ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان

سال انتشار: 1394
کد COI مقاله: JR_GIRS-6-4_005
زبان مقاله: فارسیمشاهده این مقاله: 47
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان

عزیز عظیمی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه شهید چمران اهواز
کاظم رنگزن - دانشیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
مصطفی کابلی زاده - استادیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
محمد خرمیان - دکتری آبیاری و زهکشی، مرکز تحقیقات کشاورزی صفی آباد دزفول

چکیده مقاله:

تبخیر و تعرق یکی از مهمترین عوامل اتلاف آب می­باشد. تبخیر و تعرق یک پدیده پیچیده­ای است که به عوامل و داده­های زیادی بستگی دارد، بنابراین برآورد دقیق میزان تبخیر و تعرق، بسیار مشکل و پرهزینه می­باشد. هدف از این مطالعه برآورد تبخیر و تعرق با استفاده از الگوریتم توازن انرژی سطحی برای زمین (سبال) و همچنین ارزیابی عملکرد شبکه­های عصبی مصنوعی در برآورد تبخیر و تعرق   می­باشد. جهت محاسبه میزان سبال تبخیر و تعرق، روش الگوریتم سبال بوسیله تصاویر ماهواره­ای مورد استفاده قرار گردید. در این تحقیق از چهار تصویر لندست 8 استفاده شد که مقایسه نتایج بدست آمده از دو روش، سنجش از دور و معادله پنمن- مانتیث- فائو، نشان می‌دهد که میانگین مربعات خطا (MSE) 54/1 و میانگین خطای مطلق (MAE) 04/1 میلیمتر در روز می‌باشد. برای حل پیچیدگی فرآیند تبخیر، از شبکه‌های عصبی مصنوعی برای پیش­بینی تبخیر از تشت بر اساس داده‌های هواشناسی استفاده گردید. در این تحقیق شبکه پرسپترون با الگوریتم پس انتشار خطا برای آموزش آن استفاده شد. برای آموزش شبکه از داده­های اقلیمی روزانة 13 ساله ایستگاه صفی­آباد دزفول استفاده شد. نتایج حاصل از محاسبات نشان داد بهترین شبکه، شبکه‌ای با همه ورودی‌ها، با یک لایه پنهان و 28 نرون در لایه میانی می‌باشد. نتایج پیاده­سازی این شبکه نشان­دهنده، شاخص­های آماری معیارهای میانگین مربعات خطا (MSE) 0032/0، میانگین خطای مطلق (MAE) 0445/0 و ضریب تبین (R2) 9609/0 می‌باشد. مقایسه نتایج بدست آمده از روش شبکه­های عصبی مصنوعی با روش پنمن- مانتیث- فائو نشان می‌دهد که میانگین مربعات خطا (MSE) 11/1 و میانگین خطای مطلق (MAE) 52/0  میلی­متر در روز می‌باشد. این نتایج، بیانگرعملکرد بهتر شبکه‌های عصبی مصنوعی نسبت به روش سنجش از دور در برآورد میزان تبخیر و تعرق می‌باشد.

کلیدواژه ها:

تبخیر و تعرق, سنجش از دور, الگوریتم سبال, شبکه‌های عصبی مصنوعی, معادله پنمن- مانتیث- فائو

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_GIRS-6-4_005 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1166196/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عظیمی، عزیز و رنگزن، کاظم و کابلی زاده، مصطفی و خرمیان، محمد،1394،برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان،https://civilica.com/doc/1166196

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، عظیمی، عزیز؛ کاظم رنگزن و مصطفی کابلی زاده و محمد خرمیان)
برای بار دوم به بعد: (1394، عظیمی؛ رنگزن و کابلی زاده و خرمیان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • 1. اصغرزاده، ح. ع. و ح. ثنایی­نژاد. 1385. تخمین تبخیر ...
  • 2. امیدی، ر. و ف. رادمنش.1392. برآورد تبخیر و تعرق ...
  • 3. امینی بازیانی، س.، م. اکبری و ح. زارع ابیانه.1391.برآورد ...
  • 4. بیات ورکشی، م.، ح. زارع ابیانه و ع. قاسمی. ...
  • 5. ثنایی­نژاد، ح.، س. نوری و م. هاشمی­نیا. 1390. برآورد ...
  • 6. حسن­پور، ب.، ف. میرزایی، ص. ارشد وس. ف. ریاضی. ...
  • 7. رحمانی، غ. ر. 1390. شبیه­سازی منابع آب زیرزمینی دشت ...
  • 8. شهابی­فر، م.، م. عصاری، م. کوچک­زاده و س. م. ...
  • 9. عبدلی، ح.، س. اسلامیان و ج. عابدی کوهپایی. 1389. ...
  • 10. قبادیان، ر. 1388. ارزیابی دقت روش شبکه‌های عصبی مصنوعی ...
  • 11. قمری­نیا، ه .، و. رضوانی، گ. مهدی­آبادی و س. ...
  • 12. کریمی، ع. ر.، ب. فرهادی بانسوله و ه. حصادی. ...
  • 13. گنجی­زاده، ر. 1392. ارزیابی مقدار تبخیر و تعرق با ...
  • 14. محسنی ساروی، م.، ح. احمدی و ک. نصرتی. 1389. ...
  • 15. نیاز علیزاده مقدم، ع. 1386. پیش­بینی عددی ماکسیمم دمای ...
  • 16. هژبر، ح. 1391. مقایسه تبخیر و تعرق پتانسیل با ...
  • 17. وزیری، ژ . و ع. سلامت. 1387. تبخیر و ...
  • 18. Allen R, Irmak A, Trezza R, Hendrickx JM, Bastiaanssen ...
  • 19. Allen R, Tasumi M, Trezza R, Waters R, Bastiaanssen ...
  • 20. Bastiaanssen W, Noordman E, Pelgrum H, Davids G, Thoreson ...
  • 21. Compaoré H, Hendrickx JM, Hong S-h, Friesen J, van ...
  • 22. Kişi Ö, Öztürk Ö. 2007. Adaptive neurofuzzy computing technique ...
  • 23. Laaboudi A, Mouhouche B, Draoui B. 2012. Neural network ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 15,333
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی