توسعه مدل پیش بینی خشک سالی زراعی با استفاده از تصاویرماهواره ای و شبکه عصبی مصنوعی
Publish place: 1National Conference on Drought and Climate Change
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 552
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCDCC01_001
تاریخ نمایه سازی: 27 آبان 1393
Abstract:
از آنجایی که استفاده از روش های معمول و داده های بارندگی برای پیش بینی خشکسالی زراعی چندانموفقیت آمیز نبوده است، مدلی برای پی شبینی خشکسالی زراعی ارائه شده که بر اساس شاخص پوششبدست آمده از تصاویر ماهوار های، (Normalized Difference Vegetation Index) NDVI گیاهی(Southern SOI سیگنال های اقلیمی و شبکه عصبی پایه گذاری شده است. از شاخص های اقلیمیکه تاثیر آنها بر بارندگی و جریان (North America Oscillation) NAO و Oscillation Index)رودخانه ها در این منطقه مشخص شده، به عنوان ورودی این مدل استفاده شده است. در این مدل از دواستفاده شده است. (Moving Windows Method) MWM و روش (Normal Method) NM روشحاصل از تصاویر ماهوار های و توانایی شبکه عصبی در شبیه سازی روابط NDVI نتایج این تحقیق قابلیتبا پوشش گیاهی به منظور پیش بینی خشکسالی زراعی را در این منطقه NAO و SOI بین شاخص هاینشان می دهد
Authors
احمد فاتحی مرج
عضو هیات علمیم رکز تحقیقات کم آبی و خشکسالی در کشاورزی و منابع طبیعی
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 :