مقایسه دو مجموعه داده بارش شبکه بندی شده با وضوح بالا در بالادست سد مارون در ایران

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 171

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-50-3_002

تاریخ نمایه سازی: 6 خرداد 1402

چکیده مقاله:

برآورد ماهواره ای بارش مهم و ضروری است چرا که برای جبران اندازه گیری های محدود بارش باران در مناطقی که نظارت مستمر و پیوسته بارش­ها با توجه به پراکندگی شبکه های باران سنجی وجود ندارد، کاربرد دارند. سیستم های برآورد بارش ماهواره ای می توانند اطلاعات را در مناطقی که اطلاعات باران سنجی در دسترس نیست ارائه دهند. لذا بررسی دقت این نوع داده ها از اهمیت بالایی برخوردار است. در این مطالعه از داده های باران دو مجموعه داده بارش ماهواره ای PERSIANN-CDR و PERSIANN-CCS در بالا دست سد مارون (ایستگاه های باران سنجی دهنو، قلعه­رییسی، ایدنک، مارگون) در سال های ۲۰۰۳ تا ۲۰۱۴ استفاده گردید و ارزیابی در مقیاس های روزانه، ماهانه، فصلی و سالانه انجام گرفت. نتایج نشان می­دهد که بارش سالانه در هر دو مجموعه داده در تمامی ایستگاه ها کم­برآورد می­شوند ولی مدل PERSIANN-CCS نسبت به PERSIANN-CDR تناسب نزدیک تری با داده های مشاهداتی دارد. در برآورد بارش فصلی، نتایج نشان دهنده مناسب تر بودن مدل PERSIANN-CCS در تخمین بارش و تشخیص وقایع بارش نسبت به مدل دیگر می باشد. در برآورد بارش ماهانه و روزانه نتایج نشان دهنده مناسب تر بودن داده های PERSIANN-CDR نسبت به مجموعه داده دیگر می باشد. همچنین با توجه به مقادیر POD (احتمال آشکارسازی) و FAR (شاخص هشدار اشتباه) برآورد شده مشخص گردید که از لحاظ شاخص POD، داده های روزانه بارش مدل PERSIANN-CCS و طبق شاخص FAR داده های بارش روزانه مدل PERSIANN-CDR عملکرد بهتری در آشکارسازی روزهای بارانی و غیر بارانی دارند.

کلیدواژه ها:

نویسندگان

علی گرجی زاده

دانشجوی دکترا، گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز ، اهواز، ایران

علی محمد آخوندعلی

استاد گروه هیدرولوژی و منابع آب دانشگاه شهید چمران اهواز

علی شهبازی

سازمان آب و برق خوزستان، اهواز، ایران

علی مریدی

استادیار دانشکده عمران، آب و محیط زیست دانشگاه شهید بهشتی تهران، تهران، ایران

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 :
  • Abdollahi, B., Hosseini moghari, M., & Ebrahimi, K. (۲۰۱۷). Evaluation ...
  • Ashouri, H., Hsu, K. L., Sorooshian, S., Braithwaite, D. K., ...
  • نمایش کامل مراجع