قیمت :
55,000 تومان
امتیاز
0
از
0
رأی
بدون امتیاز
0 رای
55,000 تومان
ویژگی های محصول
تعداد دانشجو : 24
نوع دوره: غیرحضوری
سطح دوره: متوسط به بالا
زبان: فارسی
45 دقیقه
175 مگابایت
روش دریافت: دانلود
روش پشتیبانی: تلفنی، ایمیلی، تلگرامی
درصد پیشرفت دوره: %100
1.18k بازدید 0 دیدگاه
حالت مطالعه
دانلود داده های بارش PERSIANN در مقیاسهای زمانی مختلف
بارش به عنوان یکی از مهمترین مولفه های هواشناسی، از اهمیت و نقش بسیار مهمی در درک چرخه آب، مدلسازی هیدرولوژیکی و مدیریت منابع آب برخوردار است (Shayeghi et al., 2019). همچنین این مولفه به عنوان مهمترین ورودی مدلهای هیدرولوژیکی سطح زمین (LSMs) میباشد که به واسطه دارا بودن تغییرات زمانی و مکانی قابل توجه، پیچیدهترین پدیده در چرخه هیدرولوژیکی بشمار میآید. در نتیجه تخمین صحیح این مولفه برای رسیدن به نتایج هیدرولوژیکی قابل اعتماد امری ضروری بوده و عدم دقت در برآورد مقدار بارش میتواند خطای معنیداری در مقدار رواناب شبیهسازی ایجاد نماید. اگرچه بارش ثبت شده در ایستگاه های بارش زمینی همچنان یکی از دقیقترین روشهای اندازهگیری بارش است، اما پایین بودن توان تفکیک مکانی و زمانی شبکه ایستگاههای زمینی (به خصوص در کشورهای در حال توسعه) منجر به ظهور روشهای نوین و منابع جدید تخمین بارش با استفاده از تکنیکهای سنجش از دور شده است. داده های بارشی مبتنی بر تکنیکهای سنجش از دور امکان دسترسی به داده های بارشی با گامهای زمانی و مکانی مختلف را در کمترین زمان ممکن و بدون هیچ هزینه ای میسر میسازند. از مهمترین محصولات بارشی مبتنی بر سنجش از دور که از توان تفکیک مکانی و زمانی مناسبی برخوردار هستند میتوان به PERSIANN (Hsu et al., 1997; Sorooshian et al., 2000)، CMORPH (Joyce et al. (2004، TRMM (Huffman et al. (2004، APHRODITE (Yatagai et al. (2012 و ERA-Interim (Dee et al. (2011 اشاره نمود. در این بخش قصد داریم در مورد یکی از پرکاربردترین محصولات بارش ماهواره ای به نام PERSIANN صحبت کنیم.
در این پایگاه بارشی ارزشمند از الگوريتم شبكه عصبي مصنوعي و تصاوير بازتابش شده مادون قرمز توسط ماهواره هاي زمین مرجع براي تخمین میزان بارندگي استفاده، میشود. الگوريتم PERSIAN ابتدا براساس تصاوير مادون قرمز از ماهواره هاي زمین مرجع بود، سپس به نسخه جديد آن كه در حال حاضر استفاده ميشود، داده هاي مايكروويو نیز اضافه شد كه اين داده هاي جديد براي كالیبراسیون و تنظیم پارامترهاي الگوريتم بكار ميروند. مطالعات اعتبارسنجي نشان ميدهند كه تخمینهاي بارش بطور قابل توجهي توسط تنظیم داده هاي بدست آمده از مادون قرمز با اطلاعات مايكروويو، بهبود يافته اند (Hsu et al., 1997). الگوريتم برآورد بارش PERSIANN بطور كاربردي از سال 1983 با پوشش سراسري از 60 درجه شمالی تا 60 درجه جنوبی، در دسترس میباشد. در ادامه به بررسی جزئیات هر کدام از منابع بارشی مربوط به PERSIANN به طور مختصر شرح داده شده است.
