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:

825
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

691
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری-مطالعه موردی: شهر اراک

صفحات

 صفحه شروع 185 | صفحه پایان 197

چکیده

 خشکسالی پدیده ای طبیعی, تکراری و موقتی است که به سبب بارش اندک رخ می دهد و تقریباً تمامی مناطق اقلیمی جهان را تحتتأثیر خود قرار می دهد, بویژه مناطق نیمه خشک که بدلیل میزان پائین بارش سالانه و حساسیت به تغییرات اقلیمی مستعد وضعیت خشکسالی می باشند. خشکسالی می تواند بر سلامت انسان ها و همچنین وضعیت اقتصادی و سیاسی جامعه تأثیرگذار باشد. اطلاعات در مورد شدت, طول مدت و پوشش مکانی خشکسالی می تواند به کارشناسان درخصوص کاهش آسیب پذیری مناطقی که تحت تأثیر خشکسالی هستند, کمک کند. یکی از چالش های اصلی در مدل سازی خشکسالی در ایران که در بخش خشک کره زمین واقع شده است, عدم وجود داده های هواشناسی بلند مدت برای اکثر مناطق کشور می باشد. داده های سنجش از دوری می توانند اطلاعاتی را در خصوص وضعیت پوشش گیاهی در اختیار قرار دهند. در این مقاله مدل های آماری خطی اتورگرسیو-میانگین متحرک تجمعی (ARIMA) ومدلشبکهعصبیبرایمدل سازیخشکسالیبراساسداده هایسنجشازدوریمورداستفادهقرارگرفتهاست. بههمینمنظور, شاخصبارشاستانداردسازیشده (SPI) بااستفادهازداده هایهواشناسیبهعنوانمیزانشدتخشکسالیمورداستفادهقرارگرفت. تعدادیازویژگی هاشاملشاخصاختلافنرمالشدهپوششگیاهی (NDVI), شاخصوضعیتپوششگیاهی (VCI) وشاخصپوششگیاهی-دمایی (TVX) کهازتصاویرMODIS استخراج شده است, بکار برده شدند. با استفاده از مدل ها, شاخص های بدست آمده مدل سازی شدند و خطاهای RMSEوMAE برای آنها محاسبه گردید. سپس همبستگی میان شاخص های سنجش از دوری NDVI, TVXوVCI و شاخص هواشناسیSPI بررسی شده و به ترتیب مقادیر 0546/0, 1475/0 و 0519/0 بدست آمد. در این میان, شاخص هایTVXو NDVI دارای بیشترین همبستگی با داده های SPI بودند. بنابراین ازشاخص های TVX, NDVI به همراه شاخص SPI می توان در پیش بینی وضعیت خشکسالی در منطقه مورد پژوهش استفاده نمود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خوش گفتار، محمدمهدی، آخوندزاده هنزائی، مهدی، و خسروی، ایمان. (1398). مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری-مطالعه موردی: شهر اراک. اطلاعات جغرافیایی، 28(109 )، 185-197. SID. https://sid.ir/paper/253288/fa

    Vancouver: کپی

    خوش گفتار محمدمهدی، آخوندزاده هنزائی مهدی، خسروی ایمان. مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری-مطالعه موردی: شهر اراک. اطلاعات جغرافیایی[Internet]. 1398؛28(109 ):185-197. Available from: https://sid.ir/paper/253288/fa

    IEEE: کپی

    محمدمهدی خوش گفتار، مهدی آخوندزاده هنزائی، و ایمان خسروی، “مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری-مطالعه موردی: شهر اراک،” اطلاعات جغرافیایی، vol. 28، no. 109 ، pp. 185–197، 1398، [Online]. Available: https://sid.ir/paper/253288/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