وحید موسوی

استفاده از مدل رقومی ارتفاع (DEM)، استخراج خصوصیات فیزیوگرافی مورد استفاده در مدل های هیدروگراف واحد لحظه ای نش و روسو را میسر می سازد. بنابراین دقت مکانی مدل رقومی ارتفاع بر عملکرد مدل های هیدروگراف واحد لحظه ای نش و روسو موثر می باشد. لذا پژوهش حاضر با هدف ارزیابی تاثیر مدل های رقومی ارتفاع شامل ALOS PALSAR، ASTER، SRTM و GTOPO به ترتیب با دقت 5/12، 30، 90 و 1000متر و  مدل رقومی ارتفاع حاصل از نقشه توپوگرافی (TOPO)سازمان زمین شناسی با مقیاس 1:25000 و دقت 10 متر در مدل های نش و روسو در حوزه آبخیز کسیلیان انجام شد . مواد و روش ها حوزه آبخیز کسیلیان به مساحت حدود 43/66 کیلومترمربع در جنوب شرق استان مازندران در عرض شمالی ´´30 ˊ 58° 35تا  ´´15 ˊ07 °36 و طول شرقی ´´44 ˊ08 °53 تا ´´42 ˊ15 °53 است. این حوضه بر اساس طبقه بندی اقلیمی دومارتن دارای آب و هوای مرطوب است و بارندگی متوسط منطقه 4/783 میلی متر می باشد.خصوصیات فیزیوگرافی شامل نسبت های هورتونی برای هر DEM محاسبه شد. در نهایت ابعاد هیدروگراف واحد لحظه ای بر اساس مدل های نش و روسو برای 64 واقعه بارش-رواناب و پنج DEM مختلف تخمین زده شد. نتایج و بحث نتایج نشان داد با کاهش دقت DEM تکامل شبکه آبراهه از دست می رود به نحوی که حداکثر رتبه آبراهه در مدل های TOPO وPALSAR  ALOS  برابر با شش، و در ASTER تعداد آن به پنج کاهش یافت. تنها درSRTM و GTOPO تعداد رتبه های آبراهه به طور قابل ملاحظه ای به سه تقلیل پیدا کرد. پارامتر های n و k به عنوان مولفه های موثر در مدل های نش و روسو هستند که در مدل نش میزان n در DEMهای مختلف اختلاف معنی داری نداشت. اما مقدار k با کاهش دقت DEM  از 35/1 به 64/1 افزایش یافته است.  در برآورد پارامتر n به روش روسو، روند ثابتی در مدل های رقومی ارتفاع دیده نمی شود به طوری که در TOPO، ALOS PALSAR و ASTER حدود شش به دست آمد. در حالی که در SRTM، سه و در GTOPO، چهار برآورد شد و پارامتر k برای هر رویداد متفاوت و مقدار آن در DEMهای مختلف متفاوت بوده است. در حجم رواناب برآوردی روش نش، کمترین و بیشترین متوسط درصد خطای نسبی به ترتیب مربوط به مدل هایTOPO و GTOPO با مقادیر 72/10 و 01/11درصد می باشد. در ارتباط با حجم رواناب تخمینی روش روسو، مقدار متوسط درصد خطای نسبی در سه مدل TOPO، ALOSPALSAR و ASTER تقریباً مشابه به دست آمده است. در حالی که میزان خطا در SRTM و GTOPO بیشتر از سایر مدل های رقومی ارتفاع برآورد شده است. درواقع به دلیل توانایی مشابه استخراج خصوصیات فیزیوگرافی حوضه از این سه مدل ، نتایج نزدیک به هم به دست آمده است. البته باید بیان نمود که با تفاوت کم، کمترین میزان خطا در تخمین حجم رواناب مربوط به مدل TOPO است. نتیجه گیری مدل رقومی ارتفاع ASTER با دقت پایین تر نسبت به TOPO وPALSAR  ALOS شبکه آبراهه قابل قبولی را ارائه داده است. هرچند SRTM و GTOPO شبکه آبراهه مطلوبی را ارائه نداده اند. به طور کلی با افزایش قدرت تفکیک مکانی DEM تراکم شبکه آبراهه مطلوب تر می شود اما آبراهه اصلی در DEM های با دقت کمتر تا حدودی توسعه یافته است. با تخمین صحیح مقادیر n و k در روش نش و روسو می توان کارایی هر دو روش را در مدل سازی فرآیند بارش-رواناب افزایش داد. روش های متفاوتی جهت تخمین مقادیر n و k ارائه شده است که در پژوهش حاضر به منظور بررسی اثر مدل های رقومی مختلف در روش نش، از بین روش های مختلف تخمین پارمترهای آن از روش تجربی استفاده شده است. در روش تجربی خصوصیات فیزیوگرافی حوزه آبخیز از جمله شیب، طول آبراهه اصلی و مساحت حوضه نقش اصلی را در تخمین دبی اوج ایفاء می کنند. در ارتباط با تخمین دبی اوج، مدل نش و در تخمین حجم رواناب مدل روسو با استفاده از مدلTOPO  عملکرد بهتری داشت. درواقع می توان بیان نمود که تخمین دبی اوج در روش نش بر اساس روش تجربی، در این حوزه آبخیز نتایج قابل قبولی را ارائه داده است. با توجه به ضرورت برآورد دبی اوج در تعیین ابعاد هیدروگراف واحد لحظه ای در حوزه آبخیز به منظور شبیه سازی دقیق و کنترل سیلاب های آتی، استفاده از نتایج پژوهش حاضر می تواند کمک شایانی نماید.

