بازیابی بخارآب نزدیک به سطح جو با دقت و توان تفکیک مکانی ارتقایافته ازطریق تلفیق داده های چندسنجنده ای و مشاهدات زمینی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 41

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-17-1_004

تاریخ نمایه سازی: 1 تیر 1404

چکیده مقاله:

سابقه و هدف: بخارآب موجود در جو پارامتری محوری در مدل سازی تعادل انرژی در سطح زمین است و در متعادل نگاه داشتن دمای جو کره زمین نقش مهمی دارد. بازیابی این پارامتر، به منزله تاثیرگذارترین عامل جوی در رادیانس دریافتی سنجنده، از اهمیت بسزایی برخوردار است. ازآنجاکه محتوای بخارآب جو در لایه نزدیک به سطح بیشتر و تغییرات زمانی و مکانی آن شدیدتر است، اندازه گیری ایستگاه های هواشناسی زمینی به رغم دقت بالا، به دلیل محدودیت های زمانی و مکانی و اندازه گیری نقطه ای، قابلیت تعمیم پذیری ندارند. ازاین رو ارائه روش های ماهواره محور کاربردی به منظور بازیابی دقیق و مداوم آن، با توزیع مکانی مناسب ضروری به نظر می رسد. هدف این تحقیق بیان چهار روش نوآورانه و دقیق برای برآورد نسبت اختلاط بخارآب نزدیک به سطح جو استان اصفهان در سال ۱۳۹۹، با توان تفکیک ۱ کیلومتر، ازطریق تلفیق داده های ایستگاه های هواشناسی، داده های سنجنده و درنهایت، اعتبارسنجی و مقایسه عملکرد آنهاست. بدین منظور تصحیح خطای اریبی داده های بخارآب سنجنده طی مرحله هم مقیاس سازی و تصحیح خطای درون یابی مشاهدات ایستگاه های زمینی در دستورکار قرار گرفت. مواد و روش ها: سنجنده های گوناگون قابلیت اندازه گیری بخارآب، با توان تفکیک های مکانی و حساسیت های متفاوت به این پارامتر را دارند. ازاین رو مطرح کردن روش هایی، مبتنی بر استفاده و تلفیق هم زمان داده های سنجنده ها و مشاهدات ایستگاه های زمینی، به منظور ارتقای هم زمان توان تفکیک مکانی (یک کیلومتر) و دقت بازیابی بخارآب نزدیک به سطح جو ضروری است. در نخستین روش به کاررفته در این تحقیق، با استفاده از باندهای جذب و غیرجذب بخارآب سنجنده مادیس (MODIS) طی روش نسبت باندی و با استفاده از مشاهدات زمینی، بخارآب نزدیک به سطح بازیابی می شود. در روش دوم، ابتدا مشاهدات بخارآب نزدیک به سطح ایستگاه های زمینی، با روش درون یابی معکوس فاصله، به داده های بخارآب سطحی یک کیلومتری تبدیل می شود. سپس طی مراحل روش پیشنهادی و با استفاده از مقادیر نسبت اختلاط بخارآب برآوردشده با روش اول، خطای درون یابی در هر پیکسل حذف می شود. در روش سوم، با تلفیق داده های مادیس طی عملیاتی شبیه مراحل روش دوم، توان تفکیک محصول بخارآب سنجنده AIRS به یک کیلومتر ارتقا داده می شود؛ با این تفاوت که به جای مشاهدات ایستگاه های هواشناسی زمینی، از محصول سنجنده AIRS استفاده می شود. ازآنجاکه محصول نسبت اختلاط بخارآب نزدیک به سطح سنجنده AIRS دارای خطا و اریبی است، ابتدا باید با اعتبارسنجی محصولات این سنجنده، خطای اریبی محصول بخارآب نزدیک به سطح سنجنده AIRS، طی مرحله هم مقیاس سازی، حذف شود. برآورد بخارآب نزدیک به سطح جو با استفاده از محصول بخارآب جو ستونی سنجنده مادیس آخرین روش به کار رفته است. البته به دلیل تفاوت محتوایی، لازم است دو مجموعه داده هم واحد شوند و با روشی معادل سازی شوند. نتایج و بحث: به منظور مدل سازی و اعتبارسنجی برآورد بخارآب نزدیک به سطح جو در توان تفکیک یک کیلومتر با استفاده از چهار روش اشاره شده، ۳/۶۶% داده ها به صورت تصادفی برای آموزش و ۳۳% مابقی برای ارزیابی دقت و اعتبارسنجی نتایج به کار رفته است. درنهایت نیز، نتایج اجرای روش ها با یکدیگر مقایسه شد. در این تحقیق، ضریب تعیین (R۲) و جذر میانگین مربعات خطاها (RMSE) ملاک ارزیابی دقت و عملکرد مدل سازی قرار گرفته اند. نتایج اعتبارسنجی نشان می دهد روش دوم که مبتنی بر استفاده از تعمیم مشاهدات دقیق بخارآب نزدیک به سطح ایستگاه های زمینی و حذف خطای درون یابی آنها، طی تلفیق با مقادیر بخارآب بازیابی شده از سنجنده مادیس ازطریق روش نسبت باندی است، بهترین عملکرد (R۲=۰.۵۵، RMSE=۱.۰۵ Gr/Kr) را در تخمین بخارآب نزدیک به سطح جو را دارد. نتیجه گیری: روش دوم، با توجه به عملکرد بهتر در بازیابی نسبت اختلاط بخارآب نزدیک به سطح جو با دقت بالا و توان تفکیک یک کیلومتر و با هدف استفاده از قابلیت محصولات و داده های ماهواره محور، تلفیق آنها با یکدیگر و همچنین با مشاهدات زمینی، توصیه می شود.

