علوم آب و خاک

---

  مدل‌های پیش‌بینی دمای هوا با استفاده از داده‌های ماهواره‌ای، مبتنی بر متغیرهای دمای سطح زمین و شاخص پوشش گیاهی هستند. این متغیرها با اعمال تصحیحات اتمسفری بر روی داده‌های فوق تعیین می‌شوند. میزان بخار آب، اوزن و عمق اپتیکی ذرات معلق در جو از داده‌های مورد نیاز برای تصحیح اتمسفری باندهای مرئی هستند ولی در اغلب مناطق ایران، این پارامترها اندازه‌گیری نمی‌شوند. هم‌چنین با استفاده از روش‌های موجود، دمای سطح زمین تا دقت 2 درجه سانتی‌گراد تعیین می‌شود. در این تحقیق با توجه به محدودیت‌های فوق، دقت پیش‌بینی دمای بیشینه هوا با استفاده از داده‌های بدون تصحیح اتمسفری شده ماهواره نوا و مدل شبکه عصبی مورد بررسی قرار گرفت. برای این منظور، مدل‌های مختلف شبکه عصبی، حاصل از ترکیب‌های مختلف داده‌های 4 باند ماهواره نوا و 3 متغیر جغرافیایی به عنوان ورودی‌های مدل ساخته شدند و بهترین مدل انتخاب شد. نتایج نشان داد، مدل شبکه عصبی با ساختار 6 نرون در لایه ورودی (شامل 4 باند ماهواره نوا، روز شمار سال و ارتفاع زمین) و 19 نرون در لایه پنهان بهترین مدل می‌باشد. در این ساختار حدود 4/91 درصد نتایج در محدوده دقت 3 درجه سانتی‌گراد واقع شدند و معیارهای آماریRMSE ، R²  و MBE به ترتیب 62/0، 7/1 درجه سانتی‌گراد و 01/0- درجه سانتی‌گراد می‌باشند.

---

در این تحقیق روش آماری سنجش از دور برای برآورد تابش خورشید رسیده به زمین با استفاده از داده‌های تصاویر ماهواره نوا سنجنده AVHRR برای منطقه جنوب شرق تهران واسنجی و ارزیابی شد. اساس این روش بر هم‌بستگی خطی بین شاخص ابر برآورد شده از تصاویر ماهواره‌ای و شاخص صافی هوای اندازه‌گیری شده در ایستگاه هواشناسی است. هم‌چنین یک مدل هم‌بستگی چند متغیره برای تبدیل داده‌های پنج باند ماهواره نوا و تابش بیرون زمینی به تابش رسیده به زمین تدوین و با روش آماری بالا مقایسه شد. نتایج نشان داد، مدل هم‌بستگی چند متغیره با ضریب تعیین (R2) و جذر میانگین مربع خطا (RMSE) به ترتیب مساوی 93/0 و 8/5 درصد در مقایسه با روش آماری، با دقت زیادتری تابش رسیده به زمین را برآورد می‌کند.