واسنجی و ارزیابی پنج روش تخمین تبخیر-تعرق مرجع مبتنی بر تشعشع خورشیدی در استان یزد

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 98

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WASO-32-2_009

تاریخ نمایه سازی: 24 دی 1401

Abstract:

هدف این مطالعه مقایسه و واسنحی پنج روش مختلف تخمین تبخیر-تعرق گیاه مرجع در مقیاس داده های نه ساله روزانه در استان یزد می باشد. روش های انتخاب شده شامل هارگریوز - سامانی HS، پریستلی - تیلور PT، تورک Turc، مک کینگ MK و دالتون D بودند. برای این منظور از اطلاعات ده ایستگاه هواشناسی سینوپتیک در دوره آماره ۲۰۱۰ تا ۲۰۱۸ استفاده شد. نتایج روش ها مذکور با روش FPM-۵۶ مورد ارزیابی قرار گرفت. همچنین با استفاده از روش FPM-۵۶ روش های مذکور برای ایستگاه های موردمطالعه واسنجی شدند. برای ارزیابی نتایج از معیارهای آماری RMSE, NS, SI, MAE, R^۲ استفاد شد. نتایج نشان داد که قبل از واسنجی نتایج روش های مختلف اختلاف زیادی با FPM-۵۶ دارند. تنها مدل قابل قبول قبل از واسنجی مدلHS بود. بعد از واسنجی نتایج مدل ها بهبود یافت و مدل D که قبل از واسنجی بدترین مدل بود، بعد از واسنجی بهترین مدل تخمین تبخیر-تعرق در استان یزد در بین پنج روش منتخب شناخته شد. مقادیر میانه مدل D قبل از واسنجی ۸۳/۳=MAE،, R^۲=۰/۸۴۹۹/۱- =NS ,۸۳/۰=SI ,۲۱/۴=RMSE و بعد از واسنجی ۸۳/۰=MAE، ۸۶/۰, R^۲=۷۲/۰= NS ,۲۲/۰=SI ,۰۲/۱=RMSE بدست آمد. بعد از واسنجی مدل های Turc، PT و MK باتوجه به شاخص های آماری خطا و NS و همجنین مقادیر R^۲ در رده های بعدی بهترین مدل قرار گرفتند.

Authors

ناصر شیری

دانش آموخته مهندسی عمران- محیط زیست، دانشکره فنی عمران، دانشگاه تبریز

محمدحسین کاظمی

دانشجو دکتری آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تبریز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Allen RG, Pereira LS, Raes D and Smith M, ۱۹۹۸. ...
  • Arshad S, Morid S, Mobasheri MR and Agha Alikhani M, ...
  • Bannayan M, Sanjani S, Alizadeh A, Sadeghi Lotfabadi S and ...
  • Basak D, Pal S and Patranabis DC, ۲۰۰۷. Support vector ...
  • Battisti R, Sentelhas P and Boote k, ۲۰۱۷. Inter-comparison of ...
  • Borelli A, DeFalco I, Della CA, Nicodemi M and Trautteur ...
  • Boser BE, Guyon IM and Vapnik VN, ۱۹۹۲. A training ...
  • Edwards DC and McKee TB, ۱۹۹۷. Characteristics of ۲۰th Century ...
  • Elagib NA and Elhag M, ۲۰۱۱. Major climate indicators of ...
  • Hui JU, Er-da۱ L, Wheeler T, Challinor A and Shuai ...
  • Kang Y, Shahbaz Khan and Xiaoyi Ma, ۲۰۰۹. Climate change ...
  • McKee TB, Doesken NJ and Kleist J, ۱۹۹۳. The relation ...
  • Mosaedi A and Ghabaei Sough M, ۲۰۱۱. Modification of standardized ...
  • Mosaedi A, Mohammadi Moghaddam S and Ghabaei Sough M, ۲۰۱۵. ...
  • Padakandla SJ, ۲۰۱۶. Climate sensitivity of crop yields in the ...
  • Rahmani E, Liaghat A and Khalili A, ۲۰۰۸. Estimating barley ...
  • Samadianfard S and Asadi E, ۲۰۱۸. Prediction of SPI drought ...
  • Sette L and Boullart L, ۲۰۰۱. Genetic programming: principles and ...
  • Steinmann A, ۲۰۰۳. Drought indicators and triggers: a stochastic approach ...
  • Tietjen B and Jeltsch F, ۲۰۰۷. Semi-arid grazing systems and ...
  • Tsakiris G and Vangelis H, ۲۰۰۴. Towards a drought watch ...
  • Tsakiris G and Vangelis H, ۲۰۰۵. Establishing a drought index ...
  • Tsakiris G, Pangalou D and Vangelis H, ۲۰۰۷. Regional drought ...
  • Valizadeh J, Ziaei M and Mazloumzadeh SM, ۲۰۱۴. Assessing climate ...
  • Vapnik VN, ۱۹۹۵. The Nature of Statistical Learning Theory. Springer, ...
  • Vapnik VN, ۱۹۹۸. Statistical Learning Theory. Wiley, New York ...
  • Xiao G, Zhang Q, Li Y, Wang R, Yao Y, ...
  • Zare Abyaneh H, ۲۰۱۳. Evaluating roles of drought and climatic ...
  • Zimmermann A, Webber H, Zhao G, Ewert F, Kros J, ...
  • نمایش کامل مراجع