عمق برف

تغییرات عمق برف، به سبب تأثیرگذاری در شار انرژی سطحی و شرایط هیدرولوژیکی، در تحولات آب و هوای محلی و جهانی نقش درخور توجهی دارد. هدف از این مطالعه مدل سازی و تحلیل فضایی عمق برف با استفاده از پایگاه ECMWF نسخه ERA Interim برای دوره زمانی 1980-2016 با تفکیک مکانی 125 / 0×125 / 0 درجه قوسی است. در این راستا داده های ارتفاع، طول و عرض جغرافیایی، و شاخص پوشش گیاهی NDVI سنجنده MODIS با استفاده از روش های GWR و OLS ارزیابی شد. ارزیابی خودهبستگی فضایی عمق برف با دو شاخص Moran’s I و Geary's C نشان داد عمق برف در پهنه شمالی ایران دارای الگوی خوشه ای ساخت یافته است. بیشینه متوسط عمق برف در ماه فوریه به دست آمده است. شمال غرب ایران همراهِ علم کوه در رشته کوه البرز بیشترین عمق برف را نشان داده است. نتایج نشان داد روش GWR برآوردهای دقیق تری در مقایسه با روش OLS ارائه می دهد. براساس خروجی های به د ست آمده از روش GWR، عمق برف با ارتفاع رابطه خطی را نشان نمی دهد، بلکه این رابطه بسته به تغییرات پوشش گیاهی، دمای هوا، و جهت شیب در منطقه مورد مطالعه متفاوت است.

در این تحقیق با کمک تکنیک GIS، داده های اقلیمی ایستگاه های امیریه، بسطام، فرومد، قلعه نوخرقان، حسینیان، کوهان، مهدی شهر، مجن، و نردین از استان سمنان که شامل دما، بارش، طوفان تندری، عمق برف مورد تجزیه و تحلیل قرار گیرند. سپس داده های تصادفات رخ داده در محور سمنان – شاهرود و میامی – جاجرم طی یک دوره زمانی 6 ساله (1395 الی 1400) مورد بحث و بررسی قرار می گیرند. نقشه های ارایه شده برای هر پارامتر هواشناسی در محورهای مورد مطالعه به 5 وضعیت بسیار کم، کم، متوسط، زیاد و خیلی زیاد از نظر خطرپذیری تصادف تقسیم بندی شده اند. دو روش درون یابی Kriging و IDW مورد بررسی قرار گرفت. بطور کلی در ماه فروردین بیشترین تصادفات برای هر دو محور گزارش می شود. برای هر دو محور، در تمامی سال ها بیشترین تصادف در روز اتفاق و سپس رتبه بعدی برای وضعیت روشنایی در شب می-باشد. برای سال های 1395 تا 1400 در محورهای میامی – جاجرم و سمنان – شاهرود، وضعیت آب و هوایی صاف، بیشترین تعداد تصادفات را داشته است. همچنین وضعیت بارانی در رتبه دوم از نظر خطر ایجاد در دو محور برای سال های مورد مطالعه گزارش می شود. در محور سمنان – شاهرود، میزان خطرپذیری در وقوع تصادف برای پارامترهای اقلیمی طوفان تندری کم الی متوسط، پارامترهای اقلیمی بارش و عمق برف، کم تا متوسط و پارامتر دما بسیارکم گزارش می شود. در محور میامی – جاجرم میزان خطرپذیری در وقوع تصادف برای پارامتر اقلیمی عمق برف کم تا زیاد، پارامتر دما کم، پارامتر طوفان تندری متوسط و بارش کم تا متوسط حاصل شد.

از جمله اثرات مستقیم و مشهود تغییرات آب و هوایی، دگرش در میزان بارش برف در مناطق مختلف جغرافیایی است. این در حالی است که بارش برف در حوضه های کوهستانی همواره به عنوان مهم ترین منبع تأمین منابع آب در فصول خشک تلقی می شود. یکی از آشکارترین ویژگی های پوشش برف کوهستان، ناهمگنی مکانی آن می باشد. به دلیل محدودیت های عملی، جمع آوری داده ها به ویژه در مقیاس های وسیع، دشوار و گاهی غیرممکن بوده و استفاده از روش های غیرمستقیم توصیه می شود. در این پژوهش کارایی حداقل مربعات ماشین بردار پشتیبان در مدل سازی عمق برف و همچنین اثر کاهش ویژگی با مدل الگوریتم ژنتیک در منطقه کوهستانی چلگرد ایران مورد بررسی قرار گرفت. ابتدا با استفاده از روش هایپرکیوب محل ۱۰۰ نقطه مشخص و داده های عمق برف در نقاط موردنظر و همچنین در ۱۹۵ نقطه دیگر به صورت تصادفی برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع ۲۵ پارامتر ژئومورفومتری استخراج گردید و همراه با شش باند تصاویر ماهواره لندست هشت و شاخص تفاوت نرمال شده برف به عنوان ورودی های مدل ها انتخاب گردید. در این پژوهش از الگوریتم ژنتیک برای افزایش سرعت و آماده سازی شبکه ماشین بردار پشتیبان که به عنوان یک دسته بندی کننده عمل می کند و همچنین انتخاب متغیرهایی که بیشترین همبستگی را با عمق برف دارند استفاده گردید. ازآنجایی که کاهش ویژگی های غیر مؤثر می تواند سبب افزایش دقت یادگیری شود، در این پژوهش از الگوریتم ژنتیک برای فرایند بهینه سازی استفاده گردید. نتایج نشان داد روش حداقل مربعات ماشین بردار پشتیبان با میزان ضریب تعیین 36/0 و جذر میانگین مربعات خطای 8/17 مدل سازی عمق برف را انجام داده است؛ اما الگوریتم ژنتیک با انتخاب ویژگی های مؤثر توانست با ضریب تعیین ۹۵/۰ و جذر میانگین مربعات خطا برابر با ۹۷/۳ سانتی متر و بادقت بهتری نسبت به استفاده از تمامی ویژگی ها تغییرات عمق برف را مدل کند.

