فهرست مقالات الگوریتم سبال

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - کاربرد الگوریتم سبال در تعیین حداکثر سهم روزانه گندم دیم از منابع آب سبز با استفاده از تصاویر سنجنده مودیس (مطالعه موردی: شهرستان اهر)
  علی اشرف صدرالدینی حامد سبزچی دهخوارقانی امیرحسین ناظمی ابولفضل مجنونی هریس
  10.30495/girs.2020.672370
  کاربرد تکنیک‌های سنجش از دور در برآورد مکانی و زمانی مقادیر تبخیر و تعرق جایگزینی برای اندازه‌گیری‌های‌ میدانی است. هدف از این مطالعه، تعیین حداکثر سهم روزانه گندم دیم از منابع آب سبز در شهرستان اهر با استفاده از اجرای الگوریتم سبال بر روی تصاویر مودیس است. در این پژوهش چکیده کامل

  کاربرد تکنیک‌های سنجش از دور در برآورد مکانی و زمانی مقادیر تبخیر و تعرق جایگزینی برای اندازه‌گیری‌های‌ میدانی است. هدف از این مطالعه، تعیین حداکثر سهم روزانه گندم دیم از منابع آب سبز در شهرستان اهر با استفاده از اجرای الگوریتم سبال بر روی تصاویر مودیس است. در این پژوهش ابتدا کارایی الگوریتم سبال در برآورد تبخیر و تعرق گندم از مقایسه نتایج آن با روش الگامن افهولدر در اراضی گندم دیم و روش فائو پنمن مانتیث در اراضی گندم آبی ارزیابی شد و سپس حداکثر مقدار روزانه تبخیر و تعرق واقعی گندم دیم با استفاده از الگوریتم مذکور در سطح منطقه بدست آمد. از محصولات بازتاب سطحی و دمای سطح زمین سنجنده مودیس جهت رصد تغییرات مقادیر شاخص تفاضل گیاهی نرمال شده در طول دوره رشد گندم، تهیه نقشه اراضی گندم و برآورد مقادیر تبخیر و تعرق آن در سال 1389 در دوره خوشه رفتن تا طلایی شدن گندم استفاده شد. پس از ارزیابی کارایی الگوریتم سبال در دوره مذکور، حداکثر سهم روزانه گندم دیم از منابع آب سبز در 27 اردیبهشت سال 1398 محاسبه گردید. از مقایسه نتایج الگوریتم سبال با نتایج روش‌های محاسباتی در اراضی گندم میانگین خطای مطلق 0.61 میلی متر بر روز و ضریب همبستگی 0.9 بدست آمد. همچنین مشخص گردید که بیشترین میزان تبخیر و تعرق اراضی گندم در زمان به اوج رسیدن منحنی شاخص گیاهی آن می‌باشد که در این مقطع با استفاده از الگوریتم سبال حداکثر سهم روزانه گندم دیم از منابع آب سبز در سال 1398 حدود 0.93 میلیون مترمکعب برآورد گردید. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - برآورد تبخیر و تعرق با استفاده از سنجش از دور، شبکه های عصبی مصنوعی و مقایسه نتایج آن با روش پنمن- مانتیث- فائو در باغات مرکبات شمال خوزستان
  عزیز عظیمی کاظم رنگزن مصطفی کابلی زاده محمد خرمیان
  تبخیر و تعرق یکی از مهمترین عوامل اتلاف آب می باشد. تبخیر و تعرق یک پدیده پیچیده ای است که به عوامل و داده های زیادی بستگی دارد، بنابراین برآورد دقیق میزان تبخیر و تعرق، بسیار مشکل و پرهزینه می باشد. هدف از این مطالعه برآورد تبخیر و تعرق با استفاده از الگوریتم توازن انر چکیده کامل

  تبخیر و تعرق یکی از مهمترین عوامل اتلاف آب می باشد. تبخیر و تعرق یک پدیده پیچیده ای است که به عوامل و داده های زیادی بستگی دارد، بنابراین برآورد دقیق میزان تبخیر و تعرق، بسیار مشکل و پرهزینه می باشد. هدف از این مطالعه برآورد تبخیر و تعرق با استفاده از الگوریتم توازن انرژی سطحی برای زمین (سبال) و همچنین ارزیابی عملکرد شبکه های عصبی مصنوعی در برآورد تبخیر و تعرق می باشد. جهت محاسبه میزان سبال تبخیر و تعرق، روش الگوریتم سبال بوسیله تصاویر ماهواره ای مورد استفاده قرار گردید. در این تحقیق از چهار تصویر لندست 8 استفاده شد که مقایسه نتایج بدست آمده از دو روش، سنجش از دور و معادله پنمن- مانتیث- فائو، نشان می‌دهد که میانگین مربعات خطا (MSE) 54/1 و میانگین خطای مطلق (MAE) 04/1 میلیمتر در روز می‌باشد. برای حل پیچیدگی فرآیند تبخیر، از شبکه‌های عصبی مصنوعی برای پیش بینی تبخیر از تشت بر اساس داده‌های هواشناسی استفاده گردید. در این تحقیق شبکه پرسپترون با الگوریتم پس انتشار خطا برای آموزش آن استفاده شد. برای آموزش شبکه از داده های اقلیمی روزانة 13 ساله ایستگاه صفی آباد دزفول استفاده شد. نتایج حاصل از محاسبات نشان داد بهترین شبکه، شبکه‌ای با همه ورودی‌ها، با یک لایه پنهان و 28 نرون در لایه میانی می‌باشد. نتایج پیاده سازی این شبکه نشان دهنده، شاخص های آماری معیارهای میانگین مربعات خطا (MSE) 0032/0، میانگین خطای مطلق (MAE) 0445/0 و ضریب تبین (R2) 9609/0 می‌باشد. مقایسه نتایج بدست آمده از روش شبکه های عصبی مصنوعی با روش پنمن- مانتیث- فائو نشان می‌دهد که میانگین مربعات خطا (MSE) 11/1 و میانگین خطای مطلق (MAE) 52/0 میلی متر در روز می‌باشد. این نتایج، بیانگرعملکرد بهتر شبکه‌های عصبی مصنوعی نسبت به روش سنجش از دور در برآورد میزان تبخیر و تعرق می‌باشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - Impact of climate change on actual evapotranspiration in future periods using remote sensing techniques and SEBAL energy balance algorithms (Case study: Plain Tuyserkan Hamedan)
  سمانه پور محمدی محمد تقی دوستانی مهران فاطمی علیرضا مساح بوانی هادی جعفری
  Evapotranspiration is the main source of water loss in basin and so knowledge of various aspects of water resources management is essential. Type text or a website address or translate a document. On the other hand, knowledge of the actual evapotranspiration plains is i چکیده کامل

