مدلسازی دمای روزانه و شبانه سطح زمین با استفاده از الگوریتم هوش مصنوعی

مدلسازی دمای سطح زمین نقش مهمی در پایش تغییرات اقلیمی، گرمایش شهری و مدیریت منابع محیطی ایفا می کند. در این پژوهش با استفاده از داده های سنجنده مودیس در محیط گوگل ارث انجین و الگوریتم یادگیری ماشین جنگل تصادفی دمای سطح زمین در سراسر ایران برای بازه های روز و شب مدل سازی شد. نتایج نشان داد که در طی روز دمای سطح زمین بین ۱۴.۸۸ تا ۴۹.۹۳ درجه سلسیوس متغیر بود. در این دوره بیشترین مساحت کشور (۴۴.۶۸ درصد) در محدوده دمای معتدل و کمترین (۳.۴۶ درصد) در محدوده خیلی گرم قرار داشت. در دوره شبانه دما بین ۳.۴۵ تا ۲۶.۰۵ درجه سلسیوس متغیر است و ۶۵.۲۳ درصد از مساحت در محدوده معتدل و ۸.۲۷ درصد در محدوده خیلی گرم قرار دارد که نسبت به روز افزایش قابل توجهی دارد. مدل جنگل تصادفی عملکرد بسیار مطلوبی در پیش بینی دما نشان داد؛ به طوری که ضریب R۲ برای داده های آموزشی در شب و روز به ترتیب ۰.۹۹۳ و ۰.۹۸۷ و برای داده های آزمایشی ۰.۹۶۳ و ۰.۹۲۷ به دست آمد. نتایج این پژوهش نشان می دهد که مدل پیشنهادی دقت بالایی در تخمین الگوهای حرارتی دارد و می تواند به عنوان ابزار موثر در مطالعات اقلیمی و برنامه ریزی محیطی مورد استفاده قرار گیرد.

کلیدواژه ها:

جزایر حرارتی ، جنگل تصادفی ، سنجنده مودیس ، گوگل ارث انجین