ارزیابی دقت روش شبکه عصبی در برآورد سرمای دیررس بهاره در مناطق پسته کاری شهر کرمان
Publish place: Journal of Water and Soil، Vol: 38، Issue: 3
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 178
This Paper With 16 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_JSW-38-3_002
Index date: 5 August 2024
ارزیابی دقت روش شبکه عصبی در برآورد سرمای دیررس بهاره در مناطق پسته کاری شهر کرمان abstract
سرمای دیررس بهاره تاثیر قابل توجهی بر اندامهای آسیبپذیر گیاهان میگذارد. این رویداد در آسیا، آمریکای شمالی و اروپا بیش از سایر مخاطرات مرتبط با آب وهوا باعث زیان اقتصادی به کشاورزی شده است. همچنین این پدیده باعث کاهش عملکرد محصول در ایران شده است. آخرین آمار منتشر شده از سوی سازمان خواربار و کشاورزی ملل متحد (فائو) نشان می دهد که ایران یکی از بزرگ ترین تولیدکنندگان محصول پسته در جهان میباشد. استان کرمان سهم زیادی از سطح زیر کشت محصول پسته را به خود اختصاص داده است. خسارت سرمازدگی بهاره در پسته باعث کاهش عملکرد محصول در چند سال اخیر شده است. یک اصل مهم در مطالعه سرمازدگی، برآورد این پدیده است. در این تحقیق از روش شبکه عصبی مصنوعی مدل FFBP برای برآورد سرمای دیررس بهاره در محصول پسته شهرستان کرمان استفاده شد. بدین منظور داده های روزانه ایستگاه سینوپتیک شهر کرمان از سازمان هواشناسی کشور در بازه زمانی ۲۰۰۰-۲۰۲۰ اخذ شد. این دادهها شامل میانگین، بیشینه و کمینه دما، رطوبت نسبی، سرعت باد، فشار بخار اشباع و ساعات آفتابی میباشد. پنج ترکیب مختلف از این متغیرها به عنوان ورودی در روش شبکه عصبی برای مدل سازی دماهای کمینه در نظر گرفته شد. در نهایت ترکیب ۸ متغیرهای از بین مدلها انتخاب گردید و شبیه سازی مقادیر دمای کمینه و محاسبه ویژگیهای سرمای دیررس بهاره با آن انجام شد. عملکرد این روش با استفاده از شاخص های آماری ضریب تعیین، ریشه میانگین مربعات خطا، میانگین خطای انحراف و ضریب نشساتکلیف ارزیابی شد. بررسی نتایج مدلسازی نشان داد با کاهش تعداد متغیرها دقت مدلها کاهش مییابد. مدل M۱ با کمترین مقدار RMSE و بیشترین مقدار R۲ در بین سایر مدلها عملکرد بهتری داشت. پس از شبیهسازی با روش شبکه عصبی مقادیر شاخص های ۹۶۳/۰R۲= و صفر=MBE حاصل شد که نشان دهنده ارتباط قوی با داده های واقعی بود. علاوه بر آن، مقدار شاخصهای ۰۲۷/۰= RMSE و ۹۶۶/۰NSE= کارایی بالای مدل را در برآورد نشان داد. بررسی میانگین دمای سالانه نشان داد نوسانات دما در بازه زمانی ۱۰-۳۱ مارس در مقایسه با ماههای آوریل و می زیاد میباشد. کاهش محسوس میانگین دمای سالانه در سالهای ۲۰۰۰، ۲۰۰۶ و ۲۰۲۰ در این بازه نسبت به دیگر سالها بیشتر بود. در ماه آوریل نیز سالهای ۲۰۰۱، ۲۰۰۵، ۲۰۰۶، ۲۰۰۹، ۲۰۱۶ و ۲۰۱۹ کاهش دمای محسوسی داشتند. در ماه می باتوجه به میانگین دمای کمینه بین ۱۰ تا ۱۴ درجه سلسیوس احتمال سرمازدگی کمتری نسبت به ماه مارس و آوریل وجود داشت. نتایج نشان داد تعداد روزهای یخبندان بهاره مشاهداتی و برآوردی حاصل از روش شبکه عصبی انطباق خوبی با یکدیگر داشتند. این روش در برآورد تعداد روزهای بحرانی (دماهای کمینه کمتر و مساوی ۲ درجه سلسیوس) نیز دقت قابل قبولی داشت. همچنین سالهای ۲۰۰۰، ۲۰۰۴، ۲۰۰۵، ۲۰۱۲، ۲۰۱۵، ۲۰۱۹ و ۲۰۲۰ بیشترین تعداد روزهای یخبندان بهاره و سالهای ۲۰۰۶، ۲۰۱۶ و ۲۰۱۹ بیشترین تعداد روزهای بحرانی را در دو دههی اخیر دارا بودند. با بررسی نتایج میتوان گفت روش شبکه عصبی مصنوعی در برآورد دمای کمینه و ویژگیهای مرتبط با سرمای دیررس بهاره از دقت بالایی برخوردار است.
ارزیابی دقت روش شبکه عصبی در برآورد سرمای دیررس بهاره در مناطق پسته کاری شهر کرمان Keywords:
ارزیابی دقت روش شبکه عصبی در برآورد سرمای دیررس بهاره در مناطق پسته کاری شهر کرمان authors
مبینا عبدالهی فوزی
بخش علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
بهرام بختیاری
بخش علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران
کورش قادری
بخش علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایرانن
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 :
