قابلیت داده های ترکیبی مادون قرمز و مایکروویو غیرفعال سنجش از دورو تخمین بازندگی و و پای سیلاب (مطالعه موردی: استان گلستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه شهید بهشتی

2 سازمان هواشناسی ایران

چکیده

طی چند سال اخیر به هنگام فصول گرم، در اثر بارندگی شدید و ناگهانی در استان گلستان سیل های مخربی رخ داده که در پی آن، خسارات سنگینی به منطقه وارد آمده است. از آنجا که شدت بارندگی در منطقه بسیار متغیر است و ایستگاه های زمینی نمی توانند این تغییرات را به خوبی نمایش دهند، لزوم به کارگیزی سنجش از دور در تخمین بازندگی بیش از پیش نمایان می گردد. در الگوریتم های تخنین بازندگی ماهواره ای اغلب از داده هایمادون قرمز و مایکروویو غیر فعال استفاده می شود. داده های مادون قرمز دارای قدرت تفکیکزمانی بالای هستند (هر نیم ساعت یک تصویر) اما توان نفوذ در ابر را ندارند. در مقابل، داده های مایکروویو غیر فعال از ابر عبور می کنند و تخمین دقیق تری از نرخ بازندگی می دهند اما قدرت تفکیک زمانی پایین تری ( هر روز دو تصویر) دارند. در نتیجه با ترکیب این دو سری داده می توان ضمن حفظ مزایا، معایب را تا حد امکان کاهش داد. در تحقیق حضار، اقبلیت الگوریتم، ترکیبی همسان سازی احتمال داده های Meteosat و TRMM در تخمین بارندگی شدید نوزدهم مرداد 1384 ( دهم اوت 2005) که منجر به وقوع سیل گردید مورد بررسی قرار گرفت و با کمک مدل هیدرولوژی GeoSFM به پایش سیلاب پرداخته شد. نتایج به دست آمده، نشان می دهد که بین تخمین ماهواره و مشاهدات زمینی همبستگی 533/0 وجود دارد و RMSE و MAD معادل 74/9 و 67/6 است. همچنین مشاهده گردید که خاک در اکثر زیر حوضه های جنوب شرقی منطقه رخ می دهد، که حداکثر حجم آن همزمان با بارندگی شدید است.

کلیدواژه‌ها

عنوان مقاله [English]

Capability of Infrared & Passive Microwaves Remotely Sensed Data for Rainfall Estimation and Flood Monitoring (Case Study: Golestan Province, Iran)

چکیده [English]

Among all kinds of natural hazards in the world, flood is probably the most devastating, wide spread and frequent one that often results from excessive rainfall within a short period of time. Due to excessive rainfall during warm seasons, Golestan province has encountered with severe floods in recent years. Since rainfall intensity in this area is variable, the rain gauge cannot illustrate this variation, so that using remote sensing for rainfall estimation is inevitable. Satellite rainfall estimation algorithms frequently use infrared (IR) and Passive Micro Wave (PMW) data. IR data have high spatial and temporal resolution but cannot penetrate clouds; whereas PMW data can penetrate and estimate rainfall more accurately but have lower spatial and temporal resolution. Thus, by combining these two datasets, the advantage of reducing deficiencies can be achived.
This paper describes the ability of combined METEOSAT and TRMM data for rainfall estimation of 10th of August 2005 and its application in flood monitoring in Golestan province. For flood monitoring the Geospatial Stream Flow Model (GeoSFM) was used. The correlation between predicted and rain gauge data was found to be 0.533; also calculated RMSE and MAD were 9.74 and 6.67 respectively. It was also distinguished that as the most sub-basin in the catchment had dried soil before raining in 10th of August, eastern and southeastern parts of the catchments (the place of exteme raining) were expreinced high flow of runoff. Hydrograph also showed that the maximum runoff occurred at 10th of August and after that time runoff decreased, but the decreasing slope is slight. The reason for this behavior seems to be the soil moisture and reduction in soil penetration due to extreme rainfall.

کلیدواژه‌ها [English]

  • Rainfall
  • Flood monitoring
  • Remote sensing
  • Probability matching method
  • GeoSFM

فایل ها

هم رسانی

ارجاع به این مقاله

آمار