ارتقاء اطلاعات کمی به بهبود پیش بینی پارامتر های برف کمک می کند. تاکنون تعاملات بین اندازه ی پیکسل به صورت محدود بررسی شده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیش بینی عمق برف از طریق آزمون تجربی روابط بین مدل های رقومی ارتفاع و پارامترهای مؤثر در مدل سازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره می باشد. به همین منظور ابتدا با استفاده از روش هایپرکیوب محل 100 نقطه مشخص و طی یک عملیات صحرایی داده های عمق برف در نقاط مورد نظر و همچنین در 195 نقطه دیگر به صورت سیستماتیک و با نمونه بردار مدل فدرال برداشت گردید.. سپس یک مدل رقومی ارتفاع 10 متری به عنوان مبنا انتخاب گردید و از مدل رقومی ارتفاع مبنا تعداد 25 پارامتر مرفومتری استخراج و به عنوان ورودی شبکه ی عصبی ان تخاب و با استفاده از آنالیز حساسیت مهم ترین پارامترهای تأث یرگذار در مدل سازی ع مق برف مشخص شد. در مرحله ی بعد با استفاده از مدل رقومی ارتفاع مبنا 9 مدل رقومی ارتفاعی با اندازه ی پیکسل متفاوت استخراج گردید. سپس در ادامه پارامترهای مؤثر در عمق برف با استفاده از 10 مدل رقومی ارتفاع استخراج و بین آن ها و عمق برف نمونه برداری شده یک رابطه ی رگرسیونی ایجاد و عمق برف محاسبه گردید. جهت ارزیابی دقت مدل ها از پارامترهای RMSE، NMSE، MSE و MAE استفاده و در نهایت مدل رقومی ارتفاع 150 متر با مقادیر به ترتیب 75/24، 350/0، 975/612 و 97/18 بهترین مدل رقومی ارتفاع جهت مدل سازی عمق برف انتخاب گردید. این مسأله می تواند در کاهش هزینه ها و افزایش دقت برآورد عمق برف کمک بسیاری نماید.

عمق برف یکی از پارامترهای ورودی مهم در بسیاری از مدل های کشاورزی، هیدرولوژی و اقلیمی است. با این حال عدم قطعیت هایی در برآورد عمق برف با استفاده از ابزار سنجش از دور نوری به دلیل محدودیت های موجود در شیوه تصویربرداری وجود دارد. از این رو هدف این پژوهش استفاده از ابزار سنجش از دور مایکروویو فعال در برآورد عمق برف در مناطق کوهستانی است. بدین منظور از روش تداخل سنجی راداری تصاویر مایکروویو فعال و اندرکنش سیگنال مایکروویو با توده برف استفاده شد. داده های به کار رفته، شامل تصاویر سنتینل 1 از رشته کوه های زاگرس در کشور ایران در تاریخ فوریه 2017، مارس 2019 و 2020 بود. همچنین، به منظور اعتبارسنجی الگوریتم پیشنهادی از اندازه گیری میدانی عمق برف استفاده شد. به منظور برآورد بهتر عمق برف، نتایج در دو کانال VV و VH با استفاده از ضریب وزنی بدست آمده از زاویه تابش محلی ترکیب شدند. مقایسه نتایج روش پیشنهادی با برداشت های میدانی نشان دهنده همبستگی 86/0 بود. همچنین مقادیر RMSE و P-Value به ترتیب 37/14 سانتیمتر و 009/0 بدست آمد. با توجه به پارامترهای آماری بدست آمده از اعتبار سنجی روش پیشنهادی، کارایی آن در برآورد عمق برف مناسب بود.