این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سنجش از دور و Gis ایران، جلد ۶، شماره ۳، صفحات ۰-۰
عنوان فارسی محاسبه عدم‌قطعیت محلی و مکانی بارش با استفاده از الگوریتم‌های شبیه‌سازی زمین‌آماری SGS وSGS CO-
چکیده فارسی مقاله از میان روش‌های معمول درون‌یابی، روش‌های کریجینگ و کوکریجینگ به‌عنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درون‌یابی داده‌های بارش دارند. مدل‌های مذکور به‌رغم مزیت‌شان نمایش همواری از پدیده تحت مطالعه به‌دست می‌دهند و چون براساس میانگین محلی داده‌ها عمل می‌کنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر از مقدار واقعی پیش‌بینی می‌کنند. بنابراین استفاده از این مدل‌ها به‌تنهایی در مواردی که هدف ارزیابی میزان ریسک و بررسی تغییرپذیری یک پدیده است، مناسب نیست. تغییرپذیری پدیده با استفاده از عدم‌قطعیت اندازه‌گیری می‌شود. در پژوهش حاضر به‌منظور محاسبه عدم‌قطعیت محلی و مکانی متغیر بارندگی، از الگوریتم‌های شبیه‌سازی زمین‌آماری SGS و CO-SGS استفاده شده است. نتایج تحقیق نشان می‌دهند الگوریتم‌های SGS و CO-SGS در نمونه‌های شبیه‌سازی با بازسازی مقادیر محتمل حداکثر و حداقل و همچنین حفظ دامنه نوسانات بارندگی در هر واحد مکانی، واریانسی نزدیک به واریانس نمونه‌های اصلی تولید می‌کنند. اختلاف واریانس شبیه‌سازی در مقایسه با نمونه اصلی بسیار ناچیز است، درحالی‌که واریانس روش‌های درون‌یابی اختلاف فاحشی با واریانس نمونه‌های اصلی دارد. همچنین نتایج نشان می‌دهند که این الگوریتم‌ها می‌توانند عدم‌قطعیت محلی و مکانی پدیده‌های مکانی ازجمله بارش را به‌درستی محاسبه کنند. کلید‌واژه‌ها : بارندگی، عدم‌قطعیت، شبیه‌سازی زمین‌آماری، الگوریتم SGS، الگوریتم CO-SGS.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Calculation of Local and Spatial Uncertainty of Precipitation Using Geostatistical SGS and CO-SGS Simulation Algorithms
چکیده انگلیسی مقاله Among the usual interpolation methods, kriging and co-kriging are frequently used in the interpolation of precipitation data as one the best linear unbiased estimators, Despite these advantages, there models show smoothness representation and because they are based on regional averages of the data, they predict maximum and minimum values lower and higher than real values respectively. Therefore, using these models alone is not sufficient in cases where the target is assessment of risk and study of variability. Variability of phenomenon could be measured by uncertainty index. In the study in order to calculation of local and spatial uncertainty of precipitation, geostatistical simulation algorithms CO-SGS and SGS were used. The main result of the study showed that, in simulation sample SGS and CO-SGS algorithms would be able generate the Max and Min probable value making variance as close as to the main data. The difference simulation variance is very low with main samples, in contrast, the difference of variance between main samples and interpolation method is very high. The result also showed that the mentioned algorithms could be able to compute the local and spatial uncertainty of the precipitation by different simulation.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اکبر متکان | ali akbar matkan
دانشگاه شهید بهشتی
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

علیرضا شکیبا | alireza shakiba
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

بابک میرباقری | babak mirbagheri
دانشگاه شهید بهشتی
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

رضا فلاحی | reza fallahi
دانشگاه شهید بهشتی
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

نشانی اینترنتی http://scj.sbu.ac.ir/index.php/GIS/article/view/7670
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-392557.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علوم پایه
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات