هواشناسی کشاورزی
محمد فشائی؛ سیدحسین ثنائی نژاد؛ مرجان قوچانیان
چکیده
وقوع خشکسالی در کشاورزی صرفا با اندازه‌گیری تغییرات بارش قابل رصد نیست بلکه متغیرهای دیگری همچون رطوبت خاک نیز در آن نقش دارند. در میان روش‌های مختلف دورسنجی، طیف الکترومغناطیس مایکروویو محدودیتهای فیزیکی سایر امواج رادیومتری در اندازه‌گیری رطوبت خاک را ندارد. با این تفاوت که داده‌های مایکروویو رطوبت خاک غالبا دارای ابعاد ...
بیشتر
وقوع خشکسالی در کشاورزی صرفا با اندازه‌گیری تغییرات بارش قابل رصد نیست بلکه متغیرهای دیگری همچون رطوبت خاک نیز در آن نقش دارند. در میان روش‌های مختلف دورسنجی، طیف الکترومغناطیس مایکروویو محدودیتهای فیزیکی سایر امواج رادیومتری در اندازه‌گیری رطوبت خاک را ندارد. با این تفاوت که داده‌های مایکروویو رطوبت خاک غالبا دارای ابعاد پیکسل بسیار بزرگ (بیش از 10 کیلومتر) هستند و این موضوع کاربرد آنها در مقیاسهای کوچک را با مشکل مواجه میسازد. در این پژوهش به منظور محاسبه شاخص خشکی کشاورزی در مقیاس مزرعه، ابتدا با استفاده از داده‌های اندازه‌گیری میدانی رطوبت در محدوده دشت نیشابور طی سالهای 1396 تا 1398، واسنجی داده‌های بازیابی رطوبت خاک سنجنده AMSR2 انجام شد. سپس با کمک تصاویر سنجنده مودیس روابط خطی ریزمقیاس نمایی تصاویر رطوبت خاک استخراج شده و ابعاد تصویر از 25 کیلومتر به 1000 متر کاهش یافت. در گام بعدی از شاخص خشکی کشاورزی SMADI که تلفیقی از خصوصیات پوشش گیاهی، رطوبت خاک و دمای سطح زمین است برای پایش خشکی کشاورزی در مقیاس مزرعه استفاده شد. به منظور ارزیابی نتایج، شاخصهای آماری ضریب تعیین ( )، میانگین قدرمطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) در سه کاربری اراضی منتخب شامل زراعت دیم (R1)، مرتع متوسط (R2) و مرتع فقیر (R3) بررسی شد. شاخصهای MAE و RMSE در بازه 1.6 تا 4 و شاخص در بازه 0.73 تا 0.84 قرار گرفت. نتایج نشان داد که الگوریتم استفاده شده در ریزمقیاس نمایی و همچنین برآورد شاخص خشکی کشاورزی SMADI به خوبی قادر به بازتاب اندرکنشهای بین بارش، رطوبت خاک، پوشش گیاهی و تغییرات پروفیل دمایی کانوپی است و این ویژگی کاربرد آن را در تحلیلهای هواشناسی کشاورزی توجیه و تقویت میکند.
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.
