| هوشمندسازی فراینداصلاح اریبی محصولات بارش ماهواره‌ای و بازتحلیل با استفاده از الگوریتم‌های تقویت گرادیانی (مطالعه موردی: خراسان جنوبی) |
| کد مقاله : 1091-CONFIHA (R1) |
| نویسندگان |
|
سیده زهرا حسینی1، محسن پوررضابیلندی *2، آمنه میان آبادی3 1دانشجوی کارشناسی ارشد، گرایش منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران 2دانشیار،گروه علوم و مهندسی آب، دانشکده کشاورزی،دانشگاه بیرجند، بیرجند، ایران. 3دانشیار، گروه اکولوژی، پژوهشکده علوم محیطی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران. |
| چکیده مقاله |
| دقت تخمین بارش به‌عنوان محرک اصلی چرخه‌های هیدرولوژیکی و تحلیل‌های مهندسی هیدرولیک، نقشی تعیین‌کننده در مدیریت منابع آب دارد. بااین‌حال محصولات بارش ماهواره‌ای و بازتحلیل با عدم‌قطعیت و اریبی‌های سیستماتیک همراه هستند. در این پژوهش عملکرد محصولات GPM-IMERG، ERA5-Land وCHIRPS با استفاده از الگوریتم‌های تقویت گرادیانی XGBoost، LightGBM وCatBoost با بهره‌گیری از متغیرهای کمکی دما و رطوبت نسبی در پنج ایستگاه سینوپتیک خراسان جنوبی طی دوره ۲۰۰۰–۲۰۲۴ ارزیابی شد. نتایج نشان داد که مدل‌های یادگیری ماشین موجب کاهش قابل‌توجه خطا و بهبود شاخص‌های ارزیابی شدند؛ به‌طوری‌که مقدار PBIAS در مرحله آموزش به حدود 4 ± درصد و مقادیر NRMSE در مرحله آزمون به محدوده 60/0 تا 85/0کاهش یافت. همچنین ترکیب ERA5-Land-CatBoost در مرحله آزمون با حفظ مقادیر مناسب KGE و کمترین RMSE (35/1 تا 74/1 میلی‌متر) عملکرد پایدار‌تری نسبت به سایر ترکیب‌ها نشان داد. نتایج بیانگر قابلیت بالای الگوریتم‌های تقویت گرادیانی در بهبود کیفیت محصولات بارش برای مطالعات هیدرولوژیکی مناطق خشک است. |
| کلیدواژه ها |
| بارش ماهواره‌ای، محصولات بازتحلیل، اصلاح اریبی، یادگیری ماشین، الگوریتم‌های تقویت گرادیانی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