1- محصول PERSIANN
الگوریتم PERSIANN (برآورد بارش از اطلاعات سنجش از دور با استفاده از شبکه عصبی مصنوعی) در سال 1997 توسعه یافته است و بر اساس کار توام اطلاعات ماهواره LEO و نمونههای فرکانس بالا ماهواره GEO میباشد. باتوجه به تصاویر GEO، PERSIANN در ابتدا به طور کلی از بازیابی طول موج مادون قرمز به عنوان ورودی اولیه برای الگوریتم استفاده می نمود؛ در حالی که بدها گسترش یافت تا تصاویر مرئی را هم شامل شود. تصاویر ماکروویو غیرفعال ماهوارههای LEO به طور مداوم برای تعدیل پارامترهای مدل استفاده میشود. الگوریتم PERSIANN یک مدل شبکه عصبی مصنوعی (ANN) بر اساس شبکه feedforward عصبی چندلایه میباشد (Hsu, 1996). این مدل ترکیبی شامل دو فرآیند است. اول، تصاویر مادون قرمز به یک لایه پنهان از طریق یک فرآیند خوشهبندی اتوماتیک به شکلی که به عنوان نقشه مشخصه خودسازماندهی (SOFM) شناخته میشود، منتقل میشود. هدف از این عمل شناسایی و طبقهبندی الگوها در دادههای ورودی است. سپس خوشههای گسسته SOFM در لایه پنهان به یک فضای پیوسته از خروجیها نقشه میشود (مثل میزان بارش). هر دو فرآیند تبدیل دادههای ورودی پنهانشده و خروجی پنهانشده شامل ارزیابی پارامترها است، که به طور معمول با استفاده از ترکیب بارش ماکروویو غیرفعال (PMW) از ماهوارههای مدار پایین زمین است. قابل توجه است که تخمین پارامتر در هر فرآیند میتواند به صورت جداگانه توسط آموزش مدل برای فرآیند اول و انجام شود، در حالیکه برای فرآیند دومی از استراتژی یادگیری تحت نظارت استفاده میشود. چنانچه خوانندگان مشتاق به توضیحات بیشتر از الگوریتم اصلی PERSIANN و بهبودهایی که روی آن انجام شده باشند به (Sorooshian et al, 2002)، (Sorooshian et al., 2000) و (Hsu et al. 1997, 1999, 2007) مراجعه نمایند. این محصول بارشی دارای توان تفکیک مکانی 0.25 درجه و مقیاس زمانی روزانه و ماهانه برای بازه زمانی 2000 تا 2018 برای بخشهای اعظمی از دنیا می باشد.
2- محصول PERSIANN-CCS
PERSIANN-CCS (سیستم طبقهبندی ابر-PEERSIANN) یک مثال از الگوریتمهای مبتنی بر توده ابر است که در آن ویژگیها از پوشش ابر تحت آستانههای دمای مشخصشده استخراج میشوند. الگوریتم PERSIANN-CCS در مقایسه با PERSIANN با تقسیمبندی تصویر ابر تحت آستانههای مختلف دما از تصاویر ابر مادون قرمز استفاده میکند. الگوریتم شامل 4 مرحله است. ابتدا، تصویر ابر مادون قرمز بر اساس آستانههای مختلف دما با استفاده از روش آستانه دمای تدریجی تقسیم میشود. سپس، ویژگیهایی از قبیل درجه حرارت، هندسه و بافت تصاویر تقسیمشده برای تشخیص انواع مختلف ابر و تعیین طبقهبندی تکه ابرها بین 1 تا 400 استخراج میشوند. در مرحله سوم، الگوریتم خوشهبندی SOFM برای طبقهبندی ویژگیهای استخراجشده ابر به دستههای مجزا استفاده میشود. نهایتاً، با ویژگیهای بدست آمده از مرحله قبل، رابطه بین دمای روشنایی و میزان بارندگی با استفاده از تطبیق هیستوگرام و برازش تابع نمایی غیرخطی ایجاد میشود. بارش (PMW) واسنجیشده الگوریتم PERSIANN-CCS در اوایل سال 2014 توسعه یافته است و به عنوان بخشی از الگوریتم NASA GPM IMERG اجرا شده است. برای مطالب جامعتر در مورد الگوریتم کالیبرهشده PMW و PERSIANN-CCS توصیه میشود به (Hong et al., 2004) مراجعه شود. این محصول بارشی دارای توان تفکیک مکانی 0.04 درجه و مقیاس زمانی 1، 3 و 6 ساعته، روزانه و ماهانه برای بازه زمانی 2003 تا 2018 برای بخشهای اعظمی از دنیا می باشد.
3- محصول PERSIANN-CDR
PERSIANN-CDR از الگوریتم اصلاحشده PERSIANN به منظور تولید یک سری زمانی تاریخی از تخمینهای بارش از سال 1983 استفاده میکند. الگوریتم PERSIANNH اساساً بر پایه تصاویر مادون قرمز از ماهوارههای GEO به عنوان ورودی مدل ANN میباشد. به طور مشابه، PERSIANN-CDR از دادههای تصویر مادون قرمز ماهوارههای بینالمللی مختلف GEO که از سال 1979 در تفکیک مکانی 10 کیلومتر و تفکیک زمانی 3 ساعت در دسترس است، استفاده میکند و توسط NOAA تحت پروژه بینالمللی آب و هواشناسی ابر ماهوارهای (ISCCP) پشتیبانی میشود. PERSIANN-CDR از بارش ساعتی 4 مرکز ملی برای پیشبینی محیط زیست (NCEP) برای آموزش مدل ANN استفاده میکند. سپس الگوریتم با پارامترهای ثابت برای تخمین اطلاعات تاریخی اجرا میشود. در مرحله بعد برای کاهش اریبی تخمینهای PERSIANN-CDR با ترکیب دادههای بارش 2.5 درجه ماهانه پروژه جهانی اقلیمشناسی بارش (GPCP) نتایج الگوریتم اصلاح میشود. برای مطالعه موارد جامعتر در مورد الگوریتم PERSIANN-CDR توصیه میشود به منبع (Ashouri et al., 2015) مراجعه شود. این منبع بارشی دارای توان تفکیک مکانی 0.25درجه و مقیاس زمانی روزانه و ماهانه برای بازه زمانی 1983 تا 2017 برای بخشهای اعظمی از دنیا می باشد. در شکل زیر نمونه ای از تغییرات مکانی بارش بدست آمده از این منبع بارشی بر روی کشور ایران نشان داده شده است.
