پیش بینی دمای حداقل(سرمازدگی) با استفاده از مدل های تجربی و هوش مصنوعی( مطالعه موردی: استان فارس)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,803

فایل این مقاله در 10 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:

PWSWM02_177

تاریخ نمایه سازی: 12 شهریور 1392

چکیده مقاله:

یکی از مسائلی که تولیدات کشاورزی را در نقاط مختلف دنیا تهدید می کند، سرمازدگی و یخبندان است. به همین دلیل پیشبینی وقوه دماهای صدمه زننده به گیاهان (سرمازدگی) یکی از مباحث بنیادی در مدل سازی های هواشناسی کشاورزی است. دراین مطالعه چهار ایستگاه سینوپتیک شیراز، آباده، درودزن و لار واقع در استان فارس که دارای پراکنش نسبتا مناسبی در سطح استان فارس هستند انتخاب و اطلاعات روزانه دمای حداقل، دمای حداکثر و دمای نقطه شبنم در بازه زمانی 1995-2002 استخراج گردید. جهت پیش بینی سرمازدگی از دو مدل تجربی لیناکر و شبکه عصبی مصنوعی استفاده شد. نتایج مدل تجربی لیناکر نشان داد که می توان با استفاده از دمای حداکثر و دمای نقطه شبنم هر روز معین مقادیر دمای حداقل روز بعد را با دقت قابل قبولی پیش بینی کرد. نتایج مدل شبکه عصبی مصنوعی نشان داد که بهترین پیش بینی برای دمای حداقل روز آینده با 1/58 و 1/75 درجه سانتیگراد خطا (RMSE) مربوط به ایستگاه درودزن و شیراز بوده است که ضریب تعیین آنها به ترتیب 96 و 95 درصد میباشد. همچنین کمترین مقدار RMSE بدست آمده با استفاده از مدل تجربی لیناکر مربوط به ایستگاههای درودزن و شیراز به ترتیب با 1/66 و 1/93 درجه سانتیگراد میباشد و ضریب تعیین آنها به ترتیب 95 و 94 درصد میباشد. نتایج نشان داد، هر دو مدل تجربی و شبکه عصبی مصنوعی بهترین نتیجه را در ایستگاههای شیراز و درودزن ارائهکردهاند. در هر حال نتایج نشان دهنده عملکرد بهتر مدل شبکه عصبی مصنوعی نسبت به مدل تجربی لیناکر میباشد. ارزیابیاین مدلها در سایر مناطق کشور توصیه می شود.

نویسندگان

ابوذر قره خانی

دانش آموحته کارشناسی ارشد رشته هواشناسی کشاورزی دانشگاه تهران

نوذر قهرمان

استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، ایران

بهرام بختیاری

ستادیار گروه مهندسی آب،دانشکده کشاورزی،دانشگاه شهید باهنر کرمان،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 :
  • امیر قاسمی، ت. 1381. سرمازدگی گیاهان خطر یخبندانریا، پیش بینی ...
  • پژوهشکده هواشناسی.1383 . گزارش کاهش ضایعات سرمازدگی بر محصولات کشاورزی ...
  • خسروی، م. حبیبی نوخندان، م. و اسماعیلی، ا. 1387. پهنه ...
  • خلجی پیربلوطی، م. سپاسخواه، ع. ر. 1383. بررسی آماری اولین ...
  • خلیلی، ع . 1376. طرح جامع آب کشور، جلد چهارم. ...
  • لیاقت، ع. 1387. بررسی و آنالیز خسارت اقتصادی سرمازدگی 25 ...
  • Attaway, J.A. 1997. A history of Florida Citrus Freezes. Lake ...
  • Carpiro, J. M. 1961. A rational approach to the mapping ...
  • Chuan, C.S.(1997). Weather prediction using artificial neural network. Journal of ...
  • Haykin, S .(1999).Neural networks: a comprehensive foundation. Pearson Education, Singapore ...
  • Linacre, E. (1992). Climate Data and Resource, Routledge: London, 384pp. ...
  • Rezaeian Zadeh, M; Amin, S, .Khalili, D, Singh, V P. ...
  • Rosenberg, N., B. Blad, and S. Rerma. (1983). Microclimate, John ...
  • Rosenberg, N. J. and R. E. Myers. (1962). The nature ...
  • Smith, R. M. (1973). Frost forecasting for Christchurch. New Zeland ...
  • Tiefenbacher, J.P., R.R. Hagelman and R.J. Secora.(2000). California citrus freeze ...
  • WMO. (1981). Guide to agricultural meteorological practices. WMO-No.134, Geneva ...
  • WMO. (2001). Lecture notes for training agricultural meteorological personnel. WMO- ...
  • Ziaee , A. R. Kamgar-Hagh ighi A. Sepaskhah A. R. ...
  • نمایش کامل مراجع