برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

نویسندگان

  • کیمیا امیر مرادی دانشجوی سابق کارشناسی ارشد دانشگاه بوعلی سینا همدان
چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 ...

متن کامل

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...

متن کامل

برآورد 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...

متن کامل

برآورد 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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 28  شماره 3

صفحات  543- 556

تاریخ انتشار 2014-11-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023