CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی تبخیر و تعرق گیاه مرجع ET0 با استفاده از روش آنالیز مولفه های اصلی PCA و توسعه مدل رگرسیونی خطی چندگانه MLR-PCA مطالعه موردی: ایستگاه مشهد

عنوان مقاله: پیش بینی تبخیر و تعرق گیاه مرجع ET0 با استفاده از روش آنالیز مولفه های اصلی PCA و توسعه مدل رگرسیونی خطی چندگانه MLR-PCA مطالعه موردی: ایستگاه مشهد
شناسه ملی مقاله: JR_JSW-28-2_017
منتشر شده در شماره 2 دوره 28 فصل در سال 1393
مشخصات نویسندگان مقاله:

نونا شیخ الاسلامی - دانش آموخته کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
بیژن قهرمان - استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
ابوالفضل مساعدی - دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
کامران داوری - دانشجوی دکتری گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

خلاصه مقاله:
تبخیر و تعرق یکی از مهمترین پارامترهایی است که دانستن آن جهت برآورد نیاز آبی گیاه و طراحی سیستم های آبیاری ضروری است، این پدیده متاثر از پارامترهای اقلیمی زیادی می باشد. در این پژوهش به بررسی تاثیر نسبی متغیرهای موثر د ر این پدیده و نیز برآورد تبخیر و تعرق مرجع با استفاده از آنالیز مولفه های اصلی و تحلیل عاملی پرداخته شده است . به این منظور از داده های ایستگاه سینوپتیک مشهد با اقلیم نیمه خشک واقع در استان خراسان رضوی در مقیاس روزانه و در فاصله سال های 2005-1991 استفاده گردید و تاثیر نسبی پارامترهای دما T حداکثر، متوسط و حداقل رطوبت نسبی RH، ساعات آفتابی Rs و سرعت باد در ارتفاع دو متری از سطح زمین U2 بر این پدیده مورد بررسی قرار گرفت . با استفاده از مولفه های اصلی استخراج شده، مدل رگرسیون خطی چندگانه برای تخمین تبخیر و تعرق ارایه شد . آماره t برای مقدار ثابت و برای هر یک از مولفه های اصلی تعیین شد که همه ضرایب در سطح 5% معنی دار بودند . در شرایط اقلیمی مشهد، همبستگی مولفه های اول PC1, و دوم PC2 با تبخیر و تعرق به ترتیب دارای ضرایب 0/694 و 0/556 بود، مولفه اول نسبت به مولفه دوم همبستگی بیشتری با تبخیر و تعرق داشت و دمای حداقل، دمای متوسط، دمای حداکثر و رطوبت نسبی برای برآورد تبخیر و تعرق به ترتیب از اهمیت بیشتری نسبت به سایر متغیرها (ساعات آفتابی و سرعت باد ) برخوردار بودند. مقادیر ضریب تبیین روش های MLR-PCA و MLR برابر با 0/903 و 0/897 به دست آمد که بیانگر توانایی روش PCA است.

کلمات کلیدی:
آنالیز چند متغیره، ایستگاه مشهد، تحلیل عاملی، مدل سازی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/666576/