عنوان پایان‌نامه
مدل پیش‌بینی و Nowcasting سیلاب با استفاده از ترکیب اطلاعات ماهواره‌های سنجش از دور و ایستگاههای زمینی
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6605;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 71275
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۴
- دانشجو
- رضا بزاز
- استاد راهنما
- شهاب عراقی نژاد
- چکیده
- سیلاب یکی از مهم‌ترین مخاطرات طبیعی آب است که همواره موجب بروز خسارات جانی و مالی شده است. لذا مواجهه با سیلاب به یکی از دغدغه¬های دولت‌مردان تبدیل‌شده است و پیش‌بینی سیلاب یکی از گسترده‌ترین روش¬ها در این زمینه است. استفاده از ترکیب اطلاعات در مطالعات هیدرولوژی موجب افزایش دقت پیش¬بینی در مطالعات اخیر شده است. در این مطالعه برای استفاده ترکیبی از منابع مختلف داده بارش شامل CMORPH، TRMM و ایستگاه¬های زمینی و دستیابی به پیش¬بینی سیلاب و کنون¬بینی دریکی از حوضه‌های شرق ایران، حوضه رودخانه دوغ، از روش تلفیق منابع داده استفاده‌شده است. برای ساخت یک هیدروگراف دقیق رواناب¬های حاصل از داده¬های TRMM و CMORPH با داده¬های ایستگاه¬های زمینی ترکیب‌شده و درنهایت یک هیدروگراف ترکیبی حاصل شد. ترکیب داده¬ها با هدف دستیابی به بهترین پیش¬بینی و با استفاده از وزن دهی به منابع داده صورت گرفت و واسنجی داده¬های بارش با رویکرد بارش-رواناب بوده. برای دستیابی به پیش¬بینی از یک شبکه عصبی مصنوعی استفاده‌شده است. پس از شبیه‌سازی سیلاب با استفاده از بارش پیش‌بینی‌شده صحت پیش¬بینی توسط هریک از منابع داده بررسی شد. مدل ترکیب داده¬ها جهت تعیین مشارکت هریک از منابع داده در ساخت اطلاعات ترکیبی نیز استفاده شد و نتایج، برتری مدل ترکیب داده¬ها و اثرگذاری داده¬های سنجش از دور در تمامی مدل¬های ترکیبی را نشان داد.
- Abstract
- Flood, as more important natural water hazards, caused intense human and financial losses. Thus one of the main concerns of Government agencies is flood confronting and flood forecasting is widely used method for this target. Recently use of multi-source data fusion in to the hydrologic estimation has raised accuracy and precision of forecasting. In this study the technique of multi-source data fusion has been applied to combine information received from different sources including CMORPH, TRMM as well as the recording gage to the calibration real time storm for the purpose of flood forecasting and Nowcasting in Dogh river basin in the eastern part of Iran. The runoff estimating value that driven from CMORPH and TRMM were combined by Field rain data to create strong flood hydrograph and final hydrograph be prepared. Criterion of weighting sources of data in creation final hydrograph is achievement to best forecasted flood in other word remotely sensed data was calibrated with rainfall-runoff scheme. In order to predict rainfall for custom lead time, An Artificial Neural Network (ANN) model was used. By simulating runoff from predicted rainfall, the accuracy of forecasted flood was investigate for each of data sources. A multi-source data fusion scheme was used on data sources to determine amount of intercommunity for each of data sources. The results demonstrate the supremacy of the proposed approach of data fusion and effectiveness of remotely sensed data in flood forecasting application. Key word: Flood Forecasting, Nowcasting, Multi Source Data Fusion, Remote Sensing, TRMM, CMORP
