МАШИНАЛЫҚ ОҚЫТУДЫ ҚОЛДАНА ОТЫРЫП ЖАЙЫҚ (ОРАЛ) ӨЗЕНІ БАССЕЙНІ ҮШІН GRACE СПУТНИКТІК ГРАВИМЕТРИЯ ДЕРЕКТЕРІНІҢ КЕҢІСТІКТІК АЖЫРАТЫМДЫЛЫҒЫН ЖАҚСАРТУ ТӘЖІРИБЕСІ
Article Sidebar
Main Article Content
Аңдатпа
Мақалада Жайық (Орал) өзені бассейні үшін grace спутниктік гравиметриялық деректерінің кеңістіктік ажыратымдылығын жақсарту үшін машиналық оқытуды қолдану бойынша зерттеу ұсынылған. Жұмыс аймақтық деңгейде су ресурстарын егжей-тегжейлі талдауды қиындататын grace деректерінің төмен кеңістіктік ажыратымдылығы мәселесін шешуге бағытталған. Зерттеу әдістемесі Random Forest моделін қолдана отырып. масштабты азайтудың статистикалық әдісін қолданады. Кеңістіктік ажыратымдылықты жақсарту үшін сандық рельеф моделін. өсімдік жамылғысының индекстерін (NDVI) және су бетінің индекстерін (ndwi) қамтитын қосымша мәліметтер жиынтығы қолданылды. Зерттеу нәтижелері ұсынылған Әдістеменің тиімділігін көрсетті: жақсартылған деректер жалпы статистикалық қасиеттерді сақтай отырып, су қабатының баламалы қалыңдығының дәл таралуын қамтамасыз етеді. Пирсонның корреляция коэффициенті 0.9424 болды. бұл нәтижелердің сенімділігінің айтарлықтай дәрежесін білдіреді. Бұл зерттеудің практикалық маңыздылығы Су ресурстарын бағалауды жақсарту, гидрологиялық оқиғаларды болжау және Жайық өзені бассейніндегі климаттың өзгеруіне бейімделу жоспарларын әзірлеу үшін әзірленген тәсілді перспективалық қолдану болып табылады.
Article Details
##submission.citations##
Chen J., et al, Global Ocean Mass Change From GRACE and GRACE Follow-On and Altimeter and Argo Measurements // Geophys Res Lett, Blackwell Publishing Ltd. – 2020. − Vol. 47. − № 22.
Плеханов П. А., Гидрологические риски природного характера и их предупреждение в Казахстане // Центрально-азиатский журнал исследований водных ресурсов. − 2017, – Вып, 3, – № 1, – С, 19–25,
Tulemisova G., et al, Ecological state of the river Ural // Chemical Bulletin of Kazakh Nation-al University. − 2017. − № 2. − P. 18–24.
Plekhanov P. A., Medeu N. N., Skufin P, Hydrological risks and their prevention in Kazakh-stan // International Journal of Hydrology. − 2019. − Vol. 3. − № 1.
Gyawali B., et al, Filling Temporal Gaps within and between GRACE and GRACE-FO Ter-restrial Water Storage Records: An Innovative Approach // Remote Sens (Basel). − 2022. − Vol 14. − № 7. − P. 1565.
Revilla-Romero B., et al, On the use of global flood forecasts and satellite-derived inundation maps for flood monitoring in data-sparse regions // Remote Sens (Basel), Multidisciplinary Digital Publishing Institute. − 2015. − Vol. 7. − № 11. − P. 15702–15728.
Chang L., Sun W., Consistency analysis of GRACE and GRACE-FO data in the study of global mean sea level change // Geod Geodyn, KeAi Communications Co. − 2022. − Vol. 13. − № 4. − P. − 321–326.
Liu Y., G. W., F. J., Z. K. A Summary of Methods for Statistical Downscaling of Meteoro-logical Data // Advances in Earth Science. − 2011. – Vol. 26. − № 8. − P, 837.
Chen L. et al. Downscaling of GRACE-derived groundwater storage based on the random forest model // Remote Sens (Basel), MDPI AG. − 2019. − Vol. 11. − № 24.
Hu Z, et al, Temporal and spatial variations in the terrestrial water storage across Cen-tral Asia based on multiple satellite datasets and global hydrological models // J Hydrol (Amst), 2021. − Vol. 596. − P. 126013.
Peng Y. et al. Future challenges of terrestrial water storage over the arid regions of Central Asia // International Journal of Applied Earth Observation and Geoinformation. − 2024. − Vol. 132. − P. 104026.
Mannig B. et al. Dynamical downscaling of climate change in Central Asia // Glob Planet Change. − 2013. − Vol. 110. − P. 26–39.
Yin W. et al. Improving the resolution of GRACE-based water storage estimates based on machine learning downscaling schemes // J Hydrol (Amst). − 2022. − Vol. 613. − P. 128447.
Jyolsna P.J., Kambhammettu B.V.N.P., Gorugantula S. Application of random forest and multi-linear regression methods in downscaling GRACE derived groundwater storage changes // Hydrological Sciences Journal. − 2021. − Vol. 66. − № 5.
Lehner B., Verdin K., Jarvis A., HydroSHEDS Technical Documentation. World Wildlife Fund US. Washington. HydroSHEDS Technical Documentation. World Wildlife Fund US. Washington. 2006.
Jet Propulsion Laboratory (JPL). GRACE/GRACE-FO Monthly Mass Grids - JPL Global Mascons.
Saberi A. et al. Accuracy assessment and improvement of SRTM. ASTER. FABDEM. and MERIT DEMs by polynomial and optimization algorithm: A case study (Khuzestan Province. Iran) // Open Geosciences. − 2023. − Vol. 15. − № 1.
Davis E.. Wang C.. Dow K. Comparing Sentinel-2 MSI and Landsat 8 OLI in soil sa-linity detection: a case study of agricultural lands in coastal North Carolina // Int J. Remote Sens. Taylor & Francis. − 2019. − Vol. 40. − № 16. − P. 6134–6153.
Maselli F. et al. Evaluation of Terra/Aqua MODIS and Sentinel-2 MSI NDVI data for predicting actual evapotranspiration in Mediterranean regions // Int J Remote Sens. Taylor & Francis. − 2020. − Vol. 41. − № 14. − P. 5186–5205.
Yang X. et al. Mapping of urban surface water bodies from sentinel-2 MSI imagery at 10 m resolution via NDWI-based image sharpening // Remote Sens (Basel). − 2017. − Vol. 9. − № 6. − P. 1–19.
Kumar L., Mutanga O. Google Earth Engine Applications // Google Earth Engine Ap-plications. − 2019.
Breiman L. Random forests // Mach Learn. Springer. − 2001. − Vol. 45. − № 1. − P. 5–32.