سابقه و هدف : دمای سطح زمین یک متغییر کلیدی در برنامه ریزی ناحیه ای و منطقه ای می باشد باتوجه به اهمیت دمای سطح زمین در مطالعات تغییرات اقلیمی، مدل سازی هیدرولوژیکی ، نظارت بر پوشش گیاهی، جزیره گرمای شهری، توسعه ی شهری،گرمایش جهانی، شرایط کشاورزی و همچنین تأثیر آن بر نرخ و زمان رشد گیاهان پارامتر ورودی به اکثر مدل ها است؛ هرچه دقت تخمین این متغیر بالاتر باشد خروجی مدل نیز همراه با دقت بالاتری خواهد بود؛ بنابراین مطالعه بهینه و مناسب تغییرات مکانی و زمانی دمای سطح زمین در شرایط جوی و آب و هوایی متفاوت ضروری است.با توجه به محدودیت ایستگاه های هواشناسی، سنجش از دور می تواند به عنوان پایه و اساس بسیاری از داده های هواشناسی مورد استفاده قرار گیرد. دمای سطح زمین در تصاویر ماهواره ای شامل میانگین دمای پیکسلی است که پوشش دهنده بخشی از سطح زمین بوده و بر اساس انرژی رسیده به سنجنده (رادیانس) در باند حرارتی محاسبه می شود. از این رو عدم وجود قدرت تفکیک زمانی و مکانی بالا ی داده های ماهواره ای به طور همزمان یک چالش اساسی در بررسی و تخمین متغیر دما مطرح می گردد. مواد و روش ها : در این مطالعه سعی شد با استفاده از روش یادگیری عمیق و یادگیری ماشین، از تصاویر ماهواره ای MODIS، VIIRS و ECOSTRESS استفاده و نقشه های روزانه دمای سطح زمین سنجنده ی ECOSTRESS با قدرت تفکیک مکانی 70 متر در زمان های فاقد داده در آبخیز بار-اریه نیشابور استان خراسان رضوی و آبخیز سد لتیان در استان تهران تولید گردد. مدل های مورد استفاده در پژوهش شامل مدل SVR به عنوان یک مدل محبوب یادگیری ماشین در زمینه های پیش بینی و رگرسیون و مدل LSTM یکی از قوی ترین مدل های یادگیری عمیق در حوزه پردازش سری های زمانی می باشند. برای این منظور سه جفت تاریخ برای هرحوضه (شش تاریخ) انتخاب شد. تصاویر هر جفت داده به طور همزمان دراختیار مدل ها قرار گرفتند. درنهایت با استفاده از آماره های RMSE، و NRMSE عملکرد هر مدل در هر تاریخ مورد ارزیابی قرار گرفت. نتایج و بحث : بررسی ضرایب RMSE ،  و NRSME مربوط به مدل LSTM و SVR برای هر دو منطقه نشان دهنده ی برتری عملکرد مدل LSTM بود. بهترین نتیجه RMSE ،  و NRMSE حاصل از مدل LSTM برای آبخیز بار-اریه در تاریخ های 17 ژوئن 2020 به ترتیب 81/1 درجه سانتی گراد، 66/0 و 94/11 درصد و در حوزه آبخیز لتیان برای تاریخ 28 ژوئن 2019 به ترتیب حدود 61/1 درجه سانتی گراد، 83/0 و 65/8 درصد بود. مدل LSTM با توجه به ساختار، ویژگی های خود و به عنوان یک مدل یادگیری عمیق قوی با استخراج ویژگی از درون داده های خام با درنظر گرفتن ماهیت سری زمانی بودن داده ها توانست بر پیچیدگی های فرآیند تحت مدل سازی غلبه نماید.ذکر این نکته ضروری است که با درنظرگرفتن پیچیدگی فرآیند و متنوع بودن عوامل موثر بر دمای سطح زمین نتایج به دست آمده از دقت و صحت قابل قبولی برخوردار هستند. بازسازی و پیش بینی دمای سطح زمین برای 3 الی4 روز بعد انجام شده است (با توجه به فاصله زمانی بین دو تصویر متوالی ECOSTRESS). تنوع و جزئیات رویدادهایی که در این زمان می تواند رخ دهد گواهی دیگر بر مناسب بودن نتایج و کارایی مدل LSTM است. نتیجه گیری : بررسی نتایج و مقادیر  به عنوان یک معیار استاندارد برای ارزیابی تحلیل های رگرسیون، و نیز مقادیر RMSE و NRMSE نشان از برتری مدل LSTM در بازسازی مقادیر دمای سطح زمین ECOSTRESS می باشد. با توجه به دامنه تغییرات و مولفه های موثر، دمای سطح زمین در تاریخ های مورد بازسازی بین صفر تا بعضا نزدیک به 35 درجه سانتیگراد تغییر نمود، مقدار RMSE (نشان دهنده متوسط خطای مدل ) برای مدل LSTM بین حدود 1.5 تا 3 درجه سانتیگراد بوده که قابل قبول و مناسب به نظر می رسد. مقادیر نرمال شده RMSE یا همان NRMSE نیز در اغلب تاریخ ها بین 8 تا 17 درصد بوده که در مدل سازی های محیطی با توجه به پیچیدگی های بالای فرآیندها مقادیر قابل قبولی می باشند.

