بررسی عملکرد الگوریتم های تخمین غلظت گاز گلخانه ای CO۲، براساس داده های ماهواره گوست (GOSAT) و ایستگاه های زمینی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 399
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-12-3_002
تاریخ نمایه سازی: 24 شهریور 1400
چکیده مقاله:
افزایش سطح غلظت گازهای گلخانه ای و به تبع آن، گرم شدن کره زمین و تغییرات آب وهوایی یکی از مهم ترین چالش های قرن بیست ویکم شناخته شده است. این پژوهش عملکرد الگوریتم های موجود در بازیابی غلظت گازهای گلخانه ای دی اکسید کربن را، براساس داده های مشاهداتی ماهواره نظارت بر گازهای گلخانه ای گوست (GOSAT)، در مقایسه با داده های مرجع به دست آمده از شبکه سطحی (TCCON)، در هشت سایت منتخب در دوره زمانی ۲۰۱۵-۲۰۱۱ بررسی می کند. الگوریتم های مورد ارزیابی عبارت اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده اند تا از مقادیر مولکولی هوای خشک اتم دی اکسید کربن (XCO۲) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده شده نشان می دهد که، در بیشتر ایستگاه های زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکه سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه ها، متعلق به الگوریتم NIES در یک میانگین پنج ساله (۲۰۱۵-۲۰۱۱) است.
کلیدواژه ها:
نویسندگان
سمیرا کرباسی
دانشجوی دکتری هواشناسی دانشگاه هرمزگان
حسین ملکوتی
دانشیار علوم و تکنولوژی محیط زیست
مهدی رهنما
دانشیار سنجش از راه دور، پژوهشکده هواشناسی، گروه کاوش های جوی
مجید آزادی
دانشیار، پژوهشکده هواشناسی، گروه پژوهشی هواشناسی سینوپتیکی و دینامیکی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :