Publisher of Iranian Journals and Conference Proceedings

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

ریزمقیاس سازی داده های بارش ماهواره TRMM به کمک داده های NDVI، مدل رقوم ارتفاعی و دمای سطح زمین با استفاده از مدل های یادگیری رگرسیونی

سال انتشار: 1401
کد COI مقاله: JR_JWEM-14-3_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 ریزمقیاس سازی داده های بارش ماهواره TRMM به کمک داده های NDVI، مدل رقوم ارتفاعی و دمای سطح زمین با استفاده از مدل های یادگیری رگرسیونی

مهدی مهبد - استادیار، دانشکده کشاورزی، دانشگاه جهرم
سعیده صفری - کارشناس ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه جهرم
محمد رفیع رفیعی - استادیار، دانشکده کشاورزی، دانشگاه جهرم

چکیده مقاله:

تعیین الگوی مکانی بارش در یک حوزه آبخیز، اهمیت فراوانی برای محاسبه کمیت هایی مانند دبی رواناب یا میزان رطوبت خاک دارد. محدودیت تعداد ایستگاه های هواشناسی و همچنین، تغییرپذیری مکانی بارش، مانعی در برابر تخمین مکانی دقیق بارش هستند. توسعه فناوری سنجش از دور و امکان استفاده از محصولات بارش تولید شده به وسیله سنجنده های ماهواره، مسیر دستیابی به الگوهای دقیق مکانی بارش را هموار کرده است. بزرگ مقیاس بودن مکانی نتایج محصولات بارش ماهواره ای، لزوم توسعه روش های ریزمقیاس سازی را برجسته می کند. در این پژوهش، داده­ های بارش TRMM با استفاده از شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، میانگین دمای روزانه، شبانه و اختلاف دمای شبانه روز در سطح زمین، مختصات و ارتفاع مرکز پیکسل ها برای رسیدن به تفکیک مکانی بالاتر، با جعبه ابزار یادگیری رگرسیونی در محیط نرم افزار MATLAB، برای ۱۹ مدل در سال های ۲۰۰۱ الی ۲۰۱۷ ریزمقیاس سازی شده است. این مدل ها به پنج دسته کلی رگرسیون خطی، درخت تصمیم، بردار پشتیبان، مدل های ترکیبی و مدل های گاوسی تقسیم می شود. از بین این ۱۹ مدل، مدل مربوط به دسته مدل های ترکیبی در همه سال ها دارای جذر میانگین مربعات خطای کمتر و ضریب همبستگی بیشتری بودند. همچنین، برای واسنجی کردن نتایج ریزمقیاس سازی، از دو روش فاصله اصلاح جغرافیایی و نسبت اصلاح جغرافیایی استفاده شد که روش فاصله اصلاح جغرافیایی در همه مدل ها دارای خطای کمتری بود. 

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JWEM-14-3_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/1495749/

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:
مهبد، مهدی و صفری، سعیده و رفیعی، محمد رفیع،1401،ریزمقیاس سازی داده های بارش ماهواره TRMM به کمک داده های NDVI، مدل رقوم ارتفاعی و دمای سطح زمین با استفاده از مدل های یادگیری رگرسیونی،https://civilica.com/doc/1495749

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: (1401، مهبد، مهدی؛ سعیده صفری و محمد رفیع رفیعی)
برای بار دوم به بعد: (1401، مهبد؛ صفری و رفیعی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 437
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