تعداد نشریات | 43 |
تعداد شمارهها | 1,272 |
تعداد مقالات | 15,720 |
تعداد مشاهده مقاله | 51,824,692 |
تعداد دریافت فایل اصل مقاله | 14,664,565 |
برآورد دمای عمقهای مختلف خاک از دمای هوا با بکارگیری روابط رگرسیونی، شبکه عصبی و شبکه عصبی-فازی (مطالعه موردی: منطقه کرمانشاه) | ||
دانش آب و خاک | ||
مقاله 11، دوره 21، شماره 3، آبان 1390، صفحه 139-152 اصل مقاله (227.47 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
نصرالدین پارسافر؛ صفر معروفی* | ||
دانشکده کشاورزی دانشگاه بوعلی سینا | ||
چکیده | ||
به منظور برقراری و بررسی روابط رگرسیونی و ارائه رابطه ساده و منطقی بین درجه حرارت هوا و عمقهای مختلف خاک و مقایسه با مدلهای شبکه عصبی و عصبی- فازی در ایستگاه سینوپتیک کرمانشاه مطالعهای بر روی دادههای جمع آوری شده درجه حرارت هوا و اعماق 5، 10، 20، 30، 50 و 100 سانتیمتری خاک از ایستگاه مذکور در دوره آماری 1992-2005 انجام پذیرفت. جهت تعیین بهترین معادله بین دمای هوا و هر عمق خاک از فراسنجهای آماری ضریب همبستگی بین دادهها (R2)، جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE) استفاده گردید. نتایج نشان داد که در مورد روابط رگرسیونی، بر اساس ضریب همبستگی و پارامترهای خطا روابط خطی درجه سوم، خطی درجه دوم، خطی درجه اول، نمایی و لگاریتمی به ترتیب دارای بهترین برآورد بودند. همچنین نتایج نشان داد که بهترین و بدترین برآورد بین دمای هوا و دمای خاک به ترتیب در عمق 5 سانتیمتری و عمق 100 سانتیمتری خاک مشاهده گردید. نتایج حاصل از این مطالعه منجر به ارایه یک معادله درجه دوم و یک معادله خطی (با توجه به ساده بودن نسبت به معادله درجه سوم) به ازای هر عمق خاک گردید. با توجه به ضرایب همبستگی و خطاهای به دست آمده میتوان گفت این رابطه برای عمق 100 سانتیمتری خاک دارای دقت پایین، اما برای سایر عمقها مطلوب و دارای دقت بالایی میباشد. همچنین نتایج تحقیق حاضر نشان داد که مدل ANN دارای دقت بیشتری نسبت به مدل ANFIS در برآورد دمای خاک میباشد. دقت مدل رگرسیونی کمتر از این دو روش مشاهده گردید. | ||
کلیدواژهها | ||
ایستگاه کرمانشاه؛ دمای خاک؛ دمای هوا؛ رگرسیون؛ شبکه عصبی؛ شبکه عصبی- فازی | ||
مراجع | ||
ابراهیمی ا، ١٣٧٤. مطالعه دمای اعماق مختلف خاک. پایاننامه کارشناسیارشد هواشناسی، مؤسسه ژئوفیزیک دانشگاه تهران. ادیب عباسی م، 1385. بررسی روابط بین رژیم دمایی اعماق خاک با دمای هوا (اسکرین) و تعیین عمق یخبندان در استان کردستان. پایاننامه کارشناسی ارشد آبیاری و زهکشی. دانشکده کشاورزی. دانشگاه فردوسی مشهد. بیات ورکشی م، زارع ابیانه ح، معروفی ص، سبزیپرور ع ا و سلطانی ف، 1388. شبیهسازی تبخیر تعرق روزانه گیاه مرجع به روش هوش مصنوعی و روشهای تجربی در مقایسه با اندازهگیری های لایسیمتری در اقلیم نیمه خشک سرد همدان. مجله پژوهشهای حفاظت آب و خاک، جلد شانزدهم، شماره 4، صفحههای 79-100. بهیار م ب و کمالی غ ع، ١٣٨٦. رابطه دمای هوا با دمای سطح و اعماق مختلف خاک. تحقیقات جغرافیایی، جلد بیست و سوم، شماره٣. صفحههای 81 تا ١٠٢. ثنائینژاد ح، ادیب عباسی م، موسوی بایگی م و حیدری گندمان م ط، 1387. بررسی رژیم دمایی هوا و اعماق خاک و تعیین توابع نوسانات ادواری آنها در ایستگاههای استان کردستان. مجله علوم و صنایع کشاورزی، ویژه آب و خاک، جلد بیست و دوم. صفحههای 25 تا 33. جعفرپور ا، 1377. اقلیم شناسی. چاپ چهارم. انتشارات دانشگاه تهران. جعفری گلستانی م، رائینی سرجاز م، و ضیاء تبار احمدی م، ١٣٨٦. برآورد دمای ژرفای خاک با بهره گیری از روش تجزیه منحنی و همبستگی های رگرسیونی برای شهرستان ساری. مجله علوم کشاورزی و منابع طبیعی (ویژه نامه زراعت و اصلاح نباتات)، جلد