تاثیر دمای سطح زمین حسگر مادیس در تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم متفاوت
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 149
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JEWE-9-3_006
Index date: 20 August 2023
تاثیر دمای سطح زمین حسگر مادیس در تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم متفاوت abstract
برآورد تبخیر و تعرق مرجع (ET۰) یک نیاز اساسی در مدیریت آب کشاورزی است. بااین حال، فقدان داده های هواشناسی لازم، تخمین ET۰ را با استفاده از روش فائو-پنمن-مانتیث در مناطق وسیع تر دشوار کرده است. هدف از پژوهش حاضر، بررسی تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم تبریز و رشت، بر اساس دمای سطح زمین سنجنده مادیس (LST) بدست آمده از تصاویر ماهوارهای است. بر اساس دو مدل جنگل تصادفی (RF) و جنگل تصادفی بهینه شده با الگوریتم ژنتیک (GA-RF) برای تخمین مقادیر ET۰ استفاده شده است. پارامترهای مورد استفاده در هر دو ایستگاه شامل ترکیب پارامترهای دمای سطح زمین روزانه (LSTday)، دمای سطح زمین شبانه (LSTnight) و میانگین دمای سطح زمین در شب و روز (LSTmeant) است. نتایج نشان داد که LSTmeant توانایی مناسبی در تخمین ET۰ در هر دو ایستگاه دارد. در ایستگاه تبریز با اقلیم نیمه خشک، مدل GA-RF-۷ با ۵۱۶/۰=RMSE و در ایستگاه رشت با اقلیم بسیار مرطوب، مدلGA-RF-۵ با ۸۶۸/۰=RMSE بهترین عملکرد را در بین مدل های مورد مطالعه داشتند. همچنین، ارزیابیها نشان داد که دمای سطح زمین شبانه به اندازه دمای سطح زمین روزانه اهمیت داشته و با ترکیب این دو پارامتر نتایج رضایتبخشی حاصل شد.
تاثیر دمای سطح زمین حسگر مادیس در تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم متفاوت Keywords:
تاثیر دمای سطح زمین حسگر مادیس در تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم متفاوت authors
حامد طالبی
دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
سعید صمدیان فرد
دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
خلیل ولیزاده کامران
استاد، گروه سنجش از دور، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
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 :