پیش بینی احتمال مکانی وقوع برف با استفاده از داده های سنجش از دور و زنجیره مارکوف مرتبه یک

Authors

سمیه سیما

دانشگاه صنعتی شریف

abstract

ارزیابی و برآورد ذخایر برفی در مطالعات بیلان آب و بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشکی چون ایران که دارای ریزش های فصلی برف هستند، اهمیت فراوانی دارد. در حوضه های آبریز حوالی دامنه های برف گیر نظیر زاگرس که سیلاب های بهاره سهم عمده جریان های سطحی را تشکیل می دهند، پیش بینی احتمالاتی ذخیره برفی پایان سال ضروری است. در پژوهش حاضر، پیش بینی احتمالی وقوع برف در حوضه آبریز رودخانه های کرخه، دز، کارون و بخشی از حوضه مارون با استفاده از مدل زنجیره مارکوف مرتبه یک بررسی شد. برای این منظور از داده های سطح برف استخراج شده از تصاویر ماهواره ای سنجنده noaa-avhrr در طول سال های آبی 1367 تا 1383 استفاده شد. حالت های ممکن در نقشه های برف به صورت وجود (عدد یک) و نبود برف (عدد صفر) تعریف شد. سپس با اعمال فرایند زنجیره مارکوف، پیش بینی احتمال مکانی وقوع برف برای اسفندماه سال های 83-1379 صورت گرفت. نتایج نشان دادند که پیش بینی احتمالاتی سطح برف در اسفندماه تطبیق مناسبی با نقشه های حداکثر پوشش سطحی برف به دست آمده از تصاویر ماهواره ای دارد. وضعیت پوشش سطح در بیش از 60 درصد سطح حوضه با احتمال 100 درصد و در 80 درصد سطح حوضه، با احتمال 50 تا 90 درصد به درستی پیش بینی شده است. افزون بر این، به منظور ارزیابی کمی عملکرد مدل پیش بینی از روش جداول وابستگی استفاده شد. نتایج ارزیابی مدل برمبنای سه معیار احتمال ردیابی ( pod )، نسبت هشدار غلط ( far ) و موفقیت بحرانی ( csi )، نیز توانمندی مدل زنجیره مارکوف را در پیش بینی سطوح برفی نشان می دهند.      کلید واژه ها : احتمال وقوع برف، زنجیره مارکوف مرتبه یک، ماتریس احتمالات انتقال.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

احتمال وقوع بارش های روزانه ی ایران و پیش بینی آن با مدل زنجیره ی مارکوف

در این پژوهش، وقوع بارش های ایران بر اساس قوانین احتمال به صورت فرایندهای تصادفی و با استفاده از مدل زنجیره مارکوف واکاوی شد. برای رسیدن به این هدف، از داده های رخداد و رخنداد بارش پایگاه داده اسفزاری به مدت ۴۳ سال (۱/۱/۱۳۴۰ تا ۱۱/۱۰/۱۳۸۳) استفاده شد. این اطلاعات بر روی۷۱۸۷ یاخته و شامل ۱۵۹۹۱ روز است. با استفاده از مدل زنجیره مارکوف مرتبه اول با دو حالت بارش و بی بارش، آرایه فراوانی تشکیل و سپس...

full text

تغییرات کاربری اراضی جنوب‌غرب تهران با استفاده از تکنیک سنجش از دور و زنجیره مارکوف

 بررسی تغییرات کاربری اراضی نیازمند استفاده از روش‌های سریع و فنون نوین می­باشد. استفاده از سیستم سنجش از دور و سامانه اطلاعات جغرافیایی و تلفیق آنها با داده­های زمینی اطلاعات دقیق و بهتری را در خصوص تصمیم‌گیری­های چند جانبه ارائه می‌نمایند. در این پژوهش به منظور بررسی روند تغییرات کاربری اراضی با استفاده از تصاویر مربوط به ماهواره  لندست 2 سنجنده MSS ژوئن سال 1975، ماهواره لندست 7 سنجنده ETM+ ...

full text

مروری بر روش های پیش بینی و برآورد بارش از طریق داده های سنجش از دور

تأثیر مستقیم بارش در زندگی انسان‌ها و نقش آن در توسعة کشورها سبب توسعة روش‌ها و الگوریتم‌های برآورد بارش در میان متخصصان گردیده است. تاچند دهه قبل برای پیش‌بینی بارش از روش‌های سنّتی استفاده می‌...

full text

پیش بینی رفتار سهام با استفاده از مدل زنجیره مارکوف

رفتار قیمت سهام یکی از پیچیده¬ترین مکانیزم¬هایی می¬باشد که محققان در طی سالیان بر روی آن مطالعه کرده¬اند. بازار سهام را می¬توان به دو طریق تحلیل کرد: تحلیل بنیادی و تحلیل تکنیکال. مورد اول علت محور و مورد دوم معلول محور می¬باشد. یکی از شاخه¬های رفتار قیمت سهام در روش¬های تکنیکال مدل¬های تصادفی می¬باشد که برخی از مهمترین روش¬های استفاده شده در تئوری بازار کارا می¬باشند. در این تحقیق از مدل مارکو...

full text

ارزیابی احتمال وقوع مخاطرات چندگانه محیطی در زیستگاه های مانگرو با استفاده از سنجش از دور و سامانه اطلاعات جغرافیایی

یکی از پیش نیازهای ارزیابی آسیب پذیری مانگروها، ارزیابی احتمال وقوع انواع مخاطرات محیطی در این رویشگاه ها است. لذا در این مطالعه، احتمال وقوع وقوع شش نوع مخاطره محیطی شامل خشکسالی، کاهش رواناب سطحی حوضه های آبخیز، باد، دمای هوا، فعالیت های صیادی و فرسایش و رسوب گذاری در رویشگاه های مانگرو استان هرمزگان مورد نقشه سازی قرار گرفت. نتایج نشان داد که بر اساس طیف تغییرات مقادیر نمایه احتمال وقوع (73/...

full text

My Resources

Save resource for easier access later


Journal title:
سنجش از دور و gis ایران

جلد ۶، شماره ۲۲، صفحات ۰-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023