شهاب عراقی نژاد

هدف از این پژوهش مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روش های هوش مصنوعی شامل شبکه عصبی مبتنی بر توابع پایه شعاعی (RBF) و سیستم استنباط عصبی- فازی تطبیقی (ANFIS) به منظور پیش بینی فراوانی روزهای همراه با طوفان گردوغبار (FDSD) در فصل آتی است. بدین منظور، از داده های ساعتی گردوغبار و کدهای سازمان جهانی هواشناسی در پنج ایستگاه سینوپتیک استان سیستان و بلوچستان با طول دوره آماری 25ساله (۱۹۹۰-2014) استفاده شد. نتایج نشان داد روش ANFIS، نسبت به سایر روش ها، بهترین عملکرد را داشت و معیارهای ارزیابی R، RMSE، MAE، و NS آن به ترتیب از 72/0، 57/0، 42/0، و 71/0 تا 95/0، 51/0، 40/0، و 96/0 متغیر بود. همچنین، با افزایش شاخص متوسط FDSD در ایستگاه ها (از 06/1 تا 11/7)، دقت پیش بینی همه روش ها افزایش داشت. بر همین اساس، در سری زمانی SARIMA، ضریب همبستگی بین مقادیر مشاهداتی و پیش بینی شده شاخص FDSD از 64/0 به 79/0 افزایش یافت. برای روش های Holt-Winters، RBF، و ANFIS مقدار نیز ضریب همبستگی به ترتیب از 70/0 تا 87/0، 69/0 تا 92/0، و 72/0 تا 95/0 متغیر بود. درمجموع، با مقایسه روش های مورد استفاده، روش هوش مصنوعی ANFIS بهترین و مدل های سری زمانی SARIMA و Holt-Winters بدترین عملکرد را داشتند.

با استفاده از تولیدات روزانه و هشت روزه پوشش برف سنجده مادیس، می توان تغییرات سطح پوشش برف را در حوضه های کوچک و بزرگ و دور از دسترس از سال 2000 مورد مطالعه قرار داد. اما یکی از بزرگترین مشکلات در استفاده از تولیدات سطح پوشش برف از تصاویر مادیس، ابرناکی آسمان می باشد که به شدت کاربرد این تولیدات را در شرایط ابری با محدودیت مواجه می سازد. در این تحقیق با استفاده از تولیدات هشت روزه سطح برف سنجنده مادیس تغییرات پوشش برفی در حوضه کارون که در غرب ایران قرار دارد، مورد بررسی قرار گرفت. همچنین به منظور غلبه بر محدودیت کاربرد تولیدات سطح برف در شرایط ابری، استفاده همزمان از تصاویر سنجنده نوری مادیس و سنجنده مایکرویو AMSR-E جهت پایش سطح پوشیده از برف در یک دوره یکماهه پیشنهاد گردید. بدین منظور با ترکیب تصاویر روزانه مادیس و AMSR-E وسعت سطح پوشش برف با گام زمانی روزانه استخراج شد و نتایج آن با سطح پوشش برف که از هر کدام از تصاویر مادیس و AMSR-E به تنهایی استخراج شده بود در روزهای ابری و ابر آزاد مقایسه گردید. نتایج نشان می دهند که با وجود نفوذ امواج مایکرویو از پوشش ابری، به دلیل قدرت تفکیک مکانی پایین تصاویر AMSR-E، این تصاویر درصد پوشش برف را به طور میانگین 16 درصد نسبت به تصاویر مادیس بیشتر نشان می دهند. نتایج همچنین نشان می دهند که با استفاده از رابطه بین درصد پوشش سطح برف در تصاویر AMSR-E و تصاویر مادیس در روزهای ابرآزاد، اختلاف میانگین سطح پوشش برف از 16 درصد به 5 درصد کاهش می یابد. همچنین نتایج صحت سنجی با استفاده از اطلاعات مربوط به دبی روزانه نشان می دهد که همبستگی داده های پوشش برف حاصل از تصویر ترکیبی در مقابل دبی با ضریب همبستگی 66/0 از دقت بالاتری نسبت به تصاویر مادیس با ضریب همبستگی 55/0 برخوردار هستند.