پایش خشکسالی مبتنی بر داده های سنجش از دور شهر تهران بر اساس SPI ناپارامتریک
محل انتشار: فصلنامه مدیریت آب و آبیاری، دوره: 14، شماره: 4
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 65
فایل این مقاله در 20 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_JWIM-14-4_011
تاریخ نمایه سازی: 20 اسفند 1403
چکیده مقاله:
امروزه پدیده خشک سالی یک رخداد مخاطرهآمیز در مناطق مختلف جهان از جمله ایران به شمار میرود. مدیریت این پدیده، لزوم پایش خشک سالی و استفاده از ابزارهای سنجش از دور را به منظور تعیین شدت و زمان خشک سالی ایجاب میکند. در مطالعه حاضر، خشک سالی محدوده مطالعاتی شهر تهران براساس داده های بارش مشاهداتی و سنجش از دور تعیین گردیده است. در این راستا، تولیدات بارش ماهواره TRMM در بازه سالهای ۱۹۹۸ تا ۲۰۱۹ با استفاده از ابزار کدنویسی در Google Earth Engine استخراج شد. سپس خشک سالی منطقه براساس شاخص استاندارد شده بارش (SPI) ناپارامتریک و داده های بارش مشاهداتی و سنجش از دور برای مقیاسهای زمانی سه، شش و ۱۲ ماهه پایش گردید. در این زمینه، ارتباط میان بارش ماهوارهای و مشاهداتی با استفاده از روش بوت استرپ محاسبه و تحلیل شد. سپس، با استفاده از دو معیار RMSE و NS خطای برآورد بارش و خشک سالی محاسبه شده براساس تولیدات ماهواره TRMM تعیین گردید. نتایج اعتبارسنجی نشان دادند SPI محاسباتی براساس داده های بارش TRMM در مقیاس ششماهه دارای خطای کم تری میباشد. با توجه به یافته ها، مقادیر RMSE و NS در برآورد خشک سالی ششماهه به ترتیب برابر ۸۷۳/۰ و ۰۲۸/۰ است. بهعلاوه، بهمنظور بررسی دقیقتر محصولات بارش ماهواره TRMM و داده های بارش اندازهگیری شده، با استفاده از روشهای آماری اسپیرمن، کندال، دو رشته ای نقطه ای و پیرسن، همبستگی میان خشک سالی زمینی و ماهوارهای در مقیاسهای مختلف برآورد شد. نتایج نشان دادند با افزایش مقیاس زمانی تخمین خشک سالی هواشناسی، همبستگی بین داده های ماهوارهای و زمینی افزایش مییابد.
کلیدواژه ها:
نویسندگان
آرزو آریایی
دانشکده مهندسی عمران، واحد غرب تهران، دانشگاه آزاد اسلامی، تهران، ایران.
احمد شرافتی
دانشکده مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، 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 :