برآورد تبخیر-تعرق مرجع در سه اقلیم خشک، نیمه خشک و مرطوب با استفاده از روش های درخت گرادیان تقویت شده، مدل خطی تعمیم یافته و جنگل تصادفی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 82

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WASO-33-3_001

تاریخ نمایه سازی: 28 شهریور 1402

چکیده مقاله:

تبخیر-تعرق یکی از مولفه های اصلی بیلان آب در کشاورزی و از جمله عوامل موثر و تاثیرگذار جهت برنامه-ریزی دقیق آبیاری است. لذا برآورد دقیق این پارامتر همواره مورد توجه پژوهشگران بوده است. در این راستا و در پژوهش حاضر، توانایی سه روش درخت گرادیان تقویت شده، مدل خطی تعمیم یافته و جنگل تصادفی در برآورد مقدار تبخیر-تعرق گیاه مرجع در سه اقلیم خشک (ایستگاه یزد)، نیمه خشک (ایستگاه بیرجند) و مرطوب (ایستگاه ساری) در بازه زمانی بیست و یک ساله (سال ۲۰۰۰ تا ۲۰۲۰) مورد بررسی قرار گرفت. دقت روش های مذکور با استفاده از سه معیار ارزیابی ضریب همبستگی، شاخص پراکندگی داده ها و ضریب نش- ساتکلیف مورد بررسی قرار گرفت. نتایج حاصل نشان دادند که در بهینه ترین حالت به ترتیب در ایستگاه های بیرجند، یزد و ساری مدل گرادیان تقویت شده با مقدار ضریب نش- ساتکلیف۰.۸۰۴، ۰.۸۲۶ و ۰.۷۳۳، مدل خطی تعمیم یافته با ضرایب ۰.۸۹۲، ۰.۹۳۱ و۰.۸۶۹در نهایت روش جنگل تصادفی با ضرایب ۰.۹۵۴، ۰.۹۵۶ و ۰.۹۲۹ عملکرد مناسبی را در برآورد میزان تبخیر-تعرق مرجع داشتند. از طرفی در تمامی روش ها ترکیب داده هفتم با استفاده از پارامترهای هواشناسی دما، رطوبت نسبی، ساعات آفتابی و سرعت باد در هر سه ایستگاه مورد پژوهش بهترین عملکرد را ارائه نمود؛ اما در ایستگاه بیرجند و ساری روش درخت گرادیان تقویت شده و در ایستگاه یزد مدل خطی تعمیم یافته نتایج بهتری را نسبت به دیگر مدل ها ارائه کردند و می توانند در ایستگاه های مورد پژوهش به عنوان روشی با دقت بالا در برآورد تبخیر-تعرق مرجع پیشنهاد گردند.

نویسندگان

مجتبی ایزدیار

دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

سجاد هاشمی

دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

سعید صمدیان فرد

دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Allen R, Pereira L, Raes D and Smith M, ۱۹۹۸. ...
  • Breiman L, ۲۰۰۱. Random forests. Machine Learning ۴۵:۵–۳۲ ...
  • Chandler RE and Wheater HS, ۲۰۰۲. Analysis of rainfall variability ...
  • Feng Y, Cui N, Gong D, Zhang Q and Zhao ...
  • Houborg R and McCabe MF, ۲۰۱۸. A hybrid training approach ...
  • Karimi S, Shiri J And Nazemi AH, ۲۰۱۳. Estimating daily ...
  • Karimi S, Shiri J and Martic P, ۲۰۲۰. Supplanting missing ...
  • Mohammadrezapour A, ۲۰۱۷. . Monthly forecast of potential evapotranspiration models ...
  • Nourani V And SayahFard M, ۲۰۱۳. Sensitivity analysis of ANN ...
  • RahimiKhob A and Mahmoudi A, ۲۰۱۱. Estimating actual evapotranspiration in ...
  • Saggi MK and Jain S, ۲۰۱۹. Application of fuzzy-genetic and ...
  • Samadianfard S, Hashemi S and Izdyar M, ۲۰۱۹. Estimation of ...
  • SamadianFard S And Panahi S, ۲۰۱۹. Estimating daily reference evapotranspiration ...
  • Sepehri S, Abbasi F, Zarei G and Nakhjavani Moghaddam MM, ...
  • Shadkani S, Abbaspour A SamadianFard S, Hashemi S, Mosavi A ...
  • نمایش کامل مراجع