برآورد آب معادل برف در استان كرمان جهت مديريت منابع آب با استفاده از داده هاي سنجش از دور مايكروويو غير فعال به روش شبكه هاي عصبي مصنوعي و تكنيك هاي رگرسيون چندگانه

پوشش برف معرف ميزان آب ذخيره شده است و درنتيجه آب حاصل از ذوب برف نقش مهمي را درايجاد رواناب هاي سطحي و آب هاي زيرزميني در حوضه هاي آبريز كشور ايفا مي كند. آشكارسازي و تعيين ويژگي هاي مختلف برف و يخ با استفاده از داده هاي سنجش ازدور، كه در هيدرولوژي كاربرد وسيعي دارد، روش نويني را در به دست آوردن پارامترهاي مورد نياز هيدرولوژي پديد آورده است. در اين تحقيق با استفاده از دماي روشنايي واحد گمانه زن مايكروويو پيشرفته A (AMSU-A)، روي ماهواره هاي NOAA، و الگوريتم هاي مختلف بازيابي (رگرسيون، شبكه هاي عصبي مصنوعي و...) آب معادل برف در حوضه هاي آبريز استان كرمان در فصل زمستان طي يك دوره 10 ساله (2015-2006) محاسبه و صحت سنجي شده است. به دليل عدم همزماني اخذ داده هاي ايستگاهي و گذر ماهواره، طي دوره مورد مطالعه، درمجموع اطلاعات ديده باني شده براي 104 روز از پنج ايستگاه برف سنجي كه تقريباً با اطلاعات مايكروويو ماهواره اي همزمان بوده اند از منطقه تحت بررسي گردآوري شده است. براساس نتايج به دست آمده، روش شبكه هاي عصبي مصنوعي با مقادير شاخص هاي خطا (11/0=MSE و05/0=RMSE) و حجم آب معادل برف (459270000 مترمكعب) و پوشش برف 83/10 درصد روزانه براي 104 روز انتخابي، برآورد بهتري نسبت به روش رگرسيون چندگانه با مقادير شاخص هاي (51/7=MSE و 74/2=RMSE) و حجم آب معادل برف (530347500 مترمكعب) و الگوريتم بازيابي آب معادل برفِ سنجنده يAMSU-A با برآوردهاي مقادير شاخص هاي خطا (66/90=MSE و 52/9=RMSE) و حجم آب معادل برف (338985000 مترمكعب) داشت. اين نتايج همچنين نشان مي دهند كه مشاهدات اين گمانه زن پتانسيل بالايي را براي آشكارسازي پوشش برف دارد و استفاده از اطلاعات آن براي محاسبه آب معادل برف در مناطقي نظير استان كرمان كه با محدوديت ايستگاه هاي زميني برف سنجي مواجه است پيشنهاد مي شود. ازآنجايي كه اين منطقه قابليت ريزش برف را در فصل زمستان دارا مي باشد بنابراين اطلاعات درباره آب معادل برف در اين منطقه براي بسياري از كاربردهاي هيدرولوژي، هواشناسي، اقليم شناسي و همچنين توليد برق آبي و پيش بيني سيلاب ضروري است.

Introduction Snow cover represents the amount of stored and the water from melting snow play an important role in the formation of surface water and groundwater in country watersheds. Detection and determination of snow and ice different characteristics by using remote sensing data, which is widely used in hydrology, created new approaches in acquiring needed parameters in Hydrology.Results of research shows that the observations of the guesser have high potential for detection of snowcover and the use of its data is suggested for calculation of water of snow equivalent in the areas such as Kerman Province which faced with the limitation of ground stations. Materials & Methods Since this area is the ability to have snow in winter so the data about water equivalent to snow in this area is necessary for many applications such as hydrology, meteorology, climatology and also producing hydroelectric and flood estimation. In this study, using brightness temperature from the Advanced Microwave Sounding Unit-A (AMSU-A), on board the NOAA satellites and the artificial neural networks as well as multiple regression techniques, the snow water equivalent forthe catchment basins of Tehran in the winter during a 10-year period (2015-2006) has been calculated and verified. In total, data from 5 monitoring stations of snow for 104 days during the study period was used for retrieval and verification. Results & Discussion Based on the results, which we found, the best estimate is relate to the winter of the artificial neural networks to the regression method with RMSE=0/05, MSE=0/11, Bias= 0/0006 and r=0/14.The results indicate the superiority of the artificial neural networks to the regression method. Conclusion This results also show the observations of this sounding has the high potential for indicating the coverage of snow which are useful information and it is suggested to calculate snow water equivalent in the regions like kerman where has limited ground stations of snow measurement.