شبیه سازی بارش با استفاده از تصاویر سنجنده MODIS و شبکه عصبی مصنوعی

اندازه گیری بارش برای مدل سازی جریان های سطحی، مکان یابی سدها، پیش بینی سیل و خشکسالی و مدیریت منابع آب و طرح های کشاورزی حایز اهمیت است. از چند دهه گذشته، با هدف افزایش دقت ثبت مقادیر بارش و فایق آمدن بر مشکلات ناشی از روش های سنتی اندازه گیری بارش، از داده های ماهواره ای جهت برآورد بارش بهره گرفته شده است. در این پژوهش، از داده های مادون قرمز بازتابی و حرارتی سنجده MODIS و داده های بارش مشاهداتی در دوره آماری 2015-2005 ایستگاه های سینوپتیک شاهرود، دامغان و سمنان جهت شبیه سازی بارش از طریق روش شبکه عصبی مصنوعی (ANN) استفاده شده است. عملکرد شبکه از طریق سه معیار ضریب همبستگی (R) ، ریشه مربعات میانگین خطا (RMSE) و نش ساتکلیف (NS) مورد ارزیابی قرار می گیرد. نتایج نشان می دهند، ترکیب داده های مادون قرمز بازتابی باندهای 18 و 19 طیف الکترومغناطیس شباهت بیشتری با بارش های مشاهداتی دارند، به گونه ای که برای داده های آموزش مقدار R برابر یا 0/97، مقدار NS برابر با 0/94 و مقدار RMSE برابر با 1/03 و برای داده های تست، مقدار R برابر با 0/93، مقدار NS برابر 0/81 و مقدار RMSE برابر با 1/49 می باشند.