پیش بینی توزیع مکانی عمق برف با استفاده از روش رگرسیون کریجینگ و عوارض زمین در منطقه سخوید یزد

پیام:
چکیده:
عمق برف از جمله معمول ترین عواملی است که برای ارزیابی منابع آب در حوزه های کوهستانی مورد استفاده قرار می گیرد. با توجه به چالش های موجود در اندازه گیری داده های برف سنجی نظیر صعب العبور بودن و عدم دسترسی به تمامی نقاط حوزه همواره بخش قابل توجهی از حوزه فاقد داده های برف سنجی می باشد. این در حالی است که اطلاع از توزیع مکانی عمق برف یکی از اساسی ترین نیازهای حوضه های آبخیز جهت تعیین بیلان آبی به شمار می رود. در این تحقیق کاربرد روش رگرسیون کریجینگ بر مبنای الگوریتم M5 درخت تصمیم برای برآورد توزیع مکانی عمق برف مورد سنجش قرار گرفته است. بدین منظور ابتدا با استفاده از نمونه بردار مدل مونت رز و به طور سیستماتیک به برداشت 206 داده عمق برف در ارتفاعات سخوید یزد اقدام گردید. همچنین30 پارامتر ژئومرفومتری از مدل رقومی ارتفاع و با استفاده از نرم افزار SAGA استخراج شدند. نتایج نشان داد که مهم ترین پارامترهای معرفی شده در الگوریتم M5 درخت تصمیم شامل سطح اساس شبکه زهکشی، قدرت آبراهه، شاخص رطوبتی و ارتفاع از دریا می باشد. نتایج ارزیابی مدل رگرسیون کریجینگ بر اساس معیار ضریب همبستگی (90 درصد) نشان از کارایی بالای مدل می باشد. همچنین روش رگرسیون کریجینگ با توجه به ساده بودن محاسبات و کم هزینه بودن جهت تخمین عمق برف مناسب تشخیص داده شده است.
زبان:
فارسی
در صفحه:
41
لینک کوتاه:
magiran.com/p1421446 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!