مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

755
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

546
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی دمای روزانه ی خاک با استفاده از داده های سینوپتیکی و شبکه ی عصبی

صفحات

 صفحه شروع 285 | صفحه پایان 295

چکیده

دمای خاک یکی از مهم ترین پارامترهای تأثیرگذار بر روی فرایند های هیدرولوژیکی می باشد و یکی از عوامل مؤثر در استقرار پوشش گیاهی در مناطق خشک است. بررسی ها نشان داده است دمای خاک تحت تأثیر پارامترهایی از قبیل متوسط دمای هوای روزانه, حداقل و حداکثر دمای روزانه, تبخیر, تابش خورشیدی, تعداد ساعات آفتابی و بارش می باشد؛ شناخت از مدل تغییرات دما در اعماق مختلف خاک می تواند در تعیین نیاز آبی گیاهان و فعالیت های بیولوزیکی بسیار مؤثر باشد. با توجه به اهمیت موضوع, در این مطالعه از داده های سینوپتیکی اصفهان به منظور مدل سازی دمای خاک در عمق 5 تا 100 سانتی متری خاک با استفاده از شبکه ی عصبی– مصنوعی استفاده شد. نتایج نشان داد که خطای مدل با افزایش عمق افزایش پیدا می کند به طوری که بیشترین خطای مدل در عمق 100 سانتی متری و کمترین خطای مدل ها در عمق 10 سانتی متر از سطح می باشد. همچنین نتایج نشان داد افزایش خطای مدل های شبکه ی عصبی مصنوعی در شبیه سازی تغییرات دمای خاک در لایه های عمقی می باشد و علت اصلی افزایش کارایی مدل های هوش مصنوعی در شبیه سازی دمای خاک در لایه های سطحی نسبت به لایه های تحتانی عمدتاً مربوط به کاهش همبستگی بین پارامترهای اقلیمی و تغییرات دمای خاک در لایه های تحتانی نسبت به لایه های فوقانی است. به طوری که ضریب تغییرپذیری دمای خاک با افزایش عمق نسبت به لایه های سطحی کمتر است و کمتر تحت تأثیر متغیرهای اقلیمی از جمله دمای خاک قرار می گیرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    مصباح زاده، طیبه، سلیمانی ساردو، فرشاد، رفیعی ساردویی، الهام، و فرزانه پی، فاطمه. (1397). مدل سازی دمای روزانه ی خاک با استفاده از داده های سینوپتیکی و شبکه ی عصبی. مرتع و آبخیزداری (منابع طبیعی ایران)، 71(1 )، 285-295. SID. https://sid.ir/paper/162587/fa

    Vancouver: کپی

    مصباح زاده طیبه، سلیمانی ساردو فرشاد، رفیعی ساردویی الهام، فرزانه پی فاطمه. مدل سازی دمای روزانه ی خاک با استفاده از داده های سینوپتیکی و شبکه ی عصبی. مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1397؛71(1 ):285-295. Available from: https://sid.ir/paper/162587/fa

    IEEE: کپی

    طیبه مصباح زاده، فرشاد سلیمانی ساردو، الهام رفیعی ساردویی، و فاطمه فرزانه پی، “مدل سازی دمای روزانه ی خاک با استفاده از داده های سینوپتیکی و شبکه ی عصبی،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 71، no. 1 ، pp. 285–295، 1397، [Online]. Available: https://sid.ir/paper/162587/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button