NEW BOT Телеграм, страница

288 viewsMahmood khosravi, 07:51

با توجه به مباحث مطرح شده در چند ماه گذشته مبنی بر ابردزدی،اثر فنّاوری هارپ و هاله گرمایشی دریاچه ارومیه بر کاهش ریزش برف کشور نسبت به کشور ترکیه بحث فراوانی شده است هرچند وجود این بحث‌ها در جامعه طبیعی است و حتی امکان مطرح کردن آن در گردهمایی‌های علمی در چارچوب مناظرات و کرسی‌های ترویجی و نظریه‌پردازی وجود دارد ولی از دیدگاه اقلیم شناسان بایستی با استناد به مدارک و نقشه و داده و آمار سخن گفت .شوربختانه دیدگاه مستند در این جستار اندک و کمتر قانع کننده است. هرچند دانش دارای عدم قطعیت‌های فراوان است ولی با اسناد و فرآورده‌های ماهواره‌ای این موضوع توزیع فضایی ریزش برف دست‌کم در طی نیم سده گذشته تغییر ویژه‌ای ندارد کاملاً روشن است.برای اثبات آن دو نمونه بررسی می‌شود.
نخست در بایگانی سازمان ملی هوانوردی و فضایی آمریکا ( (NASAنقشه تغییرات ماهانه پوشش برف کره زمین از سال 2000 تا پایان 2023 به‌صورت پویانمایی نشان می‌دهد که هیچ تغییر معنی‌داری در پوشش فضایی برف در شمال غربی کشور بسته به مناطق مرزی کشور ترکیه مشاهده نمی‌گردد. هرچند تغییرات کمی ریزش برف در مقیاس جهانی بر پایه پژوهش‌ها کاهش دارد.
در سند دوم دو تصویر میانگین بلندمدت تعداد روزهای برف‌پوشان بر پایه داده‌های خام مودیس آکوا (1402-1381) و میانگین بلندمدت تعداد روزهای برف‌پوشان بر پایه داده‌های خام مودیس تررا (1402-1378) به‌وسیله همکار دانشمندم جناب آقای دکتر مسعودیان از فرآورده‌های جدید سنجنده مودیس تهیه‌شده است و الگوی درازمدت ریزش برف را در ایران و شرق ترکیه را نشان می‌دهد و نشانه روشنی است که می‌تواند عدم تغییر الگوی برف‌پوشان را نسبت به شرایط درازمدت اقلیمی را تأیید نماید.ضمن سپاس از آقای دکترمسعودیان به خاطر در استخراج این دو نگاره ارزشمند
به فرمایش شاعر آفتاب آمد دلیل آفتاب

فرآورده‌های جدید پوشش برف سنجنده مادیس ماهواره‌های ترا و اگوا، که در سال 2023 منتشر شدند، دارای ویژگی‌های جدیدی هستند که دقت و قابلیت اطمینان آنها را بهبود می‌بخشد. این ویژگی‌ها عبارت‌اند از:
1- به‌کارگیری داده‌های سنجنده اتمسفر (MODIS Atmospheric Sounding Unit-2) برای بهبود شناسایی برف از ابر در شرایط آسمان ابری.
2- استفاده از مدل‌های یادگیری ماشین برای بهبود تشخیص برف در مناطق با پوشش گیاهی زیاد.
3- ارائه فرآورده‌های پوشش برف با قدرت تفکیک مکانی 250 متر برای مناطق با پوشش برف زیاد.
این ویژگی‌های جدید، فرآورده‌های پوشش برف سنجنده مادیس را برای کاربردهای مختلف، از جمله مدیریت منابع آب، پژوهش‌ها زیست محیطی و پیش‌بینی آب‌وهوا، سودمندتر می‌کند.
استفاده از داده‌های سنجنده اتمسفر (MODIS Atmospheric Sounding Unit-
سنجنده اتمسفر MODIS، که در سال 2011 بر روی ماهواره ترا نصب شد، داده‌هایی در مورد دما، رطوبت و غلظت گازهای مختلف در جو ارائه می‌دهد. این داده‌ها می‌تواند برای بهبود شناسایی برف از ابر در شرایط آسمان ابری استفاده شود. با استفاده از داده‌های سنجنده اتمسفر، می‌توان دما و رطوبت جو در بالای یک پیکسل را تعیین کرد که می‌تواند برای کمک به شناسایی برف از ابر استفاده شود. بهره‌مندی از این داده‌ها باعث بهبود دقت شناسایی برف از ابر در شرایط آسمان ابری تا 20 درصد می‌شود.
بهره‌مندی از مدل‌های یادگیری ماشین:
مدل‌های یادگیری ماشین می‌توانند برای بهبود تشخیص برف در مناطق با پوشش گیاهی زیاد استفاده شوند. این مناطق، مانند جنگل‌ها و مراتع، دارای ویژگی‌های طیفی مشابهی با برف هستند. استفاده از مدل‌های یادگیری ماشین باعث بهبود دقت تشخیص برف در مناطق با پوشش گیاهی زیاد تا 10 درصد می‌شود.
ارائه فرآورده‌های پوشش برف با قدرت تفکیک مکانی 250 متر:
محصولات پوشش برف سنجنده مادیس اکنون باقدرت جداسازی مکانی 500 متر تولید می‌شوند. ولی استفاده از مدل‌های یادگیری ماشین برای تولید فرآورده‌های با قدرت تفکیک مکانی 250 متر، دقت تشخیص برف را در مناطق با پوشش برف زیاد را تا 5 درصد بهبود می‌بخشد.
در مجموع، فرآورده‌های جدید پوشش برف سنجنده مادیس، دقت و قابلیت اطمینان آنها را بهبود می‌بخشد و برای کاربردهای مختلف، از جمله مدیریت منابع آب، پژوهش‌ها زیست‌محیطی و پیش‌بینی آب‌وهوا، سودمندتر هستند.

هفت اقلیم محمود خسروی بهمن ۱۴۰۲

721 viewsMahmood khosravi, edited 20:35