Χωροχρονική ανάλυση, προσομοίωση και πρόγνωση ξηρασίας στην υδρολογική λεκάνη Πηνειού ποταμού Θεσσαλίας
Περίληψη
Στην παρούσα διατριβή γίνεται μία μεθοδολογική συστημική προσέγγιση της χωροχρονικής πρόγνωσης και προσομοίωσης της ξηρασίας που βασίζεται στη χρήση τεχνικών της υπολογιστικής νοημοσύνης και στην εκμετάλλευση των γεωστατιστικών μεθόδων. Δημιουργείται ένα κατανεμημένο σύστημα έγκαιρης προειδοποίησης και παρακολούθησης της ξηρασίας, που βασίζεται στον μετεωρολογικό δείκτη ξηρασίας Standardized Precipitation Index (SPI) υπολογισμένο σε πολλαπλές χρονικές κλίμακες από μηνιαία βροχομετρικά δεδομένα, στην υδρολογική λεκάνη του Πηνειού ποταμού της Θεσσαλίας. To σύστημα αυτό συνδυάζει ένα υβριδικό χωροχρονικό μοντέλο πρόγνωσης για βραχυπρόθεσμες και μεσοπρόθεσμες επιχειρησιακές δράσεις αντιμετώπισης των επιπτώσεων της ξηρασίας με χωρικές μεθόδους παρεμβολής για την εκτίμηση ψηφιακών τιμών του SPI. Προσδιορίζονται τα βασικά στοιχεία που οφείλει να ενσωματώνει η προτεινόμενη μεθοδολογία (ευκολία α

περισσότερα
Περίληψη σε άλλη γλώσσα
In this study an integrated methodological and systematic approach is developed for spatiotemporal forecasting and monitoring of drought in Pinios river basin, Thessaly, Greece. The methodology is based on the integration of artificial intelligence techniques with geostatistical interpolation methods. The distributed raster-based integrated drought monitoring and forecasting system is demonstrated for operational drought management using the meteorological drought index the Standardized Precipitation Index (SPI). The basic elements of the system are determined, and important issues and processes are analytically discussed, such as the representation of the spatial and temporal simulation error, extraction of optimal design solution in machine learning methods for reliable and accurate spatiotemporal drought forecasting. Each one of the aforementioned elements is considered as cores, where integrated algorithms are applied that combine various computational intelligence techniques such ...