ارزیابی مدل درخت تصمیمM 5 و مدل شبکه عصبی مصنوعی در برآورد تبخیر و تعرق از ترکیب دادههای زمینی و سنجش از دوری مطالعه موردی: حوزه آبریز دریاچه ارومیه- ایستگاه تبریز
- سال انتشار: 1397
- محل انتشار: دومین کنفرانس ملی آب و هواشناسی ایران
- کد COI اختصاصی: SNCC02_210
- زبان مقاله: فارسی
- تعداد مشاهده: 765
نویسندگان
دانش آموخته کارشناسی ارشدگروه مهندسی آب، دانشگاه اراک
استادیار گروه مهندسی آب دانشگاه اراک
دانشآموخته کارشناسی ارشدگروه مهندسی آب، دانشگاه اراک
چکیده
تخمین دقیق تبخیر و تعرق یک از عوامل بسیار مهم در کشاورزی و مدیریت منابع آب میباشد. پارامترهایی که در ایستگاه های هواشناسی اندازه گیری میشوند نسبت به زمان و مکان متغیر میباشند. تصاویر ماهواره ای به دلیل پیوستگی مکانی داده ها، کاربرد بهتری برای مطالعات ناحیه ای نسبت به داده های ایستگاه های هواشناسی دارند. در سالیان اخیر مدلهای هوشمند و داده کاوی به عنوان روشی جدید برای مدلسازی روابط پیچیده مورد استفاده قرار میگیرند. در همین راستا برای این مطالعه تبخیر و تعرق مرجع با استفاده از تصاویر ماهواره نوا در دشت تبریز به کمک مدل شبکه عصبی و مدل درختی M5 مورد بررسی قرار گرفت. در این روش برای هر تصویر محدوده های زراعی نزدیک به ایستگاه هواشناسی تبریز با پوشش گیاهی مناسب در هر پیکسل انتخاب و دمای سطحی، تابش فرا زمینی به عنوان متغیر های مستقل و تبخیر و تعرق پنمن مونتیث به عنوان متغیر وابسته برای ورودی مدل شبکه عصبی و مدل درختی M5 جهت برآورد تبخیر و تعرق مرجع انتخاب شد. در این مطالعه تعداد 100 تصویر ماهواره نوا، طی دوره آماری 1998 تا 2002 در طول فصل زراعی انتخاب شد. برای ارزیابی مدلها شاخصهای مجذور میانگین مربعات خطا (RMSE) و میانگین انحراف مطلق (MAE) محاسبه گردید. نتایج نشان داد که ET0 با استفاده از مدل تدوین شده و داده های اختصاص داده شده برای آزمون، با جذر میانگین مربع خطا RMSE=1/29 برای شبکه عصبی و RMSE=1/34 برلی مدل درختی برآورد شده است.کلیدواژه ها
پنمن مونتیث، دمای سطحی زمین، ماهواره NOAA، ایستگاه تبریزمقالات مرتبط جدید
- حکمرانی دریایی ایران به عنوان یک سیستم پیچیده: تحلیل جغرافیای سیاسی با رویکرد هوش مصنوعی و هوش مکانی
- تبیین سناریوهای آینده تقسیمات استان تهران
- آسیبشناسی حمل و نقل و مدیریت ترافیک در شهرداری های نوظهور ایران
- معایب و مشکلات برنامهریزی و سیاست گذاری حوزه فرهنگ شهری در ایران
- سیاست گذاری بهینه در حوزه ترافیک شهری با استفاده از تکنولوژی های هوش مصنوعی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.