سنجش صحت مدل‌‌های سرعت باد دریای خزر برای پیش‌بینی روند تغییرات محیط‌زیست با استفاده از gis

دریای خزر بزرگ‌ترین پهنه آبی بسته دنیا دارای ویژگی‌های خاص خود می‌باشد. مطالعه باد به‌عنوان یکی از پارامترهای محیطی از نظر ویژگی‌ها و تغییرات حائز اهمیت می‌باشد. لذا تغییرات زمانی و مکانی سبب تغییر در صحت و دقت منابع مختلف آن می‌شود؛ بنابراین در مطالعه حاضر هدف ارزیابی و هم‌خوانی منابع مختلف ecmwf و ماهواره‌های quickscat و rapidscat در خلال زمان ماموریت این ماهواره‌ها به‌ترتیب از 2000 تا 2009 و 2014 تا 2016 می‌باشد. سپس نتایج حاصله تغییرات ماهانه و مکانی بر صحت و هم‌خوانی داده‌ها اثر دارد. در نهایت هم‌خوانی مکانی داده‌های موجود برای سه بخش دریای خزر ارزیابی شد که در بخش شمال با ضریب همبستگی 59/0 و بخش میانی با ضریب همبستگی 85/0 به‌ترتیب کم‌ترین و بیش‌ترین هم‌خوانی را دارا می‌باشد. نتایج این تحقیق نشان داد در قسمت جنوبی دریای خزر می‌توان از داده‌های سنجش از دوری و مدل‌سازی انرژی باد بهتر بهره برد و در پیش‌بینی‌های تغییرات محیط‌زیست با ضریب اعتماد بالاتری تصمیم‌گیری نمود.

Assessing the accuracy of Caspian Sea wind speed models to predict the trend of environmental change using GIS

The Caspian Sea as the largest closed water body of the world has its own characteristics. The study of wind as one of the environmental parameters is important in terms of features and changes. The temporal and spatial changes of wind results to a a shift in the accuracy of different sources of obtained data. Therefore, the objective of the present study was evaluating and matching the various sources of ECMWF and QuickScat and RapidScat satellites during the missions of these satellites, 2000 to 2009 and 2014 to 2016, respectively. According to the results, the monthly temporal oscillation and spatial variations affect the accuracy and consistency of the obtained wind data. Finally, the local consistency of the data for the three parts of the Caspian Sea was evaluated. The lowest and highest concordance was observed in the northern part with a correlation coefficient of 0.59 and the middle part with a correlation coefficient of 0.85, respectively. The results of this study in the southern part of the Caspian Sea showed that, remote sensing and wind energy modeling data can be used to better understanding and decisions can be made in predicting environmental changes with a higher confidence level