حسین امامی؛ علی سلاجقه؛ علیرضا مقدم نیا؛ شهرام خلیقی سیگارودی؛ ابوالحسن فتح آبادی
چکیده
بارش یکی از مهمترین ورودیها در مدلسازی رواناب است. وجود دادههای بارش با دقت زمانی و مکانی مناسب، برای حوزههای آبخیز با ایستگاههای بارانسنجی اندک و پراکنده، بسیار مهم و ضروری است. در حال حاضر ماهوارههای اقلیمی از منابع مهم در برآورد بارش هستند. در این پژوهش، ابتدا کارایی دادههای بارش ماهواره TRMM در سری ...
بیشتر
بارش یکی از مهمترین ورودیها در مدلسازی رواناب است. وجود دادههای بارش با دقت زمانی و مکانی مناسب، برای حوزههای آبخیز با ایستگاههای بارانسنجی اندک و پراکنده، بسیار مهم و ضروری است. در حال حاضر ماهوارههای اقلیمی از منابع مهم در برآورد بارش هستند. در این پژوهش، ابتدا کارایی دادههای بارش ماهواره TRMM در سری زمانی ماهانه حوزه آبخیز چهلچای با استفاده از شاخصهای آماری R2، RMSE، NSE و Bias از طریق مقایسه با دادههای بارش ایستگاههای بارانسنجی (مشاهده شده) مورد ارزیابی قرار گرفت که مقدار این شاخصهای آماری بهترتیب 0.54، 22.70، 0.44 و 14.86- بهدست آمد. با توجه به مقدار ضریب تبیین (R2)، میتوان نتیجه گرفت که ماهواره TRMM توانسته 0.54 بارش مشاهده شده را برآورد کند. در گام بعدی بهمنظور برآورد رواناب ماهانه از سه مدل داده مبنا شامل MLP، ANFIS و SVR استفاده شد. دو نوع ترکیب ورودی به مدلهای داده مبنا شامل: 1) دادههای بارش مشاهده شده در گامهای زمانی t و 1-t و رواناب در گام زمانی 1-t و 2) دادههای بارش ماهوارهای در گامهای زمانی t و 1-t و رواناب در گام زمانی 1-t انتخاب شد. برای مقایسه میزان دقت و خطای مدلها از R2 و RMSE مرحله صحتسنجی استفاده شد که مدل ANFIS با مقدار R2 و RMSE بهترتیب برای ترکیب ورودی نوع اول 0.80 و 0.97 و همچنین، برای ترکیب ورودی نوع دوم 0.78 و 1.02 بهعنوان مدل منفرد مناسب در منطقه مورد مطالعه برای برآورد رواناب انتخاب شد. از روش میانگینگیری وزنی در رویکرد ترکیب دادهها بهمنظور مدلسازی و ارائه یک مدل ترکیبی داده مبنا استفاده شد که این مدل ترکیبی داده مبنا باعث بهبود مقادیر0.81= R2 و 4.85- =Bias برای ترکیب ورودی نوع اول و همچنین، بهبود مقدار 0.79=R2 برای ترکیب ورودی نوع دوم شد و این روش ضعف مدلهای منفرد را پوشش داده است.