Improving remotely-sensed precipitation estimates over mountainous regions
Dağlık alanlarda uzaktan algılama yöntemi ile yapılan yağış tahminlerinin geliştirilmesi
- Tez No: 341146
- Danışmanlar: DOÇ. DR. İSMAİL YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Meteoroloji, İnşaat Mühendisliği, Meteorology, Civil Engineering
- Anahtar Kelimeler: Orografik yağış, yukarı yönlü hava akımı, SCaMPR, Orographic precipitation, updraft, SCaMPR
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Bölümü
- Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 90
Özet
Ulusal Okyanus ve Atmosfer İdaresi (National Oceanic and Atmospheric Administration - NOAA) Ulusal Hava Durumu Servisi (National Weather Service - NWS) biriminin su baskını uyarı ve şiddetli yağış tahmini çalışmalarına destek kapsamında, NOAA Ulusal Çevre Uydu Veri ve Bilgi Servisi (National Environmental Satellite Data and Information Service - NESDIS) Uydu Uygulama ve Araştırma Merkezi (Center for Satellite Applications and Research - STAR) birimi 1987 yılından beri uydu tabanlı operasyonel yağış tahminleri sağlamaktadır. Uydu tabanlı yağış algoritmalarının iki tanesi Hydro-Estimator (HE) ile Self-Calibrating Multivariate Precipitation Retrieval (SCaMPR)?dir. Uydu tabanlı yağış algoritmaları, tahminlerin devamlı gelişiminin sağlanması için, orografik olaylara ve atmosferik değişkenlere göre uyarlanmalıdır. HE algoritmasının aksine SCaMPR algoritmasıkompleks topoğrafyanın yağış üzerindeki etkisine yönelik herhangi bir düzeltme yapmamaktadır. Bahsedilen SCaMPR algoritmasında yer alan hata yapısı; yukarı yönlü atmosferik hareket olması ve sıcaklık seviyesinin yüksek olması durumunda algoritma tabanlı yağış tahminlerinde değerinden az gösterme olduğunu göstermiştir. SCaMPR algoritmasının aşağı yönlü atmosferik hareket olması ve sıcaklık seviyesinin düşük olması durumunda algoritma tabanlı yağış tahminlerinde ise değerinden fazla gösterme olduğu görülmüştür. Bölgesel tabanlı deneysel yüksekliğe dayalı bir hata düzeltme tekniği ve ayrıca sıcaklığa dayalı bir hata düzeltme tekniği uydu tabanlı yağış ürünlerinin kalitesini arttırmaya yardım edebilecektir. Bu çalışmada, Self-Calibrating Multivariate Precipitation Retrieval (SCaMPR) yağış algoritması için yağış dağılımını geliştirecek, tahmin doğruluğu iyileştirecek ve topoğrafya ve sıcaklı tabanlı hatayı giderecek orografik düzeltme metodu ve sıcaklık düzeltme metodu, meteorolojik ve hidrolojik uygulamalardaki operasyonel tahminler için geliştirilmiştir.
Özet (Çeviri)
In support of the National Oceanic and Atmospheric Administration (NOAA) National Weather Service?s (NWS) flash flood warning and heavy precipitation forecast efforts, the NOAA National Environmental Satellite Data and Information Service (NESDIS) Center for Satellite Applications and Research (STAR) has been providing satellite based precipitation estimates operationally since 1978. Two of the satellite based rainfall algorithms are the Hydro-Estimator (HE) and the Self-Calibrating Multivariate Precipitation Retrieval (SCaMPR). Satellite based rainfall algorithms need to be adjusted for the orographic events and atmospheric variables for the continued improvement of the estimates. However, unlike the HE algorithm, the SCaMPR does not currently make any adjustments for the effects of complex topography on rainfall estimate. Bias structure of the SCaMPR algorithm suggests that the rainfall algorithm underestimates precipitation in case of upward atmospheric movements and high temperature levels. Also SCaMPR algorithm overestimates rainfall in case of downward atmospheric movements and low temperature levels. A regionally dependent empirical elevation-based bias correction technique and also a temperature based bias correction technique may help to improve the quality of satellite-derived precipitation products. In this study, an orographic correction method and a temperature correction method that will enhance precipitation distribution, improve accuracy and remove topography and temperature dependent bias is developed for the Self-Calibrating Multivariate Precipitation Retrieval (SCaMPR) rainfall algorithm to be used in operational forecasting for meteorological and hydrological applications.
Benzer Tezler
- Improving population estimation models using remotely sensed and ordnance survey datasets
Başlık çevirisi yok
MUSTAFA KÖSE
- Digital image processing of remotely sensed oceanographic data
Uzaktan algılanan okyanus verilerinde sayısal görüntü işleme
MÜŞERREF TÜRKMEN
Yüksek Lisans
İngilizce
2008
MatematikOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. BÜLENT KARASÖZEN
YRD. DOÇ. DR. HAKAN ÖKTEM
- Structural scene analysis of remotely sensed images using graph mining
Uydu görüntülerinin çizge madenciliği ile yapısal sahne analizi
BAHADIR ÖZDEMİR
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM AKSOY
- Statistical learning and optimization methods for improving the efficiency in landscape image clustering and classification problems
Görüntü kümelendirme ve sınıflandırma algoritmalarının performansını arttırmak için istatistiksel öğrenme ve optimizasyon metodlarının kullanımı
SELİME GÜROL
Yüksek Lisans
İngilizce
2005
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiPROF.DR. BÜLENT KARASÖZEN
Y.DOÇ.DR. HAKAN ÖKTEM
- Metaheuristic pansharpening based on symbiotic organisms search optimization
Ortak yaşam arama algoritması tabanlı metasezgisel pan-keskinleştirme
ÇİĞDEM ŞERİFOĞLU YILMAZ
Doktora
İngilizce
2020
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ GÜNGÖR