یکم، شماره 5. صفحههای 112 تا 123. سبزیپرور ع ا، زارع ابیانه ح و بیات ورکشی م، 1389 الف. مقایسه یافته های مدل شبکه استنتاج تطبیقی عصبی-فازی با مدل های رگرسیونی به منظور برآورد دمای خاک در سه اقلیم متفاوت. نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد بیست و چهارم، شماره2. صفحههای 274 تا 285. سبزیپرور ع ا، طبری ح و آیینی ع، 1389 ب. برآورد میانگین روزانه دمای خاک در چند نمونه اقلیمی ایران با استفاده از داده های هواشناسی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، ، شماره 52، جلد چهاردهم. صفحههای 125 تا 137. کارآموز م، تابش م نظیف س و مریدی ع، 1384. پیشبینی فشار در شبکههای آبرسانی با استفاده از شبکههای عصبی مصنوعی و استنتاج فازی. مجله آب و فاضلاب، شماره 53 جلد اول، صفحههای 3 تا 14. نجفیمود م ح، علیزاده ا، محمدیان ا و موسوی ج، 1387. بررسی رابطه دمای هوا و دمای اعماق مختلف خاک و برآورد عمق یخبندان. (مطالعه موردی استان خراسان رضوی) مجله علمی-پژوهشی آب و خاک (علوم و صنایع کشاورزی)، جلد بیست و دوم، شماره2. صفحههای 456 تا 466. Aldridge R and Cook FJ, 1983. Estimation of soil temperatures at 0.1m and 0.3m depths. New Zealand Soil Bureau Scientific Report 62: 18. Bazartseren B, Hildebrandt G and Holz K, 2003. Short-term water level prediction using neural networks and neuro-fuzzy approach. Neurocomputing 55: 439-450. Ghuman BS and Lal R, 1982. Temperature regime of a tropical soil in relation to surface condition and air temperature and its Fourier analysis. Soil Science 134: 133-140. HaganMT and MenhajMB, 1994. Training feedforward network with the Marquardt algorithm. IEEE Trans on Neural Networks 5: 989-993. Hanks RJ, Austin DD and Ondrechen WT, 1971. Soil temperature estimation by a numerical method. Soil Science Society of America Journal 35: 665-667. Heusinkveld BG, Jacobs AFG, Holtslag AAM and Berkowicz SM, 2004. Surface energy balance closure in an arid region: role of soil heat flux. Agricultural and Forest Meteorology Maclean SF and Ayres MP, 1985. Estimation of soil temperature from climatic variables at Barrow, Alaska, USA. Arctic and Alpine Research 17: 425-432. Meikle RW and Gilchrist AJ, 1983. A mathematical method for estimation of soil temperatures in England and Scotland. Agricultural Meteorology 30(3): 221-225. Moghaddamnia A, Ghafari Gousheh M, Piri J, Amin S and Han D, 2009. Evaporation estimation using artificial neural networks and adaptive neurofuzzy inference system techniques. Advances in Water Resources 32: 89-97. Plauborg F, 2002. Simple model for 10 cm soil temperature in different soils with short grass. European Journal of Agronomy 17: 173-179. Summers LE, Glimour CM, Wildung RE and Beck SM, 1981. The effect of water potential on decomposition processes in soils, in water potential relation in soil microbiology. Edited by Parr JE, Gardner WR, and Elliot WR. SSSA September Publications 9: 97-117. Usowicz B and Walczak R, 1994. Soil temperature prediction by numerical model. Polish Journal of Soil Science 28: 87-94. Zheng D, Raymond Hunt E and Running SW, 1993. A daily soil temperature model based on air temperature and precipitation for continental applications. Climate Research 2: 183-191. | ||
آمار تعداد مشاهده مقاله: 4,975 تعداد دریافت فایل اصل مقاله: 2,947 |