ارزیابی تبخیرتعرق مرجع با استفاده از روش های داده کاوی و مقایسه آن با نتایج سامانه نیازآب در استان قزوین

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 226

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-36-6_005

تاریخ نمایه سازی: 26 فروردین 1402

چکیده مقاله:

برآورد دقیق تبخیر­تعرق مرجع (ET۰) یکی از عوامل مهم برای محاسبه نیاز آبی و آب مصرفی گیاهان زراعی و باغی است. پیچیدگی فرآیند تبخیرتعرق و وابستگی آن به داده­های هواشناسی برآورد دقیق این متغیر را دشوار کرده است. ویژگی غیرخطی، عدم قطعیت ذاتی و نیاز به اطلاعات اقلیمی متنوع در برآورد ET۰ از دلایلی بوده­اند که باعث شده پژوهشگران به­سوی روش­های داده­کاوی همچون شبکه عصبی مصنوعی (ANNs)، جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) روی آورند. در این تحقیق، داده های هواشناسی در بازه زمانی ده ساله (۱۳۹۹-۱۳۸۹) از ایستگاه­های هواشناسی استان قزوین جمع­آوری شد. ابتدا مقادیر ET۰ در سامانه نیاز آب که از روش پنمن-مانتیث محاسبه شد، استخراج گردید. سپس این مقادیر به عنوان مقادیر واقعی (اندازه­گیری شده) با مقادیر تخمینی بدست آمده با روش­های داده­کاوی (ANNs، RF و SVM) ارزیابی شد. جهت اعتبارسنجی نتایج بدست آمده، داده­های هر ایستگاه به دو مجموعه آموزش (دوسوم داده­ها) و آزمون (یک­سوم داده­ها) تقسیم شدند. نتایج بررسی­های آماری و دیاگرام نشان دادند، در هر سه روش استفاده شده با در نظر گرفتن تمامی پارامترهای هواشناسی (میانگین دمای هوا، میانگین رطوبت نسبی، ساعت آفتابی و سرعت باد) به­عنوان ورودی مدل، در ایستگاه سینوپتیک قزوین و ایستگاه کلیماتولوژی نیروگاه رجایی، در هر دو مرحله آموزش و آزمون، ET۰ با دقت بالاتری برآورد شد. همچنین در این تحقیق دقت نتایج روش ANNs نسبت به دو روش دیگر به­طور نسبی بالاتر بوده است. در هر دو مرحله آموزش و آزمون مقادیر NRMSE و R۲ بدست آمده از روش ANNs، در ایستگاه سینوپتیک قزوین برابر و به ترتیب برابر ۱۱/۰ و ۹۷/۰، و در ایستگاه کلیماتولوژی نیروگاه رجایی برابر و به­ترتیب برابر ۱۰/۰ و ۹۷/۰ می­باشد. به­طورکلی نتایج نشان داد که میانگین دمای هوای روزانه مهمترین پارامتر هواشناسی تاثیرگذار در برآورد ET۰ می­باشد.

نویسندگان

آزاده صداقت

موسسه تحقیقات خاک و آب، کرج

نیازعلی ابراهیمی پاک

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

آرش تافته

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

سیده نرگس حسینی

موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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 :
  • Adab, H., Morbidelli, R., Saltalippi, C. Moradian, M.,& Ghalhari, G.A.F, ...
  • Breiman, L. (۲۰۰۱). Random forests. Machine Learn. ۴۵: ۵–۳۲.https://doi.org/۱۰.۱۰۲۳/A:۱۰۱۰۹۳۳۴۰۴۳۲۴ ...
  • Chen, Z., Zhu, Z., Jiang, H., & Sun, S. (۲۰۲۰). ...
  • Dos Santos Farias, D.B., Althoff, D., Rodrigues, L.N., & Filgueiras, ...
  • Fazeli Khiavi, A., Salahi, B., & Goodarzi, M. (۲۰۲۰). Assessment ...
  • Feng, K., & Tian, J. (۲۰۲۱). Forecasting reference evapotranspiration using ...
  • Ferreira, L.B., da Cunha, F.F., de Oliveira, R.A., & Fernandes ...
  • Gavili, S., Sanikhani, H., Kisi, O., & Mahmoudi, M.H. (۲۰۱۸). ...
  • Gopinathan, K.K. (۱۹۸۸). A general formula for computing the coefficients ...
  • Hagan, M.T., Demuth, H.B., & Beale, M.H. (۱۹۹۶). Neural Design ...
  • Hocking, R.R. (۲۰۱۳). Methods and applications of linear models: regression ...
  • Jing, W., Yaseen, Z.M., Shahid, S., Saggi, M.K., Tao, H., ...
  • Kang, T., Li, Z., & Gao, Y. (۲۰۲۱). Spatiotemporal variations ...
  • Karimipour, A., & Banitalebi, G. (۲۰۲۰). Sensitivity analysis of meteorological ...
  • Keikhosravi, G., Rezaee, A., Mohamadi, Z., & Baghaee, M. (۲۰۱۴). ...
  • Majozi, N.P., Mannaerts, C.M., Ramoelo, A., Mathieu, R., & Verhoef, ...
  • Mattar, M.A., (۲۰۱۸). Using gene expression programming in monthly reference ...
  • Monteith, J. (۱۹۶۵). The state andmovement of water in living ...
  • Ndiaye, P.M., Bodian, A., Diop, L., Deme, A., Dezetter, A., ...
  • Panaitescu, L., Ilie, C., Lungu, M., Popescu, M., Lungu, D., ...
  • Picton, P. (۲۰۰۰). Neural Networks, ۲nd edn. Palgrave, New York ...
  • Rai, R., Rajput, M., Agrawal, M., & Agrawal, S. (۲۰۱۱). ...
  • Raza, A., Shoaib, M., Khan, A., Baig, F., Faiz, M.A., ...
  • Raziei, T., Daneshkar Arasteh, P., & Saghafian, B. (۲۰۰۵). Annual ...
  • Saggi, M.K., & Jain, S. (۲۰۱۹). Reference evapotranspiration estimation and ...
  • Shahryar, F., Gandomkar, A., & Hashempour, R. (۲۰۱۹). Optimal locating ...
  • Shiri, J., Marti, P., Karimi, S., & Landeras, G. (۲۰۱۹). ...
  • Singh, A., Haghverdi, A., Öztürk, H.S., & Durner, W. (۲۰۲۰). ...
  • Sandhu, R., & Irmak, S. (۲۰۲۰). Performance assessment of hybrid-maize ...
  • Tabari, H., Martinez, C., Ezani, A., & Hosseinzadeh Talaee, P. ...
  • Üneş, F., Kaya, Y.Z., & Mamak, M. (۲۰۲۰). Daily reference ...
  • Vapnik, V.N. (۲۰۰۰). The nature of statistical learning theory, ser. ...
  • Willmott, C.J., Robeson, S.M., & Matsuura, K. (۲۰۱۲). A refined ...
  • Yang, L., Feng, Q., Li, C., Si, J., Wen, X., ...
  • نمایش کامل مراجع