با توجه به اهمیت دسترسی به داده های بارشی در بسیاری از مطالعات اعم از مطالعات هواشناسی، هیدرولوژیکی، خشکسالی و سیلاب، آکادمی علمی آموزشی هیدرولرنینگ اقدام به تهیه “آموزش جامع و کاربردی نحوه دسترسی به داده های مختلف پایگاه بارشی PERSIANN” نموده است. آنچه که در این دوره آموزشی فرا خواهید گرفت به شرح زیر می باشد:
1- آموزش نحوه دانلود داده های بارش ساعتی، روزانه و ماهانه PERSIANN-CCS و PERSIANN به روشهای مختلف (بر اساس کشور، محدوده مشخص، نقطه ای و . . .)
2- نحوه دانلود داده با فرمتهای مختلف مانند: اکسل، NetCDF، Tiff و فرمت ArcGrid
3- آموزش نحوه استخراج سری زمانی از داده های بارشی PERSIANN در محیط نرم افزار کوانتوم جی آی اس (QGIS) .
4- معرفی پلاگین مربوط به استخراج سری زمانی در محیط QGIS
5- نحوه فراخوانی داده های با فرمت NetCDF در محیط ArcGIS.
6- نحوه مقایسه بین محصولات مختلف PERSIANN برای یک منطقه خاص
اگر می خواهید سنجش از دور را به صورت کاربردی فرا بگیرید با
آکادمی هیدرولرنینگ همراه باشید
نکته: با پرداخت هزینه موردنظر تمامی لینکهای موردنظر نمایان شده و می توانید به راحتی اقدام به دانلود آنها نمائید. همچنین یک نسخه از لینکهای موردنظر به ایمیل شما ارسال خواهد شد.
پرداخت از طریق کلیه کارتهای بانکی
برای اطلاع از آخرین محصولات آکادمی هیدرولرنینگ، به کانال تلگرامی ما مراجعه کنید
درخواست مشاوره
برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.
درخواست مشاورهدوره های مرتبط
آموزش جامع و کاربردی مدل یک بعدی و دو بعدی HEC-RAS
در این بسته آموزشی تمامی جزئیات مربوط به مدلسازی هیدرولیکی با استفاده از مدل یک بعدی و دو بعدی نرم افزار HEC-RAS و با پروژه های کاربردی ارائه شده است. این بسته آموزشی مجموعه ای بی نظیر از تمامی ویدئوهای آموزشی آکادمی هیدرولرنینگ با مدل HEC-RAS می باشد. با مطالعه این بسته آموزشی، کاربران می توانند به این مدل تسلط کامل پیدا کرده و برای مقاصد علمی و کاری خود از آن استفاده نمایند.
آموزش کاربردی و مقدماتی ArcGIS 10.2
در این دوره آموزشی به معرفی و آموزش مقدماتی نرم افزار ArcGIS پرداخته شده است.
آموزش شبیه سازی دو بعدی و غیرماندگار سیلاب با مدل HEC-RAS 5
در این دوره آموزشی تمامی جزئیات مربوط به آماده سازی داده ها و مدلسازی دو بعدی با استفاده از مدل عددی HEC-RAS 5 ارائه شده است.
آموزش کاربردی مدلسازی عددی با استفاده از Flow-3D
در این دوره کاربردی به آموزش مقدماتی در مورد نصب نرم افزار و نحوه ساخت یک مدل هیدرولیکی (مدلسازی جریان عبوری از اطراف پایه پل) پرداخته شده است.
آموزش نحوه دستیابی به بانک اطلاعاتی HydroSheds
در این آموزش کاربردی به بررسی نحوه دانلود داده ( مانند مدل ارتفاعی رقومی، شبکه آبراهه ها، مرز حوضه های آّبریز) از بانک اطلاعاتی HydroSheds پرداخته شده است. این داده های برای استفاده در حوضه های فاقد آمار بسیار ارزشمند است.
آموزش جامع پهنه بندی سیلاب در بستر GIS
در این آموزش کاربردی، نحوه استخراج داده های هندسی مدل هیدرولیکی HEC-RAS در بستر GIS و با استفاده از اکستنشن HEC-GeoRAS شرح داده شده است. همچنین آموزش نحوه اجرای مدل هیدرولیکی HEC-RAS و پهنه بندی سیلاب در بستر GIS نیز یکی دیگر از ویژگی های این دوره می باشد.
نظرات
قیمت :
55,000 تومان
امتیاز
0
از
0
رأی
بدون امتیاز
0 رای
55,000 تومان
تعداد دانشجو :
24
نوع دوره: غیرحضوری
سطح دوره: متوسط به بالا
زبان: فارسی
45 دقیقه
175 مگابایت
روش دریافت: دانلود
روش پشتیبانی: تلفنی، ایمیلی، تلگرامی
درصد پیشرفت دوره: %100
1.18k بازدید 0 دیدگاه