عنوان پایان‌نامه
برآورد رواناب حاصل از برف با ستفاده از تصاویر نوری و مایکرویو در حوضه آبریز
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6145;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65905
- تاریخ دفاع
- ۱۵ شهریور ۱۳۹۳
- دانشجو
- نیما فیاض
- استاد راهنما
- شهاب عراقی نژاد
- چکیده
- تخمین دقیق مقدار رواناب از اهمیت بسزایی در برنامه‌ریزی و مدیریت منابع آب برخوردار است. بخش قابل توجهی از میزان رواناب سالانه در حوضه‌‌های آبریز ناشی از رواناب حاصل از از ذوب برف می‌باشد. از این رو مدلسازی و پیش‌بینی رواناب حاصل از ذوب برف از اهمیت بسزایی در مدیرت منابع آب برخوردار است. در این پایان‌نامه، با استفاده از تولیدات هشت روزه سنجده مادیس (MOD10A2) مساحت پوشیده از برف در بازه زمانی سال 2000 تا 2012 مورد بررسی قرار گرفته و با استفاده از مدل رواناب برف (SRM) و شبکه عصبی مصنوعی (ANN)، مقدار رواناب حاصل از ذوب برف در حوضه آبریز کارون در غرب ایران شبیه‌سازی و پیش‌بینی گردید. همچنین با استفاده از ابزار تجزیه مقادیر منفرد (SVD)، مقدار سطح پوشش برف اصلاح شده و به عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شد و نتایج پیش‌بینی در مقایسه با حالتی که از تمامی سطح پوشش برف استفاده گردید، مورد بررسی قرار گرفت. عملکرد مدل‌‌ها توسط آماره‌های ریشه میانگین مربعات خطا (RMSE)، درصد خطای حجمی (VE%) و ضریب تبیین (R2) مورد بررسی قرار گرفته‌اند. بررسی تغییرات سطح پوشش برف با استفاده از تست من- کندال نشان می‌دهد که در طی سال‌های 2000 تا 2012 در اکثر پیکسل‌های قرار گرفته در منطقه مورد مطالعه روند خاصی مشاهده نمی‌شود. نتایج حاصل از مدل SRM نشان‌دهنده عملکرد مناسب این مدل در شبیه‌سازی رواناب حاصل از ذوب برف می‌باشد. استفاده از مدل شبکه عصبی مصنوعی نشان می‌دهد که این مدل از عملکرد بالایی در پیش‌بینی میزان رواناب حاصل از ذوب برف برخوردار می‌باشد. همچنین نتایج نشان می‌دهند که استفاده از روش تجزیه مقادیر منفرد در اصلاح میزان پوشش برف حوضه، سبب بهبود تخمین میزان رواناب می‌گردد.
- Abstract
- Accurate streamflow forecast is of great significance in water resources planning and management. A major proportion of the annual discharge in basins is the result of runoff from snowmelt. Hence, modeling and estimating snowmelt runoff is of significant importance in water resources management. In this study, using MODIS 8- day snow products (MOD10A2), snow cover area is analyzed during 2000 to 2012 and snowmelt runoff is predicted in Karoun basin located in western part of Iran utilizing snowmelt runoff modeling (SRM) and artificial neural network (ANN). In addition, using the method of Singular Value Decomposition (SVD), the snow cover area is modified considered as the input of ANN and the results are compared to the case when all snow cover is used through the ANN for snow melt runoff prediction. The Root Mean Square Error (RMSE), Volume Error (VE) and coefficient of determination (R2) are employed to evaluate the accuracy of the models. According to Mann-Kendal trend test, the analyses reveals that during the years 2000 to 2012 majority of the pixels in the study area have no considerable trend. The results of SRM show that this model has a high performance in simulating the snowmelt runoff. The results also illustrate that ANN performs well to estimate the snowmelt runoff. In addition, utilization of the modified snow coverage obtained by SVD improves the prediction of streamflow.
