تخمین مکانی بارش مبتنی بر خصوصیات مکانی و مدل PRISM در حوضه سفیدرود بزرگ

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 165

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-16-4_018

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

تخمین دقیق توزیع مکانی بارش در بسیاری از فرآیندهای برنامه ریزی و مدیریت بهره برداری از منابع آب و فعالیت های کشاورزی، نقش کلیدی ایفا می کند. در این تحقیق، به منظور تخمین ماهانه بارش با دقت مطلوب مکانی، مدلی بر پایه چهارچوب PRISM مبتنی بر الگوی ارتفاعی و سایر خصوصیات مکانی، توسعه داده شد و در حوضه آبریز سفیدرود و در بازه زمانی سال آبی ۱۳۷۹ الی ۱۳۹۴ پیاده سازی شد. در گام اول نتایج حاصل از این روش در مقیاس ماهانه با روش بهبود یافته معکوس فاصله وزندار۲ مقایسه شد. با توجه به درجه آزادی های موجود در هر دو روش، پارامترهای این دو روش ابتدا در مقیاس زمانی سالانه با استفاده از الگوریتم ژنتیک بهینه یابی شده و از مجموعه پارامترهای بدست آمده به منظور تخمین عملکرد آماری مدل ماهانه از طریق اعتبار سنجی۳ متقابل استفاده شد. بر اساس نتایج ماهانه محاسبه شده، هر دو مدل در تخمین مقدار بارش در محل ایستگاه ها، عملکردی نزدیک داشتند. اما علیرغم این عملکرد تقریبا یکسان، توزیع مکانی بارش محاسبه شده توسط روش مبتنی بر PRISM از انطباق بهتری نسبت به الگوی توپوگرافی و شواهد موجود برخوردار است. در گام بعدی عملکرد این مدل در تخمین میانگین بارش ماهانه با روش کریجینگ معمولی مقایسه شد، نتایج مدل توسعه داده شده در ماه های پربارش و روش کریجینگ در ماه های خشک مطلوب تر ارزیابی می شود. . با توجه به حجم اندک بارش های تابستانه، PRISM ابزار مناسب تری نسبت به کریجینگ به منظور درورن یابی مکانی بارش شناخته شد.

کلیدواژه ها:

درون یابی مکانی بارش ، الگوریتم ژنتیک ، معکوس فاصله وزن دار ، حوضه آبریز سفیدرود ، کریجینگ

نویسندگان

امید زندی

دانشجوی کارشناسی ارشد دانشگاه تهران

بنفشه زهرایی

دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران

محسن ناصری

استادیار دانشکده مهندسی عمران دانشگاه تهران

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 :
  • Abedini MJ and Nasseri M (۲۰۰۸) Inverse distance weighted revisited. ...
  • Karamouz M, Fallahi M and Nazif S (۲۰۱۰) Analysis of ...
  • نمایش کامل مراجع