برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان
عنوان مقاله: برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان
شناسه ملی مقاله: JR_GIRS-6-4_005
منتشر شده در شماره 4 دوره 6 فصل در سال 1394
شناسه ملی مقاله: JR_GIRS-6-4_005
منتشر شده در شماره 4 دوره 6 فصل در سال 1394
مشخصات نویسندگان مقاله:
عزیز عظیمی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه شهید چمران اهواز
کاظم رنگزن - دانشیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
مصطفی کابلی زاده - استادیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
محمد خرمیان - دکتری آبیاری و زهکشی، مرکز تحقیقات کشاورزی صفی آباد دزفول
خلاصه مقاله:
عزیز عظیمی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه شهید چمران اهواز
کاظم رنگزن - دانشیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
مصطفی کابلی زاده - استادیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
محمد خرمیان - دکتری آبیاری و زهکشی، مرکز تحقیقات کشاورزی صفی آباد دزفول
تبخیر و تعرق یکی از مهمترین عوامل اتلاف آب میباشد. تبخیر و تعرق یک پدیده پیچیدهای است که به عوامل و دادههای زیادی بستگی دارد، بنابراین برآورد دقیق میزان تبخیر و تعرق، بسیار مشکل و پرهزینه میباشد. هدف از این مطالعه برآورد تبخیر و تعرق با استفاده از الگوریتم توازن انرژی سطحی برای زمین (سبال) و همچنین ارزیابی عملکرد شبکههای عصبی مصنوعی در برآورد تبخیر و تعرق میباشد. جهت محاسبه میزان سبال تبخیر و تعرق، روش الگوریتم سبال بوسیله تصاویر ماهوارهای مورد استفاده قرار گردید. در این تحقیق از چهار تصویر لندست 8 استفاده شد که مقایسه نتایج بدست آمده از دو روش، سنجش از دور و معادله پنمن- مانتیث- فائو، نشان میدهد که میانگین مربعات خطا (MSE) 54/1 و میانگین خطای مطلق (MAE) 04/1 میلیمتر در روز میباشد. برای حل پیچیدگی فرآیند تبخیر، از شبکههای عصبی مصنوعی برای پیشبینی تبخیر از تشت بر اساس دادههای هواشناسی استفاده گردید. در این تحقیق شبکه پرسپترون با الگوریتم پس انتشار خطا برای آموزش آن استفاده شد. برای آموزش شبکه از دادههای اقلیمی روزانة 13 ساله ایستگاه صفیآباد دزفول استفاده شد. نتایج حاصل از محاسبات نشان داد بهترین شبکه، شبکهای با همه ورودیها، با یک لایه پنهان و 28 نرون در لایه میانی میباشد. نتایج پیادهسازی این شبکه نشاندهنده، شاخصهای آماری معیارهای میانگین مربعات خطا (MSE) 0032/0، میانگین خطای مطلق (MAE) 0445/0 و ضریب تبین (R2) 9609/0 میباشد. مقایسه نتایج بدست آمده از روش شبکههای عصبی مصنوعی با روش پنمن- مانتیث- فائو نشان میدهد که میانگین مربعات خطا (MSE) 11/1 و میانگین خطای مطلق (MAE) 52/0 میلیمتر در روز میباشد. این نتایج، بیانگرعملکرد بهتر شبکههای عصبی مصنوعی نسبت به روش سنجش از دور در برآورد میزان تبخیر و تعرق میباشد.
کلمات کلیدی: تبخیر و تعرق, سنجش از دور, الگوریتم سبال, شبکههای عصبی مصنوعی, معادله پنمن- مانتیث- فائو
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1166196/