آمار
| تعداد نشریات | 41 |
| تعداد شماره‌ها | 1,163 |
| تعداد مقالات | 14,274 |
| تعداد مشاهده مقاله | 49,658,999 |
| تعداد دریافت فایل اصل مقاله | 12,991,841 |
استفاده از روش کم ترین مربعات در ایجاد مدل رقومی بارش (DPM) | ||
| نشریه علمی جغرافیا و برنامه ریزی | ||
| مقاله 8، دوره 20، شماره 56، مرداد 1395، صفحه 127-148 اصل مقاله (1.68 MB) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| نویسندگان | ||
محمدحسین رضائی‌مقدم   1؛ خلیل ولیزاده کامران 2؛ مهدی بلواسی* 3؛ حسین خیری استیار* 4؛ صیاد اصغری سرسکانرود 5
| ||
| 1گروه ژئومورفولوژی دانشگاه تبریز | ||
| 2گروه سنجش از دور و GIS دانشگاه تبریز | ||
| 3سنجش از دور و GIS دانشگاه تبریز | ||
| 4گروه ریاضی کاربردی دانشگاه تبریز | ||
| 5گروه ژئومورفولوژی، دانشگاه ارومیه | ||
| چکیده | ||
یکی از مراحل اصلی در مطالعات منابع آب برآورد توزیع مکانی بارندگی در مقیاس‌های زمانی متفاوت می‌باشد. مطالعه بارش بهعنوان یک عنصر بسیار مهم و رکن اساسی در مطالعات بیلان آب و اساس برنامه‌ریزی‌های منابع طبیعی هر کشوری شناخته می‌شود. بهدلیل کمبود ایستگاه‌های باران‌سنجی و نقطه‌ای بودن این ایستگاه‌ها، استفاده از مدلی که علاوه بر مقادیر بارش ایستگاه‌ها از عوامل دیگری همچون توپوگرافی، رطوبت و جهت‌شیب، بارش را درون‌یابی کند، ضروری است. لذا در این پژوهش داده‌های بارش و رطوبت از 9 ایستگاه همدید و 31 ایستگاه باران‌سنجی استان لرستان بهمدت 12 سال آماری اخذ و با استفاده از روش کمترین مربعات روابط میان بارش با توپوگرافی و رطوبت به کمک نرم‌افزار Maple استخراج گردید؛ و سپس با اعمال این روابط در محیط GIS بهکمک زبان برنامه‌نویسی پایتون مدل رقومی بارش ایجاد شد. نتایج حاصل از این مدل حاکی از آن بود که میزان بارش از 02/0 تا 6/11 میلی‌متر با مقدار اندازه‌گیری‌شده در ایستگاه‌ها اختلاف دارد. همچنین برای سنجش کارایی این مدل، داده‌های بارش در سوم اردیبهشت رادار TRMM[1] را با خروجی این مدل در همین روز مقایسه شد و این نتیجه بهدست آمد که ضریب تعیین برای داده‌های رادار TRMM، 79 درصد و برای مدل رقومی بارش 86 درصد می‌باشد. [1]- Tropical Rainfall Measuring Mission | ||
| کلیدواژه‌ها | ||
| درون‌یابی بارش؛ روش کم ترین مربعات؛ استان لرستان؛ مدل رقومی بارش | ||
| مراجع | ||
|
ـ بابلیان، اسماعیل (1376)، «آنالیز عددی1»، انتشارات دانشگاه پیام نور، تهران. ـ ترابیآزاد، مسعود؛ سیهسرانی، امیر؛ افتخاری، امیر (1389)، «آموزش جامع تحلیل‌گر زمین‌آمار»، انتشارات سازمان جغرافیایی نیروهای مسلح، تهران. ـ ج‍ان ف‍رون‍د، ران‍ل‍د وال‍پ‍ول (1378)، «آمار ریاضی»، ت‍رج‍م‍ه: ع‍ل‍ی ع‍م‍ی‍دی و م‍ح‍م‍دق‍اس‍م وح‍ی‍دی‌اص‍ل، انتشارات مرکز نشر دانشگاهی، تهران. ـ ج‍رج‌‌ب‍ی. ت‍وم‍اس، راس‌‌ال. ف‍ی‍ن‍ی (1385)، «ح‍س‍اب دی‍ف‍ران‍س‍ی‍ل و ان‍ت‍گ‍رال و ه‍ن‍دس‍ه ت‍ح‍ل‍ی‍ل‍ی»، ت‍رج‍م‍ه علیاکبر ع‍ال‍م‌زاده و داریوش ب‍ه‍م‍ردی، نشر پژوهش، تهران. ـ حجازی‌زاده، زهرا؛ علیجانی، بهلول؛ ضیاییان، پرویز؛ کریمی، مصطفی؛ رفعتی، سمیه (1391)، «ارزیابی بارش ماهواره‌ای 43B3 و مقایسه آن با مقادیر حاصل از تکنیگ درون‌یابی کریجینگ»، سنجش از دور و GIS ایران، سال چهارم، شماره 3، صص 64 -49. ـ دین‌پژوه، یعقوب و همکاران (1382)، «انتخاب متغیرها بهمنظور پهنهبندی اقلیم