تعداد نشریات | 43 |
تعداد شمارهها | 1,253 |
تعداد مقالات | 15,411 |
تعداد مشاهده مقاله | 51,248,631 |
تعداد دریافت فایل اصل مقاله | 14,256,017 |
برآورد دمای خاک در اقلیمهای مختلف با استفاده از روشهای دادهمحور | ||
دانش آب و خاک | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 مهر 1403 | ||
شناسه دیجیتال (DOI): 10.22034/ws.2024.59886.2549 | ||
نویسندگان | ||
آیناز وفائی1؛ عرفان عبدی1؛ سعید صمدیان فرد* 2 | ||
1دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
2دانشگاه تبریز | ||
چکیده | ||
دمای خاک یکی از جنبههای مهم کشاورزی و هیدرولوژی است و اندازهگیری دقیق آن برای اطمینان از رشد و نمو مطلوب گیاه بسیار مهم است. دمای خاک عاملی است که بر بسیاری از فرآیندها مانند جوانهزنی، میزان رطوبت خاک، هوادهی، سرعت نیتریفیکاسیون تبدیل آمونیاک به نیترات و در دسترس بودن موادمغذی گیاه تأثیر میگذارد. با توجه به این که دادههای دمای خاک در بعضی از ایستگاههای سینوپتیک اندازهگیری میشود، اغلب دادهها دارای محدودیت و یا نواقصی هستند. با این حال انتخاب بهترین روش جهت پیشبینی و تخمین دمای خاک با سایر دادههای هواشناسی موجود، رویکردی مؤثر و کارآمد در بسیاری از زمینهها میباشد؛ لذا در مطالعه حاضر، توانایی مدلهای داده محور رگرسیون فرایند گاوسی (GPR)، رگرسیون ماشین بردار پشتیبان (SVR)، الگوریتم M5P، رگرسیون خطی (LR) و شبکه عصبی پرسپترون چندلایه (MLP) در برآورد دمای خاک سه ایستگاه اراک، رامسر و شیراز طی دوره آماری 32 ساله با استفاده از پنج معیار اعتبارسنجی مورد ارزیابی قرارگرفت. نتایج بدستآمده نشانداد که سناریو هشتم M5P و LR با داشتن جذر میانگین مربعات خطای کمتر به ترتیب «899/0و 889/0» برای ایستگاه رامسر، «958/0 و949/0» برای ایستگاه اراک و «966/0 و953/0» برای ایستگاه شیراز، عملکرد بهتری نسبت به سایر مدلها داشتهاست. همچنین پارامترهای رطوبت نسبی و دمای هوا از مؤثرترین پارامترهای هواشناسی مورد نیاز در برآورد دمای خاک شناخته شد، بطوری که افزودن این پارامترها باعث افزایش دقت مدل میشود. | ||
کلیدواژهها | ||
پیشبینی؛ دادههای هواشناسی؛ رگرسیون مدل گاوسی؛ رگرسیون ماشین بردار پشتیبان؛ شبکه عصبی چندلایه | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 29 |