کلیدواژه ها:

نویسندگان

محمدرضا طالاری

گروه مهندسی نقشه برداری، گرایش سنجش از دور، دانشکده عمران و حمل ونقل، دانشگاه اصفهان، اصفهان، ایران

مینا مرادی زاده

گروه مهندسی نقشه برداری، گرایش سنجش از دور، دانشکده عمران و حمل ونقل، دانشگاه اصفهان، اصفهان، 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 :
  • Alizadeh Rabiee, H., ۲۰۱۷, Remote Sensing (Principles and Application), Samt ...
  • Bevis, M., Businger, S., Herring, T.A., Rocken, C., Anthes, R.A. ...
  • Campos-Ariaa, P., Esquivel-Hernández, G., Valverde-Calderón, J.F., Valverde Calderón, S., Moya-Zamora, ...
  • Caselles ,V. & Sobrino, J., ۱۹۸۹, Determination of Frosts in ...
  • Colman, R., ۲۰۰۳, A Comparison of Climate Feedbacks in General ...
  • De Haan, S., Barlag, S., Baltink, H.K., Debie, F. & ...
  • Epeloa J. & Meza, A., ۲۰۱۸, Total Column Water Vapor ...
  • Fragkos, K., Antonescu, B., Giles, D.M., Ene, D., Boldeanu, M., ...
  • French, A., Norman, J. & Anderson, M., ۲۰۰۳, A Simple ...
  • Gong, S., Chen, W., Zhang, C., Wu, P. & Han, ...
  • Güldner, J. & Spänkuch, D., ۲۰۰۱, Remote Sensing of the ...
  • Julien, Y., Sobrino, J., Mattar, C. & Jiménez-Muñoz, J.C., ۲۰۱۵, ...
  • Kaufman, Y.J. & Gao, B.C., ۱۹۹۲, Remote Sensing of Water ...
  • Kern, A., Bartholy, J., Borbás, E.E., Barcza, Z., Pongrácz, R. ...
  • Khaniani, A.S., Nikraftar, Z. & Zakeri, S., ۲۰۲۰, Evaluation of ...
  • Khouni, I., Louhichi, G. & Ghrabi, A., ۲۰۱۸, Use of ...
  • Li, X. & Long, D., ۲۰۲۰, An Improvement in Accuracy ...
  • Moradizadeh, M., Momeni, M. & Saradjian, M.R., ۲۰۱۴, Estimation and ...
  • Peters, G., ۲۰۰۱, Ground Based Remote Profiling of the Atmosphere: ...
  • Rockström, M., Gordon, L., Folke, C., Falkenmark, M. & Engwall, ...
  • Román, R., Antón, M., Cachorro, V.E., Loyola, D., Ortiz de ...
  • Schrijver, H., Gloudemans, A., Frankenberg, C. & Aben, I., ۲۰۰۹, ...
  • Sheil, D., ۲۰۱۸, Forests, Atmospheric Water and an Uncertain Future: ...
  • Sobrino, J., ۲۰۰۳, Zonas metropolitanas de México en ۲۰۰۰: Conformación ...
  • Sobrino, J., El Kharraz, J. & Li, J.L., ۲۰۰۳, Surface ...
  • Stum, J., Sicard, P., Carrere, L. & Lambin, J., ۲۰۱۱, ...
  • Wan, Z., Zhang, Y., Zhang, Q. & Li, Z.L., ۲۰۰۲, ...
  • Wolfe, D.E. & Gutman, S.I., ۲۰۰۰, Developing an Operational, Surface-Based, ...
  • Xu, J. & Liu, Z., ۲۰۲۱, The First Validation of ...
  • Zhao, Y. & Zhou, T., ۲۰۲۰, Asian Water Tower Evinced ...
  • نمایش کامل مراجع