Skip to content
naulon
Not checkedNot checked for notices yet.

معرفی و ارزیابی مدل جهانی همسان سازی داده های زمینی با داده های مشاهده ای در ایران

مرتضی میری, قاسم عزیزی, حسین محمدی and 1 more

اطلاعات جغرافیایی · 2018

doi:10.22131/sepehr.2018.30514 (opens in a new tab)

We email you when a new notice or a question about this paper appears.

Abstract

پژوهش پیش‌رو با هدف معرفی مدل همسان‌سازی داده‌های زمینی و ارزیابی دقت داده‌های این مدلدر مقابل داده‌های اندازه‌گیری شده ایستگاه‌های همدیدی سطح کشور به انجام رسیده است. مدل همسان‌سازی داده‌های زمینی بطور مشترک توسط مراکز ناسا و نوآ با هدف شبیه‌سازی دقیق متغیرهای جریان و شرایط چرخه آب و انرژی توسعه داده شد. پوشش جهانی، قدرت تفکیک مکانی و زمانی بالا به‌همراه سیستم مدلسازی ترکیبی داده‌های سنجش از دوری و مشاهدات زمینی از ویژگی‌های منحصر بفرد این مدل است. این مدل متغیر‌های سیستم جو - زمین را در مقیاس‌های زمانی ماهانه و 3 ساعته با قدرت تفکیک مکانی 1 و 25/0 درجه جغرافیایی برآورد می‌کند، که خروجی آن نتیجه شبیه سازی چهار مدل سطحی Mosaic،Noah،CLMو VICمی‌باشد. برای ارزیابی مدل GLDAS،داده‌های متوسط دمای ماهانه 66 ایستگاه همدیدی با پراکنش مناسب در سطح ایران و نیز داده‌های مدل GLDASبا دقت مکانی 25/0×25/0 درجه جغرافیایی از سایت‌های مربوطه دریافت و پردازش شد. برای ارزیابی آماری داده‌های نام برده از آماره‌های ضریب تعیین(2r)، مجذور میانگین مربع خطا (Rmse)، شیب خط(Slope)، اریب(Bias) و ضریب کارایی مدل(EF) استفاده شد. مقایسه‌های آماری انجام شده نشان داد که داده‌های این مدل در سطح ایران از دقت بسیار مناسبی برخوردار می‌باشد و میزان خطای این مدل در برآورد متوسط دمای ایستگاه‌های مورد بررسی بسیار اندک و قابل چشم‌پوشی است. با وجود این در برخی مناطق بویژه درایستگاه‌های شمالی کشور مقدار برآورد مدل بیشتر از مقدار مشاهده‌ای و درتعداد محدودی از ایستگاه‌ها مانند کاشان و سنندج کمتر از مقدار مشاهده‌ای برآورد شده است. با توجه به پوشش جهانی، متغیرهای زیاد اقلیم - هیدرولوژی و نتایج این تحقیق که بیانگر دقت مناسب برآوردهای مدل جهانی همسان سازی داده‌های سطح زمین در پهنه ایران است، پیشنهاد می‌شود دقت متغیرهای دیگر این مدل نیز برای مناطق مختلف ایران مورد ارزیابی و واسنجی قرار گیرد.

Abstract licence: CC BY-ND

Reads

Read by people on this page

None yet.

Checked or read by AI through naulon

None yet.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.

Are you an author?

Is this your paper?

Claim it to add your note and be paid when agents cite it. Free.