تعداد نشریات | 43 |
تعداد شمارهها | 1,262 |
تعداد مقالات | 15,535 |
تعداد مشاهده مقاله | 51,553,348 |
تعداد دریافت فایل اصل مقاله | 14,493,473 |
تخمین تبخیر-تعرق مرجع روزانه بدون نیاز به سرعت باد با استفاده از مدلهای یادگیری ماشین و هیبریدی در ایستگاههای سینوپتیک تبریز و ارومیه | ||
دانش آب و خاک | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 مهر 1403 | ||
شناسه دیجیتال (DOI): 10.22034/ws.2024.58387.2536 | ||
نویسندگان | ||
حسین آقامحمدپور قره باغ1؛ جواد بهمنش* 1؛ سینا بشارت2 | ||
1دانشگاه ارومیه | ||
2دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه | ||
چکیده | ||
تبخیر-تعرق مرجع روزانه (ET0) یک عامل کلیدی برای تخمین نیاز آبی محصولات کشاورزی بوده که تعیینکننده عمق مورد نیاز آبیاری است. یکی از روشهای متداول برای محاسبه ET0 استفاده از معادله پنمن-مونتیث (FAO-56 PM) است. با این حال، معادله پنمن-مونتیث بهشدت به پارامتر سرعت باد وابسته است، به-طوریکه خطای اندک در اندازهگیری سرعت باد سبب خطای قابلتوجهی در دقت معادله میگردد. لذا برای بهبود دقت پیشبینی ET0در مناطق مختلف آبوهوایی کشور که فاقد پارامتر سرعت باد هستند، مقدار ET0 بر اساس مدلهای هوشمند شبکه عصبی مصنوعی، رگرسیون بردار پشتیبان و رگرسیون بردار پشتیبان ترکیب-شده با الگوریتم کرم شبتاب در ایستگاههای ارومیه و تبریز طی دوره 2022-2002 تخمین زده شد. پارامترهای ورودی هواشناسی شامل حداقل رطوبت نسبی، حداکثر رطوبت نسبی، رطوبت نسبی متوسط، ساعات آفتابی، حداقل دما، حداکثر دما، میانگین دما و متوسط دمای خاک بوده و مدلها با استفاده از معیارهای ارزیابی مورد سنجش قرار گرفتند. ارزیابی نتایج حاصل از مدلها نشان داد که سناریو چهارم مدل هیبریدی در ایستگاه تبریز با داشتن جذر میانگین مربعات خطای 23/1 میلیمتر در روز و ضریب تبیین 96/0و همچنین سناریو سوم در ایستگاه ارومیه با داشتن جذر میانگین مربعات خطای 16/1 میلیمتر در روز و ضریب تبیین 92/0 بهترین عملکرد را در بین تمام مدلهای بهکار رفته داشتند. | ||
کلیدواژهها | ||
نیاز آبی؛ تبخیر-تعرق؛ مدلهای هوشمند؛ منابع آب؛ همبستگی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 108 |