ارایه تکنیک پیش بینی غیر- نظارت شونده در برآورد تبخیر-تعرق گیاه مرجع
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 189
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-11-3_004
تاریخ نمایه سازی: 30 بهمن 1401
چکیده مقاله:
تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روش های مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روش ها دارای محدودیت هایی هستند. به عنوان مثال، از محدودیت های روش های اندازه گیری مستقیم می توان به عدم دقت وسایل اندازه گیری و مسائل مربوط به مقیاس اشاره کرد، در حالیکه روش های غیر مستقیم نظیر معادله پنمن-مانتیث، به پارامترهای اقلیمی روزانه زیادی نیاز دارند. در این تحقیق سعی گردید از روش نگاشت خود-سامان به عنوان یک روش شبکه عصبی مصنوعی غیر نظارت شونده در پیش بینی تبخیر-تعرق با حداقل پارامترهای هواشناسی به عنوان ورودی، استفاده گردد. براساس شاخص های ارزیابی خوشه بندی فازی، مقادیر ETo در مشهد به دو خوشه با تبخیر-تعرق کم و زیاد تقسیم شد که با اقلیم منطقه مطابقت نشان داد. همچنین به منظور ارزیابی کارایی مدل ارائه شده از معیارهای آماری شامل (ریشه میانگین مربعات خطا، ضریب تعیین ومعیار ناش-ساتکلیف) استفاده گردید و نتایج حاصله با برآوردهای حاصل از مدل های تجربی مقایسه گردید. نتایج حاصله نشان داد که حتی ساده ترین مدل نگاشت خود-سامان با ترکیب متوسط دمای هوا و حداکثر ساعات آفتابی به عنوان ورودی نیز خطای کمتری نسبت به معادلات تجربی دارد.
کلیدواژه ها:
نویسندگان
فرهاد فرسادنیا
دانشجوی دکتری آبیاری و زهکشی/ دانشکده کشاورزی، دانشگاه فردوسی مشهد، ایران
سعیده زحمتی
دانشجوی کارشناسی ارشد آبیاری و زهکشی/دانشکده کشاورزی، دانشگاه فردوسی مشهد، ایران
بیژن قهرمان
استاد /گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، ایران
علیرضا مقدم نیا
دانشیار هیدرولوژی، دانشکده منابع طبیعی، گروه احیای مناطق خشک و کوهستانی، دانشگاه تهران، ایران
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 :