سعید امامی فر؛ امین علیزاده
چکیده
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 ...
بیشتر
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 عصبیANN1 (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 عصبیANN2 ( 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.
محمودرضا طباطبائی؛ کاکا شاهدی؛ کریم سلیمانی
چکیده
برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانهها بسیار مهم است. بار رسوب معلق بطور معمول با اندازهگیری مستقیم غلظت رسوب معلق یا با بکارگیری منحنی سنجه رسوب انجام میشود. اندازهگیری به روش مستقیم، اگر چه مطمئنترین روش اندازهگیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین ...
بیشتر
برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانهها بسیار مهم است. بار رسوب معلق بطور معمول با اندازهگیری مستقیم غلظت رسوب معلق یا با بکارگیری منحنی سنجه رسوب انجام میشود. اندازهگیری به روش مستقیم، اگر چه مطمئنترین روش اندازهگیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین دقت منحنی سنجه رسوب به دلیل برآورد زیاد (در مقادیر کم رسوب رودخانه) یا برآورد کم (در مقادیر زیاد رسوب رودخانه) پائین بوده و لذا از کارائی لازم برخوردار نمیباشد. در این تحقیق، به منظور بررسی امکان تخمین غلظت رسوبات معلق رودخانهای با استفاده از انعکاسات تصاویر ماهوارهای، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مودیس (باند قرمز و مادون قرمز) و غلظت رسوبات معلق رودخانه کارون در ایستگاه هیدرومتری ملاثانی در یک دوره زمانی 9 ساله (سال های 1382 تا 1390) مورد بررسی قرار گرفت. در این رابطه از دو مدل آماری (رگرسیون خطی یک متغیره) و شبکه عصبی مصنوعی (پیشخور با الگوریتم آموزش پس انتشار خطا) استفاده شد. ارزیابی مدلهای رگرسیونی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین (R2) 89/0 و ریشه مربع خطا RMSE)) 122 میلیگرم بر لیتر کارائی بیشتری در مقایسه با مدل رگرسیونی با ضریب تعیین 49/0 و ریشه مربع خطا 204 میلیگرم بر لیتر داشته است. نتایج تحقیق نشان داد که از تصاویر سنجنده مودیس به همراه شبکه عصبی مصنوعی میتوان، در تخمین و پایش غلظت رسوبات معلق روزانه رودخانههای بزرگ استفاده نمود.