چکیده:
ارتقاء اطلاعات کمی به بهبود پیش بینی پارامتر های برف کمک می کند. تاکنون تعاملات بین اندازهی 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 موثر 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 شبکهی عصبی انـتخاب و با استفاده از آنالیز حساسیت مهم ترین پارامترهای تاثـیرگذار در مدل سازی عـمق برف مشخص شد. در مرحلهی بعد با استفاده از مدل رقومی ارتفاع مبنا 9 مدل رقومی ارتفاعی با اندازهی پیکسل متفاوت استخراج گردید. سپس در ادامه پارامترهای موثر در عمق برف با استفاده از 10 مدل رقومی ارتفاع استخراج و بین آن ها و عمق برف نمونه برداری شده یک رابطهی 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 مساله می تواند در کاهش هزینه ها و افزایش دقت برآورد عمق برف کمک بسیاری نماید.
Promotion of scale informaion quantity can improve the prediction of snow parameters. There are limited studies about the interaction on in the pizel size. The aim of this study is investigation on the effect of spatial resolution on predicting snow depth through empirical test of the relationship between some digital elevation models and snow depth modeling using multi variate regression medel. First using Latin Hypercube Sampling (LHS) technique 100 snow depth data and 195 random data were collected. Then a base DEM with 10m resolution was selefcted and 25 terrain parameters were extracted from it as the ANN input. 9 DEMs with different pixel sizes were resampled from the base DEM. Finally effective parameters on sonw depth were estracted from 10 DEMs and their relationship between measured data was calculated usnig a multiple linear regression. The models were compared by RMSE، NMSE، MSE and MAE and the results showed that the DEM with 150m resolution was the best DEM for snow depth simulation. Thus this result can reduce costs and increase the accuracy of estimation of snow depth.
خلاصه ماشینی:
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.
با توجه به اینکه جمع آوری داده های دقیق در این مورد نیازمند صرف وقت و هزینه ی زیادی است ، بنابراین یکی از راه حل های موجود در این خصوص ، داشتن تعداد محدودی اطلاعات نقطه ای و استفاده از روش های درون یابی برای برآورد عمق برف در نقاطی که فاقد آمار مشاهده ای هستند،می باشد (بالک و الدر، ١٨:٢٠٠٠).
سپس به منظور تعیین نقش پیکسل سایز، آبراهه هاو مساحت استخراج شده با استفاده از مدل D٨ با آبراهه های نقشه های ١:٢٥٠٠٠ در اندازه ی 1- Kienzle 2- Lassuewr and Randin 3- Tiang and Wang 4- Rasmus 5- Michele 6- Sharma et al.
با توجه به اینکه تاکنون تعاملات بین اندازه ی پیکسل در مطالعات برف به صورت محدود بررسی شده است ؛ هدف از این تحقیق ، بررسی نقش مقیاس مکانی بر روی مدل سازی عمق برف از طریق آزمودن تجربی تعاملات بین مدل های رقومی ارتفاع باقدرت تفکیک مختلف و پارامترهای مرفومتری مؤثر در مدل سازی عمق برف می باشد.
در این پژوهش ، اقدام به بررسی نقش مقیاس مکانی بر روی پیش بینی عمق برف از طریق آزمودن تجربی تعاملات بین مدل های رقومی ارتفاع با قدرت تفکیک مختلف و پارامترهای مؤثر در مدل سازی عمق برف با استفاده از مدل رگرسیون چند متغیره شده و نتایج کلی زیربه دست آمده است .