@article { author = {Amini, Yaser and Alipour, Abbas and Hashemi, Seyyed Mostafa and Bagheri SeyeedShokri, Sajjad}, title = {Estimation of snow equivalent water for managing water resources in Kerman Province using passive microwave remote sensing data By the method of artificial neural networksand multiple regression techniques}, journal = {Scientific- Research Quarterly of Geographical Data (SEPEHR)}, volume = {26}, number = {102}, pages = {67-80}, year = {2017}, publisher = {National Geographical Organization}, issn = {2588-3860}, eissn = {2588-3879}, doi = {10.22131/sepehr.2017.27457}, abstract = {Introduction Snow cover represents the amount of stored water, and the water from melting snow plays an important role in the formation of surface water and groundwater in the country's watersheds.  Detection and determination of snow and ice different characteristics by using remote sensing data, which is widely used in hydrology, created new approaches in acquiring needed parameters in Hydrology.Results of the research show that the observations of the guesser have high potentials for detection of snowcover and the use of its data is suggested for calculating water of the equivalent snow in the areas such as Kerman Province which is facedwith the limitation of ground stations.   Materials & Methods Since this area is able to have snow in winter, therefore the data about water equivalent to the snow in this area is necessary for many applications such as hydrology, meteorology, climatology and also producing hydroelectric and flood estimation. In this study, using brightness temperature from the Advanced Microwave Sounding Unit-A (AMSU-A), on board the NOAA satellites and the artificial neural networks as well as multiple regression techniques, the snow water equivalent forthe catchment basins of Tehran in the winter during a 10-year period (2015-2006) has been calculated and verified. In total, data from 5 monitoring stations of snow for 104 days during the study period was used for the estimation and verification.   Results & Discussion Based on the results we obtained, the best estimate is related to the artificial neural networks with an RMSE=0/05, MSE=0/11, Bias= 0/0006 and r=0/14.The results indicate the superiority of the artificial neural networks over the regression method.   Conclusion This results also show that, the observations of this sounding has the high potential for indicating the coverage of snow which are useful information and it is suggested to calculate snow water equivalent in the regions like Kerman where has a limited ground stations of snow measurement.  }, keywords = {Snow Water Equivalent,Advanced Microwave Sounding,Artificial neural networks,Kerman}, title_fa = {برآورد آب معادل برف در استان کرمان جهت مدیریت منابع آب با استفاده از داده های سنجش از دور مایکروویو غیر فعال به روش شبکه های عصبی مصنوعی و تکنیک های رگرسیون چندگانه}, abstract_fa = {پوشش برف معرف میزان آب ذخیره‌شده است و درنتیجه آب حاصل از ذوب برف نقش مهمی را درایجاد رواناب‌های سطحی و آب‌های زیرزمینی در حوضه‌های آبریز کشور ایفا می‌کند. آشکارسازی و تعیین ویژگی‌های مختلف برف و یخ با استفاده از داده‌های سنجش‌ازدور، که در هیدرولوژی کاربرد وسیعی دارد، روش نوینی را در به دست آوردن پارامترهای مورد نیاز هیدرولوژی پدید آورده است. در این تحقیق با استفاده از دمای روشنایی واحد گمانه‌زن مایکروویو پیشرفته A (AMSU-A)، روی ماهواره‌های NOAA، و الگوریتم‌های مختلف بازیابی (رگرسیون، شبکه‌های عصبی مصنوعی و...) آب معادل برف در حوضه‌های آبریز استان کرمان در فصل زمستان طی یک دوره 10 ساله (2015-2006) محاسبه و صحت‌سنجی شده است. به دلیل عدم همزمانی اخذ داده‌های ایستگاهی و گذر ماهواره، طی دوره مورد مطالعه، درمجموع اطلاعات دیده‌بانی شده برای 104 روز از پنج ایستگاه برف سنجی که تقریباً با اطلاعات مایکروویو ماهواره‌ای همزمان بوده‌اند از منطقه تحت بررسی گردآوری‌شده است. براساس نتایج به دست آمده، روش شبکه‌های عصبی مصنوعی با مقادیر شاخص‌های خطا (11/0=MSE و05/0=RMSE) و حجم آب معادل برف (459270000 مترمکعب) و پوشش برف 83/10 درصد روزانه برای 104 روز انتخابی، برآورد بهتری نسبت به روش رگرسیون چندگانه با مقادیر شاخص‌های (51/7=MSE و 74/2=RMSE) و حجم آب معادل برف (530347500 مترمکعب) و الگوریتم بازیابی آب معادل برفِ سنجنده‌یAMSU-A با برآوردهای مقادیر شاخص‌های خطا (66/90=MSE و 52/9=RMSE) و حجم آب معادل برف (338985000 مترمکعب) داشت. این نتایج همچنین نشان می‌دهند که مشاهدات این گمانه‌زن پتانسیل بالایی را برای آشکارسازی پوشش برف دارد و استفاده از اطلاعات آن برای محاسبه آب معادل برف در مناطقی نظیر استان کرمان که با محدودیت ایستگاه‌های زمینی برف سنجی مواجه است پیشنهاد می‌شود. ازآنجایی‌که این منطقه قابلیت ریزش برف را در فصل زمستان دارا می‌باشد بنابراین اطلاعات درباره آب معادل برف در این منطقه برای بسیاری از کاربردهای هیدرولوژی، هواشناسی، اقلیم‌شناسی و همچنین تولید برق‌آبی و پیش‌بینی سیلاب ضروری است.}, keywords_fa = {آب معادل برف,شبکه های عصبی مصنوعی,گمانه زن ماکروویو پیشرفته,استان کرمان}, url = {https://www.sepehr.org/article_27457.html}, eprint = {https://www.sepehr.org/article_27457_40ab8f82d58fe1c207ecd597c2778d9f.pdf} }