استفاده از روش رگرسیون خطی چند متغیره به منظور مدل سازی دمای تراز دو متر از طریق داده های سنجنده مودیس
محل انتشار: مجله فیزیک زمین و فضا، دوره: 50، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 160
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_JESPHYS-50-3_015
تاریخ نمایه سازی: 27 مهر 1403
چکیده مقاله:
دمای هوا در نزدیکی سطح زمین، یکی از متغیرهای تاثیرگذار در مطالعات مختلف اقلیمی، هیدرولوژی و پیش بینی وضع آب وهوا می باشد. هدف اصلی این مطالعه ایجاد مدلی مناسب برای برآورد این پارامتر به کمک داده های LST ماهواره ای است. برای این منظور، با استفاده از روش مدل سازی خطی چند متغیره، مدلی بین LST سنجنده مودیس و دمای تراز دو متر در منطقه گیلان و مازندران ایجاد شد. پارامترهای مورد استفاده در این مدل شامل LST به دست آمده از سنجنده مودیس، شاخص نرمال شده پوشش گیاهی، شیب و انحنا، ساعت و روز از سال می باشند. برای برآورد ضرایب مدل از داده های جمع آوری شده بین سال های ۲۰۰۰ تا ۲۰۱۷ و به منظور ارزیابی مدل از داده های ۲۰۱۸ و ۲۰۱۹ استفاده شد. در هر استان، برای داده های شب و روز، و دو دسته ارتفاعی مختلف، مدل های مجزا برآورد شد. مقایسه مدل استانی با مدل تک ایستگاهی بر حسب آماره های خطا نشان داد که مدل استانی اختلاف کمی با مدل ارائه شده برای هر ایستگاه دارد. نتایج نشان داد که مقادیر RMSE در مدل استانی به طور میانگین در محدوده ۶۰/۲ تا ۱۱/۳ درجه سانتی گراد قرار دارد. ضریب همبستگی دمای تراز دو متر به دست آمده از مدل با مشاهدات واقعی بیشتر از ۹۰ درصد برآورد شد. علاوه بر این، داده های فصل های مختلف جدا شدند و برای هر فصل مدلی مجزا ارائه شد. به طور میانگین بکارگیری مدل فصلی منجر به بهبود برآورد دمای تراز دو متر در استان گیلان و مازندران با RMSE به ترتیب ۷۲/۲ و ۵۵/۲ درجه سانتی گراد شد.
نویسندگان
Mohammad Amin Mohammadi Ahoei
گروه مهندسی نقشه بردای، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران.
Ali Sam-Khaniani
گروه مهندسی نقشه بردای، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، 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 :