  Evapotranspiration is the main source of water loss in basin and so knowledge of various aspects of water resources management is essential. Type text or a website address or translate a document. On the other hand, knowledge of the actual evapotranspiration plains is important to determine and manage crop pattern and irrigation of horticultural and agricultural. Due to the effects of climate change on all environmental aspects of watersheds, Check these changes on actual evapotranspiration of catchment is essential as a key factor in determining the water balance and water management planning for the sustainable management of natural resources and the environment. The aim of the present study is investigation of climate change effective on actual evapotranspiration in Tuyserkan Basin in west of Iran. For this aim MODIS satellite images and SEBAL algorithms was used to estimating of actual evapotranspiration in Tuyserkan basin for 10 years old. Impact of climate change was analyses through 15 atmospheric general circulation model and under two scenarios A1B and B1 in Software LARS-WG. The results showed that the probability of 80% in future periods, minimum temperature from 13 to 20% and maximum temperature from 2.4 to 6.4 percent has increase. Actual evapotranspiration is the probability of 80% in future periods will increase from 0.4 to 1.4%. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - ارزیابی و مقایسه میزان برآورد تبخیر و تعرق گیاه گندم با استفاده از الگوریتم سبال و روش پنمن – مانتیث در منطقه چاه نیمه های سیستان و بلوچستان
  احمد رئیسی غلامعلی مظفری حمیدرضا غفاریان مالمیری
  برآوردمیزان آب مصرفی گیاه یا تبخیر و تعرق برای مدیریت و برنامه‌ریزی منابع آب و کشاورزی، توازن هیدرولوژیکی و همچنین تخمین تقریبی عملکرد محصول ضرورت دارد. روش‌های مختلفی برای تعیین تبخیر و تعرق در مقیاس‌های کوچک با استفاده از اندازه‌گیری‌های میدانی مانند لایسیمتر وجود دار چکیده کامل

  برآوردمیزان آب مصرفی گیاه یا تبخیر و تعرق برای مدیریت و برنامه‌ریزی منابع آب و کشاورزی، توازن هیدرولوژیکی و همچنین تخمین تقریبی عملکرد محصول ضرورت دارد. روش‌های مختلفی برای تعیین تبخیر و تعرق در مقیاس‌های کوچک با استفاده از اندازه‌گیری‌های میدانی مانند لایسیمتر وجود دارد که از دقت بالایی برخوردار هستند، اما در این تحقیق از روش‌های مبتنی بر دورسنجی و استفاده از تصاویر ماهواره‌ای استفاده شده است. بنابراین در این تحقیق از تصاویر ماهواره لندست 8 برای سال‌های 1396 و 1398 استفاده شده و نتایج به دست آمده از روش مبتنی بر سنجش از دور (سبال) با داده‌های اندازه‌گیری شده در ایستگاه هواشناسی زهک به منظور برآورد تبخیر و تعرق با استفاده از روش فائو-پنمن-مانتیث مقایسه شد. با استفاده از شاخص‌های آماری مانند خطای نسبی و ضریب تبیین به بررسی توانایی و عملکرد الگوریتم سبال پرداخته شد. مقایسه نتایج نشان داد تبخیر و تعرق به دست آمده به روش سبال دارای مطابقت قابل قبولی با تبخیر و تعرق برآورد شده از روش پنمن مانتیث است و اختلاف معنی داری بین دو روش محاسبه شده وجود ندارد. بدین صورت که مقادیر شاخص‌های آماری در سال-های 1396 و 1398 برای ضریب تعیین به ترتیب برابر 82/0 و 95/0، برای ریشه میانگین مربعات خطا (RMSE) به ترتیب دارای مقادیر 15/2 و 27/1 و همچنین میانگین خطای مطلق(MAE) به ترتیب دارای مقادیر49/1 و11/1 و در نهایت متوسط خطای اریب(MBE) به ترتیب دارای مقادیر 27/0 و 09/0 می باشد، نتایج حاکی از دقت قابل قبول الگوریتم سبال در برآورد تبخیر و تعرق واقعی می‌باشد. پرونده مقاله