برآورد دمای عمق‌های مختلف خاک از دمای هوا با بکار‌گیری روابط رگرسیونی، شبکه عصبی و شبکه عصبی-فازی (مطالعه موردی: منطقه کرمانشاه)

برآورد دمای عمق های مختلف خاک از دمای هوا با بکار گیری 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...

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

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) ب...

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

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) ب...

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 ...

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)

استخراج روابط رگرسیونی بین دمای خاک در اعماق مختلف و پارامترهای هواشناسی (مطالعه موردی: ایستگاه همدان)

In this research, we estimated soil shallow depths temperatures using regression methods (Linear and Polynomial). The soil temperatures at soil depths (5, 10, 20, 30, 50 and 100 cm) were correlated with meteorological parameters. For this purpose, temperature data of Hamedan station (in the period 1992-2005) were employed. Soil temperature data were measured on a daily basis at 3 PM, 9 PM and 3...