برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
Authors
Abstract:
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) به برآورد دمای خاک در سه عمق پنج، 10 و 30 سانتیمتری با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه پرداخته شد. به علت تعداد زیاد متغیرهای مورد استفاده برای برآورد دمای خاک، شناخت متغیرهای مؤثر بر شبکه میتواند باعث بهبود نتایج شود. بدین منظور، با استفاده از تکنیک آماری چند متغیره آنالیز مولفههای اصلی (PCA) که باعث کاهش تعداد متغیرها و ورود متغیرهای مؤثر به شبکه میشود، اقدام به برآورد دمای خاک شد (PCA-ANN). ابتدا، از روش PCA برای کاهش متغیرهای ورودی استفاده شد و هشت متغیر هواشناسی به هشت مولفه اصلی تبدیل شد. چهار مولفه اصلی اول بیش از 99 درصد واریانس کل را به خود اختصاص داد. برای ارزیابی دو مدل ANN و PCA-ANN از شاخصهای آماری ضریب همبستگی (r)، میانگین جذر مربعات خطا (RMSE) و میانگین خطای اریبی (MBE) استفاده شد. نتایج به دست آمده حاکی از نقش مؤثر پیشپردازش روی متغیرها با استفاده از PCA بود. دستآوردها نشان داد که شاخصهای آماری r، RMSE، MBE (در دوره صحت سنجی) به ترتیب برابر 98/0، 61/1 و 2/0 برای مدل PCA-ANN بر روی پارامتر دمای خاک در عمق پنج سانتیمتری نتیجه بهتری را به دنبال داشت. روی هم رفته، سنجش دست آوردهای مدل PCA-ANN با دستاوردهای مدل ANN و دادههای مشاهده شده نشانگر برتری مدل PCA-ANN نسبت به مدل ANN است. لذا، مدل PCA-ANN با ساختاری سادهتر، سرعت آموزش شبکه بیشتر و نتایجی دقیقتر میتواند جایگزین مدل ANN برای برآورد پارامتر دمای خاک باشد.
similar resources
برآورد دمای خاک از دادههای هواشناسی با استفاده از مدلهای یادگیری ماشین سریع، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه
دمای خاک عامل کلیدی است که فرآیندها و خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل میکند؛ لذا بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر میگذارد. هدف از انجام این پژوهش برآورد دمای خاک با استفاده از پارامترهای هواشناسی به روشهای مختلف ماشین یادگیری بوده است. بدین منظور دادههای هواشناسی و دمای خاک در عمقهای 5، 10، 20، 30، 50 و 100 سانتیمتری از 17 ایستگاه سینوپتیک استان خوزستان مربوط ...
full textاستفاده از شبکه های عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع از ویژگی های زودیافت خاک
full text
برآورد میانگین روزانه دمای خاک در چند نمونه اقلیمی ایران با استفاده از دادههای هواشناسی
Soil temperature is one of the important variables in hydrology, agriculture, meteorology and climatology studies. Owing to the fact that soil temperature is only measured at synoptic stations, reconstruction of this variable in other places is of great importance for many relevant agricultural surveys. Using 10-year (1996-2005) daily meteorological observations, including: air temperature, glo...
full textبرآورد تغییرات فصلی دمای عمق خاک دشت یزد-اردکان با استفاده از تصاویر ماهواره لندست 8 و بهره‌گیری از شبکه عصبی مصنوعی
دمای خاک عامل کلیدی است که فرآیندها و ویژگی های فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل نموده و بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر است. به این منظور، دادههای روزانه دمای خاک در عمقهای 5، 10، 20، 30، 50 و 100 سانتیمتری مربوط به ایستگاههای سینوپتیک یزد، میبد و مهریز در سال‌های 2014 تا 2016 و همچنین30 تصویر از ماهواره لندست 8 برای سال‌های مذکور تهیه شد. سپس با استفاده از روش پنجره مجز...
full textبرآورد دمای عمقهای مختلف خاک از دمای هوا با بکار‌گیری روابط رگرسیونی، شبکه عصبی و شبکه عصبی-فازی (مطالعه موردی: منطقه کرمانشاه)
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 فراسنجها...
full textMy Resources
Journal title
volume 28 issue 3
pages 543- 556
publication date 2014-11-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023