تهیه نقشه رقومی آب معادل برف با استفاده از پارامترهای ژئومرفومتری و روش شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز سخوید)
نویسندگان
چکیده مقاله:
Although a small portion of the Earth's surface is covered by the mountains, but it has a large impact on watershed hydrological perspective Because of the water crisis in arid and semi-arid regions of Iran, monitoring of the amount of snow in these areas is very important. Usually, access to the spatial distribution of snow water equivalent is limited to small scale using sampled data. However, due to the limitations of the mountainous, snow sampling of area is difficult and sometimes impossible in the large basins. Thus, the development of methods in order to estimate snow water equivalent at the un-sampled locations is essential. In this research, an area of 16 ha area in Yazd province was selected and snow water equivalent was measured at 216 points using a Mt. Rose snow sampler. Then the application of artificial neural network method was evaluated using 31 geomorphometric parameters and the digital map of snow water equivalent was obtained. The results showed that the artificial neural network can estimate the snow water equivalent by a R2=0.83 and RMSE= 3.55.The results of the sensitivity analysis are also showed that among the ANN parameters used in the prediction of snow water equivalent, Plan Curvature, Profile Curvature, Curvature, Wind Effect, Slope, Multiresolution ridge top flatness index (MRRTF), Catchment slope and Multi resolution index of valley bottom flatness (MRIVBF) are the effective parameters to predict snow water equivalent, respectively.
منابع مشابه
تهیه نقشه رقومی آب معادل برف با استفاده از پارامترهای ژئومرفومتری و روش شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز سخوید)
اگرچه بخش کوچکی از سطح کره زمین را مناطق کوهستانی در بر می گیرد، اما همین مقدار اندک در چشم انداز هیدرولوژیکی حوزه های آبخیز تأثیر شگرفی دارد. با توجه به این که در مناطق خشک و نیمه خشک ایران، بحران آب مقوله ای جدی است، پایش مقادیر برف باریده شده در بخش های کوهستانی این مناطق بسیار حائز اهمیت است. معمولاً دستیابی به توزیع مکانی آب معادل برف از راه اطلاعات مشاهده ای و در مقیاسی محدود، صورت می گیر...
متن کاملبرآورد توزیع مکانی آب معادل برف و عمق برف با استفاده از تکنیک های شبکه عصبی مصنوعی(مطالعه موردی: حوزه آبخیز سخوید)
در بسیاری از حوزه های آبخیز کوهستانی برف انباشته شده در برفچال ها ذخیره قابل توجهی از منابع آب حوزه ها را ایجاد نموده است. پایش این رژیم هیدرولوژیکی، به ویژه بررسی توزیع مکانی ذخایر برفی از اساسی ترین نیازهای مدیران منابع آب محسوب می گردد. به دلیل سخت بودن و حتی در برخی موارد غیرممکن بودن آمار برداری از داده های برف توسعه روش هایی که بتواند عمق برف را در نقاط فاقد اندازه گیری، برآورد نماید امری...
15 صفحه اولبرآورد توزیع مکانی عمق برف با استفاده از شبکه عصبی مصنوعی و درخت تصمیم (مطالعه موردی: حوزه آبخیز سخوید)
در بسیاری از مناطق کوهستانی بخش قابل توجهی از بارش به صورت برف می باشد که منبع مهم جریان رودخانه ای محسوب می گردد. بارش برف و انباشت آن در حوزه های آبخیز منبع با ارزشی است که بررسی کمیت و کیفیت آن از اهمیت زیاد برخوردار است. برآورد دقیق رواناب حاصل از برف، نیاز به توزیع مکانی ذخایر برفی دارد. اما دستیابی به توزیع مکانی عمق برف می بایست از راه اطلاعات مشاهده ای و در مقیاس فشرده صورت گیرد که با ت...
15 صفحه اولبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
تعیین پتانسیل فرسایش خندقی با استفاده از شبکه عصبی مصنوعی، مطالعه موردی: حوزه آبخیز طرود
یکی از انواع فرسایش آبی که باعث ایجاد فرسایش و رسوب در حوزههای آبخیز می‌شود و خسارت‌های زیادی به اراضی کشاورزی، مرتعی و تاسیسات زیر بنایی وارد می‌نماید، فرسایش خندقی می‌باشد. در این تحقیق بررسی فرسایش خندقی با هدف تعیین پتانسیل آن با استفاده از روش شبکه عصبی مصنوعی انجام شده است. جهت تعیین پتانسیل فرسایش خندقی از ساختار پرسپترون چندلایه و الگوریتم لونبرگ مارگوت با به‌کارگیری متغیرهای خاک، سنگ...
متن کاملتهیه نقشه کاربری اراضی حوزه آبخیز کفتاره اردبیل با استفاده از تفسیر چشمی و رقومی تصویرETM+
قابلیت استفاده از اطلاعات کاربری اراضی در مدیریت حوزههای آبخیز به تصمیمگیران کمک میکند تا طرح و برنامههای کوتاه و بلند مدتی برای حفاظت، توسعه و استفاده پایدار از منابع طبیعی و آبخیزها داشته باشند. در این مطالعه از دادههای سنجنده[1]ETM+(1385)، GPS[2] و GIS[3] برای پردازش تصاویر، برداشت دادههای زمینی و تهیه نقشه استفاده شد. تصحیحات لازم و پیشپردازشهای اولیه صورت گرفت. پس از بازدید میدانی ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 13
صفحات 149- 138
تاریخ انتشار 2016-07
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023