این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و خاک، جلد ۲۰۱۴، شماره ۱۱، صفحات ۶۱۶-۰
عنوان فارسی برآورد میزان تابش خورشیدی با استفاده از محصولات دمای سطح زمین سنجنده MODIS و مدل شبکه عصبی
چکیده فارسی مقاله برآورد درست مقدار تابش رسیده به سطح زمین (Rs ) به عنوان یکی از پارامترهای مهم در مدل های بیلان انرژی، شبیه سازی رشد گیاهان و تبخیر- تعرق اهمیت زیادی دارد. اغلب مدل های پیش بینی تابش رسیده به سطح زمین با استفاده از داده های ماهواره ای، مبتنی بر دمای سطح زمین هستند. در این مطالعه دقت برآورد تابش خورشیدی، با استفاده از چهار مدل مختلف شبکه عصبی (با نام های ANN1، ANN2،ANN3 وANN4 )، با ورودی محصولات دمای سطح زمین سنجنده مودیس (مدل های1و2 مبتنی بر محصولاتMOD11A1 و مدل های 3و4 مبتنی بر محصولات MYD11A1) در ترکیب با تابش برون زمینی (Ra) و نسبت ساعت آفتابی (n/N) مورد بررسی قرار گرفت. نتایج نشان داد که هر چهار مدل هوشمند شبکه عصبی با همبستگی خوبی (85 R2>/) توانستند مقدار تابش رسیده به سطح زمین را برآورد کنند. لیکن مدل های مبتنی بر محصولات MOD11A1 دارای دقت بالاتری نسبت به مدل های مبتنی بر محصولات MYD11A1 هستند. مدل شبکه عصبی ANN1 (مبتنی بر محصولات MOD11A1 ، نسبت ساعت آفتابی و تابش برون زمینی) با ضریب تعیین (R2) برابر 9332/ و جذر میانگین مربعات خطا (RMSE) برابر 4448/1 مگاژول بر متر مربع در روز در برآورد تابش خورشیدی نسبت به مدل های دیگر دارای دقت بالاتری است. همچنین نتایج نشان داد که مدل شبکه عصبی ANN2 ( مبتنی بر جذر تغییرات دمای محصولات MOD11A1 و تابش برون زمینی) در مقایسه با مدل هارگریوز و سامانی که مبتنی بر داده‌های دمای هوا و تابش برون زمینی است، با دقت بیشتری تابش رسیده به زمین را برآورد می کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of Solar Radiation Using Land Surface Temperature MODIS Sensor Data and Neural Network Model
چکیده انگلیسی مقاله Estimation the amount of radiation reaching the Earth's surface (Rs) is an important factor in the energy balance models simulation of plant growth and evapotranspiration estimation. Most Estimation models to radiation reaching the Earth's surface use satellite data and they are based on land surface temperatures. In this study, the Accuracy of solar radiation estimation is investigated Using four different models of neural networks (with the names of ANN1,ANN2, ANN3, ANN4) with the inputs Including products land surface temperature MODIS sensor (models 1 and 2 , and models 3 and 4 are based on MOD11A1 MYD11A1 products, respectively), extraterrestrial radiation (Ra) and relative sunshine (n / N). The results show that four neural network models are able to estimate the amount of radiation reaching the Earth's surface with good correlation (R2>. 85). However, models based on MOD11A1 products have a higher accuracy than models based on MYD11A1 products. Neural network model of ANN1 (based on MOD11A1 products, relative sunshine and extraterrestrial radiation (Ra)) with the coefficient of determination (R2) equal to .9332 and the root mean square error (RMSE) equal to 1.4448 MJ per square meter per day is more accurate on the estimation of solar radiation than other models. The results also showed that the Neural network model ANN2, comparing with Hargreaves and Samani models based on air temperature and extraterrestrial radiation, is More accurate in estimating of solar radiation.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سعید امامی فر |


امین علیزاده |


نشانی اینترنتی http://jsw.um.ac.ir/index.php/jsw/article/view/39508
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علمی - پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات