مدل‌سازی دمای روزانۀ خاک با استفاده از داده‌های سینوپتیکی و شبکۀ عصبی

Authors

Abstract:

دمای خاک یکی از مهم­ترین پارامترهای تأثیرگذار بر روی فرایند­های هیدرولوژیکی می­باشد و یکی از عوامل مؤثر در استقرار پوشش گیاهی در مناطق خشک است. بررسی‌ها نشان داده است دمای خاک تحت تأثیر پارامترهایی از قبیل متوسط دمای هوای روزانه، حداقل و حداکثر دمای روزانه، تبخیر، تابش خورشیدی، تعداد ساعات آفتابی و بارش می­باشد؛ شناخت از مدل تغییرات دما در اعماق مختلف خاک می­تواند در تعیین نیاز آبی گیاهان و فعالیت­های بیولوزیکی بسیار مؤثر باشد.  با توجه به اهمیت موضوع، در این مطالعه از داده­های سینوپتیکی اصفهان به­منظور مدل­سازی دمای خاک در عمق 5 تا 100 سانتی متری خاک  با استفاده از شبکۀ عصبی– مصنوعی  استفاده شد. نتایج نشان داد که خطای مدل با افزایش عمق افزایش پیدا می­کند به­طوری­که بیشترین خطای مدل در عمق 100 سانتی­متری و کمترین خطای مدل­ها در عمق 10 سانتی­متر از سطح می­باشد. همچنین نتایج  نشان داد افزایش خطای مدل­های شبکۀ عصبی مصنوعی در شبیه­سازی تغییرات دمای خاک در لایه­های عمقی می­باشد و علت اصلی افزایش کارایی مدل­های هوش مصنوعی در شبیه­سازی دمای خاک در لایه­های سطحی نسبت به لایه­های تحتانی عمدتاً مربوط به کاهش همبستگی بین پارامترهای اقلیمی و تغییرات دمای خاک در لایه­های تحتانی نسبت به لایه­های فوقانی است. به طوری که ضریب تغییرپذیری دمای خاک با افزایش عمق نسبت به لایه­های سطحی کمتر است و کمتر تحت تأثیر متغیرهای اقلیمی از جمله دمای خاک قرار می­گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

مدل‌سازی جریان روزانۀ رودخانه با استفاده از برنامه‌ریزی ژنتیک و شبکۀ عصبی (مطالعۀ موردی: حوضۀ آبخیز معرّف امامه)

فرایند بارش- رواناب پیچیده و غیرخطی است و مدل‏سازی آن به دلیل عدم قطعیت‏های زیاد یکی از مهم‏ترین دغدغه‏های پژوهشگران در حیطة مسائل منابع آب به‌شمار می‌رود. از بین روش‏های مورد استفاده، مدل‏های هوشمند در پیش‏بینی چنین فرایندهایی مفید و مؤثرند. بنابراین، به منظور مدل‏سازی جریان رودخانه از روش‏های شبکة عصبی مصنوعی و همچنین برنامه‏ریزی ژنتیک به منزلة روشی صریح‌ـ که جزو الگوریتم‏های تکاملی به‌شمار م...

full text

مدلسازی حجم تجاری درختان توده‌های آمیختۀ راش جنگل‌های هیرکانی با استفاده از شبکۀ عصبی مصنوعی

پیش­بینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیش‌بینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع...

full text

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...

full text

طراحی شبکۀ جادۀ جنگلی با استفاده از شبکۀ عصبی مصنوعی و GIS

جاده‌های جنگلی به‌منظور ایجاد دسترسی به جنگل احداث می‌شوند و تأثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه‌های عصبی مصنوعی با تلفیق GIS برای طراحی شبکۀ جادۀ جنگلی با در نظر داشتن اصول و معیارهای فنی شبکۀ جادۀ جنگلی است. ابتدا معیارهای مؤثر با استفاده از روش دلفی شناسایی شد و وزن‌دهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایه‌های مختلف و وز...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 71  issue 1

pages  285- 295

publication date 2018-05-22

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