واسنجی مدل های تابش فائو 56 با استفاده از تکنیک عدم قطعیت بایسین و الگوریتم متروپولیس(مطالعه موردی: ایستگاه مشهد)
Publish place: 5th Iranian Water Resources Management Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 528
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM05_271
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
تبخیر تعرق از مشخصه های مهم ارزیابی وضعیت اقلیمی اکوسیستم ها است. تخمین دقیق این پارامتر جهت استفاده در تعیین نیاز آبی گیاهان زراعی و باغی و اجرای سیستم های آبیاری و پروژه های مدیریتی منابع آب از اهمیت بسیار زیادی برخوردار است. یکی از روش های معمول در تخمین تبخیر- تعرق روش پنمن- مونتیث فائو 56 می باشد که در آن مقادیر تابش خورشیدی و تابش طول موج بلند خالص از اجزای اصلی آن به شمار می آیند. این دو متغیر با استفاده از معادلاتی که توسط فائو 56 ارائه شده است محاسبه می شود و بهتر است پارامترهای این معادلات برای هر منطقه واسنجی شود. در این پژوهش با تکیه بر عدم قطعیت پارامترهای مدل، به واسنجی مدل های تابش با استفاده از تکنیک بایسین و الگوریتم متروپولیس برای ایستگاه مشهد پرداخته شد. به این منظور از داده های میکرو لایسیمتر نصب شده در ایستگاه دانشکده کشاورزی مشهد به مدت 95 روز در سال 1384 استفاده شد. داده های هواشناسی موردنیاز نیز از ایستگاه هواشناسی مشهد تهیه گردید. به این ترتیب به جای انتخاب یک عدد خاص برای واسنجی هر پارامتر در معادلات فوق، برای کاهش عدم قطعیت، مقادیر مناسب هر کدام از پارامترها به صورت تابع توزیع احتمال ارائه شد. نتایج اعتبارسنجی نشان داد که نتایج حاصل از روش فوق نسبت به مقادیر پیشنهادی فائو از دقت بیشتری در تخمین تبخیر تعرق برخوردار است. میزان ضریب تبیین در ازای انتخاب مقادیر میانگین، میانه و حداکثر احتمال توابع توزیع به دست آمده برای هر پارامتر به ترتیب برابر 87/.،87/. و 88/. می باشد.مقدار RMSE نیز برای هرکدام از آن ها به ترتیب برابر 53/.،49/. و 5/. به دست آمد. مقدار ضریب تبیین و RMSE به ازای مقادیر توصیه شده فائو 56 برای این پارامترها برابر 868/. و 65/. می باشد.
Keywords:
Authors
آمنه میان آبادی
دانشجوی دکترای دانشگاه فردوسی مشهد
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 :