عنوان پایان‌نامه
پساواسنجی نقشه‌های ماهواره‌ای بارش مبتنی بر الگوریتم پرشین با استفاده از عوامل فیزیکی مرتبط (مطالعه موردی حوضه دریاچه ارومیه)
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72244;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6692;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72244;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6692
- تاریخ دفاع
- ۲۸ شهریور ۱۳۹۴
- دانشجو
- نوید قاجارنیا
- استاد راهنما
- عبدالمجید لیاقت
- چکیده
- تخمین بارندگی با استفاده از دادههای ماهواره‌ای، یکی از زمینههای جدید در هیدرولوژی است که فضای تحقیقاتی وسیعی را پیش روی محققان باز کرده است. در این رساله، پساواسنجی تخمینهای بارندگی مدل PERSIANN در حوضه دریاچه ارومیه مد نظر قرار گرفته است. برای این منظور از آمار بارندگی و دمای مشاهداتی در ایستگاههای زمینی در کنار تخمینهای بارندگی PERSIANN، دادههای ماهواره‌ای دمای درخشندگی، آب قابل بارش و دمای هوا استفاده شده است. پس از ارزیابی اولیه دادههای فوق، تحلیل خطای تخمینهای بارندگی این مدل در حوضه دریاچه ارومیه صورت گرفت. نتایج این بخش از تحقیق نشان دهنده تاثیرپذیری خطاهای مدل از عواملی همچون فصل بارش، ارتفاع بارش و همچنین ارتفاع منطقه میباشد. بعلاوه اصلیترین یافته این بخش از تحقیق آن است که خطاهای PERSIANN بهتر است در دو بخش مجزای 1) اصلاح تشخیص وقوع یا عدم وقوع بارندگی و 2) پساواسنجی ارتفاع بارندگی صورت پذیرد. در گام بعدی و پس از شناسایی دقیق نوع خطاها و رفتار مدل PERSIANN، ارتقای توانایی PERSIANN در شناسایی وقوع یا عدم وقوع بارندگی مد نظر قرار گرفت. برای این منظور با استفاده از مدل احتمالاتی بیزین و روش کاهش ابعاد تجزیه مقادیر منفرد (SVD)، رخدادهایی که در آنها PERSIANN به تشخیص نادرست وقوع بارش پرداخته است، تشخیص داده میشوند. با استفاده از این روش، چیزی در حدود 30% از وقایع مذکور که در آنها PERSIANN تخمین وقوع بارندگی و آمار مشاهداتی گزارش عدم وقوع بارندگی داشتهاند، مورد شناسایی قرار گرفت. سپس پساواسنجی ارتفاع تخمینهای درست PERSIANN از وقوع بارندگی صورت گرفته و مجددا با استفاده از مدل بیزین و روش SVD، ارتفاع بارندگیهای گزارش شده اصلاح شدند. بر این اساس، هرچند سطح بهبود ایجاد شده در فصول مختلف متفاوت است، ولی به صورت کلی روش پیشنهادی این رساله قادر به بهبود شاخصهای آماری همبستگی، اریبی و خطای RMSE در تخمینهای اولیه PERSIANN بوده است.
- Abstract
- Satellite based precipitation estimation is a new and vast research area in hydrology. In this dissertation, post-calibration of PERSIANN product’s precipitation estimations over Urmia basin is performed. The dataset used in this study consist of local precipitation and temperature gauge data besides PERSIANN, brightness temperature, precipitable water and near surface air temperature satellite data. After initial analysis and quality control of the input datasets, error analysis of PERSIANN outputs is performed over Urmia basin. The results of this section indicate the effectiveness of seasons, rainfall height and geographical elevation upon the error values. Moreover, based on these results it is decided to perform the post calibration separately in two categories as: 1) improving the ability of PERSIANN model in detection of rainfall occurrence and 2) calibration of the estimated precipitation heights. After exact analysis of the PERSIANN error characteristics, improving the ability of PERSIANN in detection of rainfall occurrence is performed using statistical based Bayesian model and singular value decomposition (SVD) method. In this way, about 30% of the PERSIANN false alarms in detection of rainfall occurrence are detected and removed. Then the same method is used to calibrate the rate of estimated precipitations which yield in different results at each season. Totally, the proposed calibration approach resulted in improving the correlation, bias and RMSE error in PERSIANN estimations.
