محصولات بارش ماهواره ای، یکی از منابع تخمین بارندگی می باشند. با این وجود، برای استفاده در مناطق محلی، و یا برای پارامترسازی مدل های هواشناسی و هیدرولوژیکی در مقیاس های حوضه ای؛ رزولوشن مکانی آنها اغلب درشت است. بنابراین، در این تحقیق یک روش ریزمقیاس نمایی- کالیبراسیون برای تخمین های ماهواره ای مأموریت اندازه گیری بارش جهانی (GPM؛ رزولوشن مکانی 1/0 درجه) از تاریخ 01/04/2014 تا 31/03/2015 به مدت یک سال، با در نظر گرفتن ناهمگنی مکانی در رابطه بین بارش و متغیرهای محیطی، با استفاده از مدل رگرسیون وزنی جغرافیایی مختلط (MGWR) برای استان گلستان، توسعه داده شد. در دستیابی به داده های بارش بهبود یافته با رزولوشن مکانی یک کیلومتر در مقیاس سالانه، نتایج نشان داد که (1) با روش پیشنهادی نه تنها رزولوشن مکانی بهبود یافت، بلکه دقت نیز افزایش پیدا کرد؛ (2) داده های بارش ریز مقیاس شده و کالیبره شده (CC= 0.74, bias= 0.23) عملکرد بهتری از داده های اصلی (CC= 0.58, bias= 0.35) در برابر مشاهدات زمینی داشتند. تفاصيل المقالة

در این پژوهش، پس از معرفی الگوریتم بهینه‌سازی چندهدفه نهنگ، جست و جوی فاخته و مگس میوه عملکرد آن‌ها در قیاس با یکدیگر جهت بهینه‌سازی سیاستهای بهره‌برداری از مخزن سد گلستان به‌صورت چند هدفه مورد مقایسه و ارزیابی قرار گرفت. در این راستا کاهش کمبودهای نیاز آبی اراضی پایین‌دست و مدیریت حجم ذخیره سیلاب به‌عنوان توابع هدف بهینه‌سازی پس از اعمال محدودیت‌های معادله پیوستگی تعریف شدند. سپس بر اساس شاخص‌های ارزیابی عملکرد مدل مشتمل بر معیارهای اطمینان‌پذیری، برگشت‌پذیری، آسیب‌پذیری و پایداری و نتایج حاکی از الگوریتم‌های پیشنهادی در بهینه‌سازی توابع هدف نسبت به یکدیگر مورد ارزیابی قرار گرفت؛ به‌طوری که الگوریتم بهینه‌سازی چندهدفه نهنگ، کمترین مقدار برآوردی در توابع هدف کمینه‌سازی، پایین‌ترین انحراف­معیار و بهترین عملکرد را دارا می‌باشد. همچنین هر دو الگوریتم‌ جستجوی فاخته  و نهنگ به مراتب از الگوریتم مگس­میوه بهتر عمل نموده و در مدت زمان بسیار کمتری به همگرایی می‌رسند. در صورت مقایسه الگوریتم نهنگ به‌عنوان کارآمدترین الگوریتم با الگوریتم مگس­میوه به‌عنوان ناکارآمدترین الگوریتم مقادیر شاخص­های اطمینان‌پذیری و برگشت‌پذیری مدل به‌ترتیب به میزان 44درصد و 52درصد افزایش و آسیب‌پذیری آن به میزان 23درصد کاهش می­یابد. مضاف بر این،نتایج حاصل از روش­های تصمیم­گیری چندمعیاره نیز حاکی از برتری الگوریتم‌ بهینه‌سازی چندهدفه نهنگ می‌باشدکه این مهم، نشان­دهنده عملکرد بهتر الگوریتم نهنگ نسبت به سایر الگوریتم‌ها است. لذا الگوریتم بهینه‌سازی چندهدفه نهنگ از عملکرد و همگرایی مناسب­تری در مقایسه با سایرین برخوردار بوده و الگوریتم‌های چندهدفه جستجوی فاخته و مگس میوه در رده‌های دوم و سوم قرار می‌گیرند. تفاصيل المقالة