استفاده ترکیبی از تصاویر ماهوارهای برف در مدل هیدرولوژیکی حوزه آبریز
وضعیت نشر و پخش و غیره
محل نشرو پخش و غیره
تهران
یادداشتهای مربوط به عنوان و پدیدآور
متن يادداشت
علیرضا برهانی داریان
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
کسي که مدرک را اعطا کرده
صنعتی خواجه نصیرالدین طوسی
زمان اعطا مدرک
۱۳۹۶
نظم درجات
مدیریت منابع آب
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
برف یکی از مهمترین پارامترهای چرخه هیدرولوژیک در حوزهصهای کوهستانی میصباشد. تجمع برف در فصول سرد و ذوب تدریجی آن در فصول گرم، برف را تبدیل به ذخیره گاهی طبیعی جهت توزیع بارشصها در طول سال نموده است. از این رو بدست آوردن برآوردهای مناسب از میزان ذخیره برفی و همچنین برآورد تٲثیر آن در رواناب تولیدی حوزه همواره مورد توجه بوده است. بدین منظور تا کنون مطالعات گستردهصای در زمینه مدلصسازی ذوب و تجمع برف صورت گرفته است. همچنین اندازهصگیری مستقیم از برف ذخیره شده در مناطق برفگیر به طور معمول در دستور کار قرار داشته است. با این وجود محدود بودن و مشکلات متعدد در اندازهصگیریصهای صورت گرفته و همچنین پیچیده بودن مدلصسازی ذوب و تجمع برف منجر به عدم امکان مدلسازی مناسب از این پدیده گردیده است. از طرفی با پیشرفت فناوری سنجش از دور در سالیان اخیر امکان بدست آوردن برآوردی مناسب از نظر توزیع زمانی و مکانی از برف فراهم آورده شده است. در رساله حاضر تلاش شده است با استفاده از این منبع اطلاعاتی امکان بهبود مدلصسازی رواناب در مناطق برفگیر ارزیابی گردد. بدین منظور دو دسته اصلی تصاویر ماهوارهصای موجود در زمینه برآورد برف که شامل تصاویر چند طیفی و مایکرویو غیرفعال میصباشد مورد بررسی و بهبود مشکلات استفاده از آنصها در این رساله پیگیری گردیده است. با توجه به محدودیتصها و انطباق با اهداف مورد نظر، تصاویر سنجنده مودیس و سنجنده E-RSMA در این رساله مورد استفاده قرار گرفت. در زمینه استفاده از تصاویر بازتابش سطح مودیس و پوشش برف قابل استخراج از آنصها، مشکل اصلی وجود پوشش ابر در این تصاویر میصباشد. به منظور بهبود این مسئله الگوریتم ترکیبی کاهش ابر به منظور حذف حداکثری پوشش ابر و در عین حال عدم ایجاد خطای اضافه در این تصاویر توسعه داده شد. این الگوریتم از روشصهای مختلف مبتنی بر وابستگی مکانی و زمانی تغییرات پوشش برف استفاده میصنماید. ارزیابی انجام شده نشان داد الگوریتم ارائه شده شده درالبرز مرکزی میصتواند پوشش ابر را به میزان %49 کاهش دهد و صحت این تصاویر به میزان %39 حفظ نماید. الگوریتم توسعه داده شده در محدوده مطالعاتی سیرا نوادا نیز بکار گرفته شد. نتایج ارزیابی این روش در سیرا نوادا حاکی از کاهش 89 درصدی پوشش ابر و حفظ صحت دستهصبندی تصاویر به میزان %98 است. در زمینه استفاده از تصاویر دمای روشنایی E-RSMA، میانیابی و gnilpmaser دادهصهای این سنجنده با توجه به قدرت تفکیک مکانی پایین آنصها انجام گرفت. در این راستا دو روش میانیابی WDIE و WDIGD2 توسعه داده شده و اثر آنصها در بهبود قدرت تصاویر دمای روشنایی در توصیف تغییرات آب معادل برف ارزیابی شد. نتایج نشان داد هر دو روش همبستگی میان آب معادل برف و دمای روشنایی را بهبود میصدهند. در این بین روشWDIGD2 عملکرد بهتری از خود نشان داد. به شکلی که این روش توانست میزان همبستگی را تا 71/0 در برخی از ایستگاهصها ارتقا دهد. همچین روش gnilpmaser مساحت پایه به منظور برآورد دمای روشنایی در سطح پیکسلصهای 01 کیلومتری توسعه داده شد. با استفاده از دادهصهای دمای روشنایی میانیابی و elpmaser شده، آب معادل برف در سطح ایستگاه و پیکسلصهای 01 کیلومتری با استفاده از شبکه عصبی مصنوعی برآورد گردید. به منظور بهبود این مدلصها دادهصهای بازتابش سطح، ارتفاع و شیب و شاخصصهای فصلی نیز به عنوان ورودی شبکه عصبی مصنوعی استفاده گردید. نتایج بدست آمده نشان داد که اضافه کردن این ورودیصها توانست در برآورد آب معادل برف در سطح ایستگاه میانگین آماره نش- ساتکلیف مدلصهای کالیبره شده در مرحله تست را از 22/0 به 38/0 و در برآورد آب معادل برف در سطح پیکسل آماره نش- ساتکلیف را از 14/0 به 78/0 بهبود دهد. نهایتا دادهصهای پوشش برف سنجنده مودیس و آب معادل برف برآورد شده با اعمال تغییرات در بخش ذوب برف مدل TAWS به عنوان ورودی مدل مورد استفاده قرار گرفتند. نتایج نشان داد به کارگیری هر دو دسته تصاویر باعث بهبود شبیهصسازی رواناب در حوزه مورد بررسی میصگردد. به طوری که مدل با استفاده از آب معادل برف آماره نش- ساتکلیف رواناب شبیهصسازی شده در دوره تست را از 55/0 به 17/0 و با استفاده از پوشش برف به 97/0 بهبود میصدهد. نتایج این تحقیق نشان میصدهد استفاده از دادهصهای سنجش از دور برف در مدلسازی رواناب در حوزهصهای برفگیر میصتواند به شکل مٶثری دقت مدلصسازی را در این مناطق بهبود دهد.
