|
|
پژوهش آب در کشاورزی، جلد ۲۷، شماره ۴، صفحات ۵۲۳-۵۳۴
|
|
|
| عنوان فارسی |
برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران |
|
| چکیده فارسی مقاله |
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است . در سال های اخیر استفاده از سیستم های هوش مصنوعی برای برآورد پدیده های هیدرولوژی افزایش چشمگیری داشته است .از این رو این تحقیق با هدف امکان سنجی استفاده از مدل رگرسیون درختی در برآورد تبخیر و تعرق ماهانه گیاه مرجع(ETo) و مقایسه آن با روش پنمن مانتیث فائو در سه ناحیه اقلیمی ایران انجام شد. از مزایای مدل رگرسیون درختی نسبت به دیگر مدل های هوش مصنوعی از قبیل شبکه های عصبی، عدم نیاز به فرایند وقت گیر آزمون و خطا و نیز ارائه نتایج به‌صورت روابط ریاضی است. در مطالعه ی حاضر، متوسط ماهانه ی داده های حداقل و حداکثر دما، رطوبت نسبی، سرعت باد و تابش خورشیدی به عنوان داده های ورودی به مدل در نظر گرفته شده است. نتایج حاصله نشان داد که ضرایب تعیین مدل های تولید شده توسط مدل رگرسیون درختی در برآورد پارامتر تبخیر و تعرق مرجع برای نواحی گرمسیر، معتدل .و سردسیر به-ترتیب برابر است با 0/78 ، 0/80 و 0/89 که حاکی از توانایی بالای مدل مذکور است. |
|
| کلیدواژه‌های فارسی مقاله |
هوش مصنوعی، پنمن مانتیث فائو، |
|
| عنوان انگلیسی |
Estimation of Monthly Reference Evapotranspiration Using Regression Tree in Different Climatic Regions of Iran |
|
| چکیده انگلیسی مقاله |
Evapotranspiration is one of the main components of hydrologic cycle and its data is needed to determine the irrigation demand. Artificial intelligence system has been widely used to estimate the hydrological events during the recent decades. The aim of this research was to use the regression tree method to estimate the reference evapotranspiration (ETo) and to compare with FAO-Penman-Monteith method in different climatic condition across Iran. One of advantages of the Regression Tree model compared to other intelligent models like Neural Networks is that it lacks the time-consuming process of trial-and-error; and representing the results mathematically. Different data such as monthly minimum, average and maximum temperature, relative humidity, wind speed, and solar radiation were used as input to the model. Finally, the results showed that regression tree model can estimate the reference evapotranspiration for different climatic conditions including arid to semi-arid, temperate, and cold climate conditions with 0.78, 0.8, and 0.89 correlation coefficients, respectively. |
|
| کلیدواژه‌های انگلیسی مقاله |
هوش مصنوعی, پنمن مانتیث فائو |
|
| نویسندگان مقاله |
|
|
| نشانی اینترنتی |
https://wra.areeo.ac.ir/article_128860_8e85b81166f1c55d9c2b4f72cb750bc3.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|