پیش بینی تبخیرتعرق بر مبنای بهترین مدل اصلاحی ارائه شده با کاربرد رگرسیون چند متغیره
محل انتشار: اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,246
فایل این مقاله در 9 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:
NCAGM01_207
تاریخ نمایه سازی: 7 آذر 1391
چکیده مقاله:
عمده ترین عامل مصرف منابع آبی در مناطق خشک و نیمه خشک تبخیرتعرق است. لذا آگاهی از روند تغییرات و پیش بینیاین پارامتر نقش اساسی را در برنامه ریزی، توسعه و مدیریت منابع آب ایفا می کند. تبخیر و تعرق می تواند به طور مستقیمتوسط لایسیمتر یا روش بیلان آب اندازه گیری و یا با داده های هواشناسی تخمین زده شود. در این تحقیق با استفاده از داده های هواشناسی ایستگاه سینوپتیک کرج با طول دوره آماری 20 ساله و با به کارگیری نرم افزار Ref-ET مقدار تبخیر تعرق با روش های معتبر موجود در همین نرم افزار مورد ارزیابی قرار گرفته است. با محاسبه ضرایب واسنجی و نمایه های آماری متداول، روش استاندارد شده ایالات متحده امریکا نسبت به سایر روش های دیگر، به عنوان مناس بترین روش در مقایسه با روش ایده آل پنمن مانتیث فائو 56 پیشنهاد شده و در نهایت این مدل، با توجه به ضرایب رگرسیونی خطی درجه 1 و چند جمله ای درجه 2 اصلاح گردیده وبا نرم افزار SPSS از طریق رگرسیون خطی چند متغیره بین داده های اقلیمی موثر بر تبخیر تعرق (دمای متوسط، رطوبت نسبی، سرعت باد و تعداد ساعات آفتابی) و ETo محاسبه شده در مدل اصلاحی رابطه مناسبی جهت پیش بینی ETo سالانه ارائه گردید به طوری که معادله کالیبره شده مورد نظر و از طرف دیگر، معادله پیش بینی کننده ETo سالانه در مقایسه با روش مبنای PMF56 با ضریب تبیین 0/99 و خطای استاندارد 0.176 دارای بالاترین ضریب همبستگی و کم ترین اختلاف با یکدیگر می باشند.
کلیدواژه ها:
نویسندگان
علی گرجی
رئیس گروه طرحهای الگویی مهندسی زراعی دفتر توسعه سامانه های نوین آبیا
لیلا اسکندری
دانشجویان کارشناسی ارشدگروه مهندسی آب دانشگاه آزاد اسلامی واحد شیراز
بهنام محمدی نوزادیان
دانشجویان کارشناسی ارشدگروه مهندسی آب دانشگاه آزاد اسلامی واحد شیراز
حامد جانی پور
دانشجویان کارشناسی ارشدگروه مهندسی آب دانشگاه آزاد اسلامی واحد شیراز
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 :