نگار سیابی

روش های اندکی به امکان سنجی استفاده از برونداد مدل های پیش بینی عددی در تخمین مقادیر از دست رفته تصاویر سنجش ازدور پرداخته اند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیش بینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجش ازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سال های 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیه سازی ها بر اساس شاخص های اعتبارسنجی RMSE، AD و R 2 با یکدیگر مقایسه شدند. ارزیابی های کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R 2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبار سنجی و مقایسه الگوریتم ها در حالت پایه (آزمون 1) و حالت استفاده از برو نداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجش ازدور می توان از خروجی مدل MM5 در الگوریتم های هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد. روش های اندکی به امکان سنجی استفاده از برونداد مدل های پیش بینی عددی در تخمین مقادیر از دست رفته تصاویر سنجش ازدور پرداخته اند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیش بینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجش ازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سال های 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیه سازی ها بر اساس شاخص های اعتبارسنجی RMSE، AD و R 2 با یکدیگر مقایسه شدند. ارزیابی های کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R 2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبار سنجی و مقایسه الگوریتم ها در حالت پایه (آزمون 1) و حالت استفاده از برو نداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجش ازدور می توان از خروجی مدل MM5 در الگوریتم های هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد.

در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالش های مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازه گیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیت های عملیاتی دشوار است. بدین علت در تحقیق حاضر به منظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق داده ها، سه نوع مختلف از تولیدات بارندگی شامل داده های ماهواره ای (TRMM۳B۴۲)، داده های حاصل از مدل پیش بینی عددی جوّی (MM۵) و اندازه گیری های زمینی (نقشه های حاصل از روش زمین آمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سال های ۲۰۰۰ تا ۲۰۱۰ میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. داده ها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعف های روش زمین آمار نبودن اطلاعات کافی در ارتفاعات بالای (۱۵۰۰) متر منطقه است. همچنین دقت تصاویر ماهواره ای در فصل های گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار ۷/۱ RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار ۰۲/۱۴ RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهواره ای TRMM در مناطق پوشیده از یخ را نشان می دهد. در اعتبارسنجی مدل MM۵ بیشترین و کمترین مقدار RMSE به ترتیب ۶۴/۶ و ۰۵/۱ به دست آمد. علاوه بر این مدل MM۵ تا حدود زیادی در شبیه سازی مقادیر بارندگی سالانه بیش برآورد داشت. نتایج تحلیل های مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM۵ در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهواره ای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را به خوبی نشان دادند.