات و ارتفاع مرکز پیکسلها برای رسیدن به تفکیک مکانی بالاتر، با جعبه ابزار یادگیری رگرسیونی در محیط نرمافزار MATLAB، برای 19 مدل در سالهای 2001 الی 2017 ریزمقیاسسازی شده است. این مدلها به پنج دسته کلی رگرسیون خطی، درخت تصمیم، بردار پشتیبان، مدلهای ترکیبی و مدلهای گاوسی تقسیم میشود. از بین این 19 مدل، مدل مربوط به دسته مدلهای ترکیبی در همه سالها دارای جذر میانگین مربعات خطای کمتر و ضریب همبستگی بیشتری بودند. همچنین، برای واسنجی کردن نتایج ریزمقیاسسازی، از دو روش فاصله اصلاح جغرافیایی و نسبت اصلاح جغرافیایی استفاده شد که روش فاصله اصلاح جغرافیایی در همه مدلها دارای خطای کمتری بود.