بررسی مقیاس پارامترهای ژئومرفومتری بر پیش بینی پراکنش مکانی عمق برف
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 3، شماره: 6
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 159
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-3-6_006
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
ارتقاء اطلاعات کمی به بهبود پیش بینی پارامتر های برف کمک می کند. تاکنون تعاملات بین اندازهی پیکسل به صورت محدود بررسی شده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیش بینی عمق برف از طریق آزمون تجربی روابط بین مدل های رقومی ارتفاع و پارامترهای موثر در مدل سازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره می باشد. به همین منظور ابتدا با استفاده از روش هایپرکیوب محل ۱۰۰ نقطه مشخص و طی یک عملیات صحرایی داده های عمق برف در نقاط مورد نظر و همچنین در ۱۹۵ نقطه دیگر به صورت سیستماتیک و با نمونه بردار مدل فدرال برداشت گردید.. سپس یک مدل رقومی ارتفاع ۱۰ متری به عنوان مبنا انتخاب گردید و از مدل رقومی ارتفاع مبنا تعداد ۲۵ پارامتر مرفومتری استخراج و به عنوان ورودی شبکهی عصبی انتخاب و با استفاده از آنالیز حساسیت مهم ترین پارامترهای تاثیرگذار در مدل سازی عمق برف مشخص شد. در مرحلهی بعد با استفاده از مدل رقومی ارتفاع مبنا ۹ مدل رقومی ارتفاعی با اندازهی پیکسل متفاوت استخراج گردید. سپس در ادامه پارامترهای موثر در عمق برف با استفاده از ۱۰ مدل رقومی ارتفاع استخراج و بین آن ها و عمق برف نمونه برداری شده یک رابطهی رگرسیونی ایجاد و عمق برف محاسبه گردید. جهت ارزیابی دقت مدل ها از پارامترهای RMSE، NMSE، MSE و MAE استفاده و در نهایت مدل رقومی ارتفاع ۱۵۰ متر با مقادیر به ترتیب ۷۵/۲۴، ۳۵۰/۰، ۹۷۵/۶۱۲ و ۹۷/۱۸ بهترین مدل رقومی ارتفاع جهت مدل سازی عمق برف انتخاب گردید. این مساله می تواند در کاهش هزینه ها و افزایش دقت برآورد عمق برف کمک بسیاری نماید.
کلیدواژه ها:
نویسندگان
مهناز بهرامی
دانشجوی کارشناسی ارشد دانشگاه اردکان
علی فتح زاده
استادیار دانشگاه اردکان
محمدعلی زارع چاهوکی
استادیار دانشگاه اردکان
روح الله تقی زاده مهرجردی
استادیار دانشگاه یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :