توسعه الگوریتم های ناحیه ای برای استخراج پروفایل های دما و رطوبت جو از تصاویر سنجنده modis

در این پژوهش به دنبال توسعه الگوریتم های ناحیه ای برای استخراج پروفایل های دما و رطوبت جو از تصاویر سنجنده modis هستیم. در این راستا تحقیقات مختلف انجام شده در زمینه استخراج پروفایل های جوی از داده های رایومتریک مورد بررسی قرار گرفته و با توجه به بررسی های انجام شده دو روش استخراج از طریق رگرسیون های آماری روش های فیزیکی برای پیاده سازی انتخاب شدند. سپس سعی در تنظیم این مدل ها برای یک اقلیم و یک منطقه خاص که ترجیحاً در آن ها داده های زمینی با دقت بالا و به تعداد کافی موجود باشد، گردید. جهت انجام پیاده سازی های مورد نظر در این پژوهش، پیاده سازی های انجام شده در آزمایش های مختلف این پژوهش با استفاده از اندازه گیری های ایستگاه های سینوپتیک فرودگاه مهرآباد، کرمانشاه و بندرعباس انجام گردید. همچنین جهت ارزیابی کارایی الگوریتم های مورد استفاده در این پژوهش از داده های کل ایستگاه های سینوپتیک موجود در ایران که در آن ها داده های رادیوساند بصورت نسبتاً مرتب جمع آوری می شود، استفاده گردید. برای دستیابی به اهداف پژوهش، آزمایش های مختلفی پیاده سازی گردید. در آزمایش اول و دوم، روش استخراج از طریق رگرسیون های آماری، که همان روش تولید محصول پروفایل های جوی modis است، به ترتیب برای استخراج پروفایل های دما و رطوبت پیاده سازی گردید. در این آزمایش ها برای جلوگیری از خطاهای وارد شده به مدل به دلیل استخراج ضرایب با استفاده از داده های جهانی، سعی در محاسبه این ضرایب در مقیاس محلی شده است. این روش در این تحقیق lsrpr نامیده شد و روش اصلاح شیب نیز برای بهبود کارایی آن مورد استفاده قرار گرفت. در آزمایش اول مقدار میانگین rmse بین دمای محاسبه شده از روش lsrpr پس از اصلاح شیب و اندازه گیری شده توسط رادیوساند، k 82/1 به دست آمد که این مقدار در مقایسه با مقدار محاسبه شده توسط محصول modis که 16/7 بود، بهبود قابل ملاحظه ای را نشان داد. همچنین این مقادیر در مورد پروفایل های رطوبت به ترتیب g/kg 71/0 و 21/1 بود که نشان دهنده بهبود دقت بود. در آزمایش سوم روش های فیزیکی استخراج پروفایل های جوی، پیاده سازی گردید. در این آزمایش از مقادیر محاسبه شده توسط روش lsrpr به عنوان حدس اولیه و روش drad استفاده گردید. نتایج به دست آمده نشان داد که مقدار پارمتر chi2 در روش استخراج فیزیکی، حداکثر پس از 2 مرحله تکرار به کمتر از 1 رسیده و حداکثر پس از 6 مرحله به مقدار ثابتی همگرا گردید. در آزمایش چهارم روش lsrpr به دلیل کارایی و نیز سرعت نسبتاً بالا، برای تولید نقشه های همدما و هم رطوبت جو که برای پیش بینی های هواشناسی حیاتی هستند، به کار گرفته شده است. متوسط rmse بین پروفایل دمای استخراج شده از الگوریتم lsrpr و اندازه گیری های رادیوساند برای تمام ایستگاه های رادیوساند کشور 43/3 درجه کلوین و متوسط rmse بین پروفایل دمای استخراج شده از الگوریتم modis و داده رادیوساند برای تمام ایستگاه های کشور 66/4 درجه کلوین به دست آمد. همچنین این مقادیر برای پروفایل رطوبت به ترتیب 27/1 و 41/1 g/kg محاسبه شد. در آزمایش پنجم، به دلیل وجود منابع خطا و عدم قطعیت های مختلف در روش استخراج پروفایل از طریق رگرسیون های آماری، از الگوریتم ژنتیک برای بهبود دقت این مدل ها استفاده شده است. در این آزمایش دو روش که imga و tmga نامیده شد، پیاده سازی گردید. در روش tmga میانگین مقادیر rmse پروفایل دمای استخراج شده از الگوریتم با مقادیر حاصل از رادیوساند 92/2 کلوین به دست آمد، که این مقدار در مقایسه با محصول modis که مقدار rmse آن با اندازه گیری رادیوساند 94/6 بود، بهبود قابل ملاحظه ای را نشان می دهد. در روش imga که در فواصل ارتفاعی 500 متری میانگین گیری گردید، مقدار rmse بین نتایج به دست آمده با رادیوساند تا حد 34/2 محاسبه شد. در آزمایش ششم سعی در تنظیم مدل optran در مقیاس محلی و بهبود دقت محاسبه چگالی شار تابش با استفاده از مدل crtm داشتیم. در این آزمایش مقدار میانگین rmse چگالی شار محاسبه شده از مدل crtm با مقدار اندازه گیری شده در شب توسط سنجنده moids از ایستگاه سینوپتیک بندرعباس و آب های عمیق نزدیک به آن، 47/0 محاسبه گردید که با اعمال تصحیحات ارائه شده در این پژوهش این مقدار به 39/0 تغییر یافت. دمای درخشندگی میانگین معادل این چگالی شار ها نیز به ترتیب 45/6 و 27/5 درجه کلوین محاسبه گردید. آزمایش هفتم به ارائه روشی جهت محاسبه پارامترهای وارونگی جوی نظیر عمق و قدرت وارونگی با استفاده از الگوریتم ژنتیک پرداخته است. روش ارائه شده در این پژوهش برای ایستگاه سینوپتیک فرودگاه مهرآباد نشان داد که قدرت وارونگی دمایی با rmse، 6/0 سانتیگراد و عمق وارونگی دمایی با rmse، 59/45 متر قابل تشخیص است. این مقادیر برای ایستگاه کرمانشاه 03/1 سانتیگراد و 17/67 متر محاسبه گردید. همچنین بررسی های انجام شده در این پژوهش نشان داد که محصول پروفایل های سنجنده modis قادر به تشخیص وارونگی های جوی نبود. به طور کلی به نظر می رسد استفاده از داده های محلی و انجام مدل سازی در مقیاس محلی، می تواند منجر به افزایش دقت استخراج پروفایل های دما و رطوبت جوی شده و استفاده از الگوریتم های هوش مصنوعی نظیر الگوریتم ژنتیک نیز می تواند در این راستا راهگشا باشد. همچنین می توان با استفاده از روش الگوریتم ژنتیک در تصاویر modis وارونگی های دمایی را تشخیص داد که این مهم با استفاده از محصولات پروفایل های جوی modis قابل تشخیص نیست.