اسحاق مرادی

تابع کالیبراسیون رابطه بین عدد رقومی تصویر و مقدار انرژی رسیده به سنسور ماهواره را نشان می دهد. روش های مختلفی برای کالیبراسیون تصاویر باند مریی ماهواره های Meteosat پیشنهاد شده که از جمله مهمترین آنها روش کالیبراسیون خودکار لفور و همکاران و روش Eumetsat می باشند. در این مطالعه از تصاویر ماهواره Meteosat-5 در دوره آماری 2001 تا 2005 برای مقایسه نتایج این دو روش براساس سنجه های آماری RMSE و MBE استفاده می شود.نتایج نشان دادند که اختلاف بین تابندگی های محاسبه شده به وسیله دو روش و در نتیجه سنجه های آماری RMSE و MBE با افزایش عدد رقومی تصویر افزایش پیدا می کنند. در دوره آماری استفاده شده، بیشینه MBE و RMSE به ترتیب 13.7 و 12.6 W.m-2. sr-1 بودند که نشان دهنده عملکرد نسبتا یکسان دو روش است. البته اگر چه روش کالیبراسیون خودکار تغییرات کوتاه مدت سنسور را نیز در نظر می گیرد و در کل برای کالیبراسیون تصاویر مناسب تر است ولی برای محاسبه ضرایب آن به تصاویر با پوشش کامل نیاز است و در اکثر مواقع به دلیل حجم زیاد، این تصاویر در دسترس نمی باشند اما روش Eumetsat هر چند فقط تغییرات بلند مدت سنسور را در نظر می گیرد ولی برای محاسبه ضرایب آن فقط به شماره روز نیاز است و به ویژه هنگامی که تصاویر با پوشش کامل در اختیار نباشند به سادگی قابل استفاده است.

داده‌های تاریخی هواشناسی بلند مدت، برای به کارگیری مدل‌های شبیه سازی رشد گیاهان لازم و ضروری می باشند. داده‌های شبیه سازی شده زمانی استفاده می شوند که داده های تاریخی موجود نبوده و یا قابل اعتماد نمی باشند و یا اینکه داده های آتی مورد نیاز می باشند. برای شبه سازی می توان از روش‌های تصادفی که فقط از میانگین‌های بلند مدت اقلیمی اسنفاده می کنند و یا از روشهای غیر تصادفی که بر اساس مقدار یک متغیر و البته، مقدار متغیر مورد نظر را تخمین می زنند، استفاده کرد. هدف از این مطالعه شبیه سازی تصادفی دماهای بیشینه و کمینه بود و از یک مولد هواشناسی به نام ClimGen برای تولید داده های دما استفاده شد. تولید داده های دما برای 10 ایستگاه هواشناسی ایران با شرایط اقلیمی متفاوت صورت گرفت و از داده های تاریخی ثبت شده در ایستگاه های فوق برای بررسی نتایج حاصل استفاده شد. در نهایت از سنجه های آماری مانند جذر میانگین مربعات خطا (RMSE)، میانگین خطای تقریبی (MBE) و همچنین ضریب همبستگی (R)، شیب (b) و عرض از مبدأ خط رگرسیون برای مقایسه داده های تولید شده و داده های تاریخی استفاده شد. بر اساس سنجده های فوق، مقادیر شبیه سازی شده و تاریخی دارای توافق خوبی با هم بودند.