با توجه به اهمیت داده های هواشناسی و وجود محدودیت داده برداری در ایستگاه های زمینی، فنّ سنجش از دور می تواند نقش مهمی در تهیه این داده ها ایفا کند. هدف از این پژوهش ارزیابی کمّی دمای سطح زمین (LST) حاصل از تصاویر سنجنده مادیس، برای تخمین دمای هوای بیشینه و کمینه روزانه در حوضه آبخیز طالقان است. برای این منظور، داده های دمای هوای بیشینه و کمینه روزانه سه ایستگاه هواشناسی زمینی و مقادیر LST روز و شب و NDVI سنجنده مادیس، متعلق به دوره زمانی 2009 تا 2015، دریافت و تهیه شد. سپس با استفاده از روش رگرسیون خطی چندگانه، بین هریک از متغیرهای مؤثر و دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، ارتباط برقرار شد. نتایج نشان داد که بین دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، با LST روز و شب و NDVI حاصل از سنجنده مادیس، همبستگی معنی داری وجود دارد؛ بنابراین از این متغیر ها در روابط رگرسیونی استفاده شد. نتایج حاصل از اعتبارسنجی نشان داد روابطی که با همه متغیرهای مؤثر ایجاد شده است بیشترین صحت را دارد؛ به طوری که بهترین مدل در تخمین بیشینه دمای هوای روزانه، دارای مقادیر ، NSE و RMSE، به ترتیب 75/0، 75/0 و C ˚ 7/4+ و درمورد کمینه دمای هوای روزانه، به ترتیب 71/0، 71/0 و  C ˚ 9/2+ است؛ ازاین رو می توان با تبدیل دمای سطح زمین حاصل از تصاویر سنجنده مادیس، دمای هوا را با دقت بالا در مقیاس روزانه و ماهیانه، برای استفاده در پژوهش های گوناگون، تخمین زد.

دلایل متعددی برای پاسخ به این سؤال که چرا باید فرآیندهای هیدرولوژیکی را مدل سازی نمود وجود دارد. پاسخ اصلی این سؤال، محدودیت روش های اندازه گیری در هیدرولوژی می باشد. در این تحقیق از مدل SWAT که مدلی مفهومی و نیمه توزیعی در مقیاس حوزه آبخیز می باشد برای شبیه سازی هیدرولوژیک حوزه آبخیز سملقان استفاده شد. بعد از تهیه و آماده سازی داده ها طبق فرمت مورد نظر، مدل اجرا شد. پس از تحلیل حساسیت و تعیین پارامترهای مهم، واسنجی و اعتبارسنجی مدل صورت پذیرفت. به منظور کاهش عدم قطعیت، اجزای مختلف بیلان آب در واسنجی در نظر گرفته شد و از داده های مشاهداتی چندین ایستگاه اندازه گیری به طور هم زمان استفاده شد. در ادامه به منظور واسنجی و اعتبارسنجی مدل از الگوریتم SUFI 2 استفاده شد. فرآیند واسنجی برای بازه زمانی 2007 تا 2013و فرآیند اعتبارسنجی در بازه زمانی 2014 تا 2017 انجام شد. برای ارزیابی نتایج شبیه-سازی از شاخص های R2 (ضریب تبیین )، bR2 (ضریب همبستگی وزنی)، NS (نش- ساتکلیف) استفاده گردید. در مرحله واسنجی ضرایب R2،bR2 و NS به ترتیب برابر 74/0، 71/0و 68/0 و در مرحله اعتبارسنجی برابر 69/0، 62/0 و 59/0 حاصل گردید. شاخص ها و نمودارهای بدست آمده در مرحله واسنجی و اعتبار سنجی مدل برای شبیه سازی دبی رواناب ماهانه، نشان می دهد که مدل در مرحله واسنجی موفق تر عمل کرده است. همچنین مدل توانسته است زمان وقوع دبی اوج را به خوبی تعیین نماید. این تحقیق اطلاعات مفیدی را در مورد بیلان آبی حوضه رودخانه سملقان فراهم نموده و به برنامه ریزی دقیق تر منابع آب در این حوضه کمک می کند.