ارزیابی مدل درختی M5 و دو مدل تجربی مبتنی بر دمای هوا برای برآورد تابش خورشیدی با استفاده از LST در یک اقلیم نیمه خشک

محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری

سعید امامی‌فر ¹ , علی‌اکبر نوروزی ² , سجاد سیدی حسینی ³ , آذین کریم زاد انزابی ⁴

1 - دانشجوی دکتری؛ گروه مهندسی آب؛ دانشکده کشاورزی؛ دانشگاه فردوسی مشهد؛ مشهد؛ ایران
2 - استادیار پژوهشی؛ پژوهشکده حفاظت خاک و آبخیزداری؛ تهران؛ ایران
3 - دانش‌آموخته کارشناسی؛ گروه مهندسی آب؛ پردیس ابوریحان؛ دانشگاه تهران؛ تهران؛ ایران
4 - دانشجوی کارشناسی؛ گروه مهندسی آب؛ پردیس ابوریحان؛ دانشگاه تهران؛ تهران؛ ایران

تاریخ دریافت : 1392/06/06 تاریخ پذیرش : 1392/09/29 تاریخ انتشار : 1392/12/28

کلید واژه: تابش خورشیدی, دمای هوا, MODIS,

چکیده مقاله :

تابش خورشیدی از پارامترهای ورودی برای بسیاری از مطالعات شبیه‌سازی مانند فرآیندهای وابسته به تغییرات آب و هوایی، هیدرولوژی و اکولوژی است. مدل های پیشنهادی به منظور برآورد این پارامتر به علت این که از داده های هواشناسی از نوع مکانی نقطه ای استفاده می کنند، برآورد نقطه‌ای از مقدار تابش ارائه می‌کنند. در این پژوهش، دو مدل تجربی هارگریوز- سامانی و محمود هابرد که مبتنی بر داده های دمای هوا هستند، با ورودی داده های روزانه LST (دمای سطح زمین) محصولات MOD11A1 وMYD11A1 سنجنده مودیس به جای دمای هوا، برای تخمین تابش خورشیدی مورد ارزیابی قرار گرفتند. داده های روزانه تابش خورشیدی ایستگاه سینوپتیک اهواز واقع در استان خوزستان در دو سال متوالی (سال های 2006 و 2007) به عنوان داده های واقعی استفاده شد. نتایج حاصل از اعتبار سنجی نشان داد که مدل هارگریوز سامانی با ورودی LST محصولات MOD11A1 و مدل محمود- هابرد با ورودی LST محصولات MYD11A1 به ترتیب دارای بیشترین و کمترین دقت در برآورد تابش خورشیدی هستند. برای این مدل ها، شاخص های آماری R2 وRMSE به ترتیب 83/0،(Mj m-2 d-1) 46/2، 79/0 و (Mj m-2 d-1) 09/4 بدست آمد. برای مدل هارگریوز سامانی همچنین، با استفاده از مدل درختی M5 دو مدل ( RS-M5-1 و RS-M5-2) مبتنی بر داده های LST محصولات MOD11A1 مودیس متغیرهای جغرافیایی تدوین و نتایج حاصل از آن ها با نتایج مدل های تجربی مقایسه شد. نتایج نشان داد که در مقایسه بین مدل درختی RS-M5-1 و مدل های تجربی با ورودی مشابه، مدل درختی M5 از دقت بیشتری برخوردار است. به طور کلی، مدل درختی RS-M5-2 با ورودی های LST محصولات MOD11A1، ساعت آفتابی حداکثر و واقعی و همچنین تابش فرا زمینی، نسبت به مدل های دیگر دارای دقت بیشتری است. برای این مدل، مقادیر آماره های R2 و NSE به ترتیب برابر 87/ و 86/ و جذر میانگین مربعات خطا برابر 24/10 درصد برآورد شد.

چکیده انگلیسی:

Solar radiation is one of the input parameters needed for simulation of processes associated with climate changes, hydrology and ecology. Proposed models to estimate this parameter because using the weather data from a spatial point, would also provide point estimations. In this study, two experimental models including Hargreaves - Samani and Mahmood - Hubbard that are based on air temperature data, with the input data of daily LST products MOD11A1 and MYD11A1 MODIS instead of air temperature, were used to estimate the solar radiation. The real data were obtained from Ahwaz synoptic station for 2006 and 2007. Validation results indicated that Hargreaves - Samani input MOD11A1 LST product and the model of Mahmood - Hubbard MYD11A1 products with input LST (Land Surface Temperature) have the larger and lowest accuracies in estimating solar radiation. Validation results were further indicated that Hargreaves - Samani input MOD11A1 LST product and the Mahmood - Hubbard input MYD11A1 LST product, respectively, have maximum and minimum accuracy in estimating solar radiation. For these models, R2 and RMSE statistics were, respectively 0.83, 2.46 (mj m-2 d-1), 0.79 and 4.09 (mj m-2 d-1). The Hargreaves -Samani model by using M5 model tree models (RS-M5-1 and RS-M5-2) based on LST data of MOD11A1 MODIS products geographic variables were formulated and the outcomes were compared with results of experimental models. The results showed that compares Tree Model RS-M5-1 and experimental models with the same input, The M5 tree model has higher accuracy. In general, tree model RS-M5-2 with LST products MOD11A1 inputs, can estimate the maximum and actual sundial and extraterrestrial radiation more accurate than other models. For this model, the values of R2 and NSE were estimated to be 0.87 and 0.86, respectively. The root mean square error for this was 10.24 percent.