بارش ایران با روشهای چندمتغیره»، مجله علوم کشاورزی ایران، جلد34، شماره 4، صص809-823. ـ رسولی، علیاکبر (1390)، «مقدمه‌ای بر هواشناسی و اقلیم‌شناسی ماهواره‌ای»، تبریز، انتشارات دانشگاه تبریز. ـ رسولی، علیاکبر و حاجی میررحیمی، سیدمحمود (1386)، «ارزیابی بارش‌های سیل‌آسا با استفاده از تصاویر ماهواره‌ای و رادار هواشناسی TRMM»، دومین همایش مقابله با سوانح طبیعی، تهران. ـ قهرودی تالی، منیژه (1384)، «سیستم‌های اطلاعات جغرافیایی در محیط سه بعدی»، انتشارات جهاد دانشگاهی دانشگاه تریبت معلم، تهران. ـ مهرشاهی، داریوش؛ خسروی، یونس (1389)، «ارزیابی روشهای میانیابی کریجینگ و رگرسیون خطی بر پایة مدل ارتفاعی رقومی جهت تعیین توزیع مکانی بارش سالانه (مطالعه موردی استان اصفهان)»، برنامهریزیوآمایشفضا، دوره چهاردهم، شماره 4، صص 249 -234. ـ یاراحمدی، داریوش؛ عزیزی، قاسم (1386)، «تحلیل چندمتغیره ارتباط میزان بارش فصلی ایران و شاخص‌های اقلیمی»، پژوهش‌های جغرافیایی، شماره62، صص 161-174. -Berndt, C., Rabiei, E., & Haberlandt, U. (2014), “Geostatistical merging of rain gauge and radar data for high temporal resolutions and various station density scenarios”, Journal of Hydrology, Vol.508, pp88-101.
-Christine, L., John, D., & Scott, V. (1998), “Mapping monthly precipitation, temperature and solar radiation for Ireland with polynomial regression and a digital elevation model”, Climate Research, Vol.10, pp35-49.
-Kummerow, C., & Coauthors (2000), “The Status of the Tropical Rainfall Measuring Mission (TRMM) after Two Years in Orbit”, J. Appl. Meteor, No. 39, pp1965–1982.
-Piazza, A.D., Loconti, F., Noto, L.V. & La Loggia, G. (2011), “Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily Italy”, International Journal of Applied Earth Observation and Geoinformation, Vol.13 No.3, pp396-408.
-Sarann, L., Catherine, C., & Aurore, D. (2013), “Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale”, Biotechnol Agron Soc Environ, Vol. 17, No. 2, pp 392-406.
-Sun, R., Zhang, B., Tan, J. (2008), “A Multivariate regression Model for predicting precipitation in the Daqing Mountain”, Research and Development, Vol. 28 No. 3/4, pp318-325.
-Tobler, W.R. (2009), “A computer movie simulating urban growth in the Detroit region. Source: Economic Geography”, Vol. 46, Supplement: Proceedings, International Geographical Union, Commission on Quantitative Methods, pp. 234-240 Published by: ClarkUniversity.
-Wait, R. (1997), “The Numerical Solution of Algebraic Equations”, John Willy & Sons Ltd.
-Wang, Y., Jones, W. L., Park, J. & J. Zec, (2001), “Quantitative Rain Rate Estimates over Oceans using Quick SCAT, Oceanology Americas”, NASA Oceanography Scientific Conference, April 3-4, Miami, FL, pp 322-331.
-Zhilin, L., Christopher Z., & Chris G., (2005), “Digital Terrain Modeling Principles and Methodology”, CRC Press, 324 pages Corporate Blvd, Boca Raton, Florida. | ||
|
آمار تعداد مشاهده مقاله: 8,732 تعداد دریافت فایل اصل مقاله: 2,521 |
||
