پیش بینی تبخیروتعرق با استفاده از روش تلفیقی سنجش از دور وبرنامهریزی ژنتیک
Publish place: سومین کنگره سراسری در مسیر توسعه علوم کشاورزی و منابع طبیعی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 601
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:
ICDAN03_062
تاریخ نمایه سازی: 5 بهمن 1395
Abstract:
از آنجایی که کشور ما در منطقه خشک و نیمه خشک جهان قرار گرفته و بارندگی آن حدود یک سوم متوسط جهانی و تبخیرحدود سه برابر متوسط جهانی میباشد، بحران آب به شدت ایران را تهدید می کند. حدود 94 درصد از آب مصرفی، به بخشکشاورزی اختصاص دارد و بیش از 65 درصد از این آب در اثر راندمان پایین طی روند آبرسانی و آبیاری از دسترس خارج میشود که ارزش این تلفات به بیش از 63 میلیارد دلار می رسد. در این بین فرآیندی به نام تبخیروتعرقET دارای اهمیت فراوانی می باشد. با توجه به تغییرات مکانی پارامترهای هواشناسی و در نتیجه تبخیر و تعرق، استفاده از روشهای مبتنی برسنجش از دور که این تغییرات را در نظر میگیرد بسیار مطلوب است. در این راستا هدف طرح حاضر، ارزیابی و مقایسه میزان دقت برنامهریزی ژنتیک در پیش بینی تبخیروتعرق با استفاده از پارامترهای ورودی استخراج شده از تصاویر ماهوارهای شاملدمای سطح زمین و مقدار بخار آب موجود در جو در ایستگاههای انار، کرمان، رفسنجان و شهربابک بین سالهای 2005 تا 2008 در یک دوره چهار ساله میباشد. پارامترهای مورد نیاز مدل از طریق سنجنده مودیس ماهواره ترا دریافت گردید و بااستفاده از نرم افزارهایGIS 10/ و 1 ENVI5/1 تصاویر ماهوارهای به پارامترهای ورودی مدل تبدیل شد. با توجه به نتایج میتوان دریافت که مدل برنامهریزی ژنتیک با استفاده همزمان از دو پارامتر بخار آب موجود در جو و دمای سطح زمین دارای دقت بالاتری بوده که این مدل دارای ضریب تبیین91/1 درصد برای دادههای آزمون میباشد
Keywords:
Authors
صفا مقصودلوباباخانی
دانش آموخته کارشناسی ارشد گروه مهندسی آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران
جابر سلطانی
استادیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران
علی اکبر نوروزی
استادیار، پژوهشکده حفاظت خاک و آبخیزداری
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 :