متن يادداشت
Snow has a key role in hydrologic cycle, it accumulates over cold seasons with low overall water demands, and it melts during warm seasons where demand is high. This makes snow as a storage bank, which stores precipitation in winter and releases it gradually afterwards. Therefore, there is a substantial economic profit from snowfalls due to this storage and release mechanism which reduces reservoir capacities needed to fulfill a specified water demand. Among all other impacts, it is expected that larger reservoir capacities will be needed to fulfill a constant demand due to global warming in most regions of the world. In recent years the potential capabilities of sensors operating in thermal, infrared and microwave regions of the electromagnetic spectrum for snow monitoring have been well demonstrated and several snow products derived from these sensors have been made freely available to the public )e.g. National Snow and Ice Data Center(. The Sensors with visible and near infrared bands allow mapping snow cover extent and deriving related parameters such as the snow cover persistence, with a moderate to high spatial resolution. On the other hand, sensors with microwave bands allow the direct estimate of snow depth and snow water equivalent )SWE(, but with a coarser resolution than the optical ones. In this study, the capability of remotely sensed snow parameters in the improvement of hydrological modeling is investigated. In this context two MODIS and AMSR-E sensors are selected for snow cover and snow water equivalent monitoring, respectively. Cloud obscuration due to cloud coverage in the visible and near infrared wavelengths is the major limitation of optical sensors such as MODIS for snow mapping, especially in mountainous areas which are frequently covered by clouds. This problem is addressed by developing a cloud removal algorithm which employs seasonal superiority of different methods. This algorithm tries to remove clouds as much as possible while preserving the accuracy by considering the best cloud removal method in each month. The results indicated that proposed algorithm is able to reduce cloud coverage 94% while it preserved the accuracy of derived snow cover maps 93% as original images )MOD10A1( in central Alborz region. Applying this algorithm in Sierra Nevada Mountains showed that the presented algorithm could remove 98% of clouds and preserve accuracy at 89% level. To overcome coarse spatial resolution of AMSR-E acquisitions, the resampling and interpolation algorithms are investigated. Two interpolation methods including EIDW and 2DGIDW methods are developed. The effect of interpolation methods on improving correlation between in situ SWE measurements and AMSR-E brightness temperature )BT( data is evaluated. The evaluation results showed that 2DGIDW method performs better than EIDW and could improve Pearson correlation coefficients up to 0.17 in some stations. In addition, areal based resampling method is introduced to resample BT data in 10 Km by 10 Km pixels. SWE values at stations and 10 Km pixels are estimated using Artificial Neural Network )ANN( and interpolated and resampled BT data as inputs respectively. To improve ANN models ability to estimated SWE values, MODIS surface reflectance, elevation, slope and seasonal indexes are added as input to the models. The results showed that adding new inputs could improve Nash-Sutcliffe )NS( criteria of estimated SWE values at stations from 0.22 to 0.83 in test period. Also new inputs could improve NS of estimated SWE at pixel scale from 0.41 to 0.87. Finally estimated SWE and snow coverage values are used as input of Sol and Water Assessment Tool )SWAT(. Utilizing both SWE and SCA values improved simulation of runoff in the selected case study. The NS of simulated runoff in test period improved from 0.55 to 0.71 in the case of using SWE data as input in comparison to standard SWAT model. In addition, utilizing SCA values improved NS of simulated runoff in test period from 0.55 to 0.79. This study finding indicated that using remotely sensed snow parameters could efficiently improve hydrological modeling results.
موضوع (اسم عام یاعبارت اسمی عام)
تقسیم فرعی موضوعی
برف،
تقسیم فرعی موضوعی
تصاویر ماهوارهای
تقسیم فرعی موضوعی
مدلسازی هیدرولوژیک
تقسیم فرعی موضوعی
البرز مرکزی
تقسیم فرعی موضوعی
سیرا نوادا
تقسیم فرعی موضوعی
عمران
عنصر شناسه ای
عمران
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )