به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « تعرق گیاه مرجع » در نشریات گروه « اکولوژی »

تکرار جستجوی کلیدواژه «تعرق گیاه مرجع» در نشریات گروه «کشاورزی»
  • معصومه نجفی، وحید عظیمی، محمد شایان نژاد*
    در این پژوهش برای ارزیابی حساسیت تبخیر- تعرق گیاه مرجع در دو منطقه اصفهان و رشت با اقلیم های نیمه خشک و معتدل، به کمک دو روش هوشمند، از پارامترهای هواشناسی در طول آماری 1970-2010 استفاده شد. همچنین از شبکه های عصبی با ساختار پرسپترون چندلایه (MLP[1]) و برنامه ریزی بیان ژن GEP[2])) برای آنالیز حساسیت تبخیر- تعرق گیاه مرجع به پارامترهای هواشناسی استفاده شد. در مورد همبستگی پارامترها، نتایج نشان داد در اصفهان و رشت، کمینه دما و بیشینه دما با ضریب همبستگی 968/0 و 926/0 در مقابل دیگر پارامترها، بیشترین همبستگی را دارند و در منطقه اصفهان سرعت باد با بیشینه دما با ضریب 067/0 و در رشت سرعت باد با کمینه رطوبت با ضریب 001/0 کمترین ارتباط را دارند. همچنین نتایج حاصل از این بررسی نشان داد در منطقه اصفهان با کاربرد مدل MLP و با ورودی های بیشینه و کمینه دما، رطوبت، سرعت باد و تعداد ساعات آفتابی، با جذر میانگین مربعات خطا (RMSE[3]) برابر با 418/0 میلی متر در روز بهترین نتیجه را جهت تخمین تبخیر- تعرق مرجع ارائه داد. همچنین در منطقه رشت با کاربرد مدل MLP و با ورودی های کمینه و بیشینه دما، بیشینه رطوبت و تعداد ساعات آفتابی دارای ضریب همبستگی بیشتر و خطای کمتر است و مقادیر تبخیر- تعرق گیاه مرجع را نسبت به واقعیت بهتر پیش بینی می کند. در ارتباط با همبستگی پارامترها با نتایج تبخیر- تعرق گیاه مرجع، نتایج نشان داد، در هر دو منطقه اصفهان و رشت سرعت باد با تبخیر- تعرق با ضرایب 3/0 و 061/0 کمترین تاثیر را بر هم دارند
    کلید واژگان: شبکه عصبی, برنامه ریزی بیان ژن, تبخیر, تعرق گیاه مرجع, پارامترهای هواشناسی}
    Masumeh Najafi, Vahid Azimi, Mohammad Shayannejad *
    In this study, climatic parameters are used to evaluate the sensitivity of reference evapotranspiration in Isfahan and Rasht with two semi-arid and moderate climates using two intelligent methods during 1970-2010. In this research, multi-layer precpetron e (MLP) and gene expression programming (GEP) intelligent models are used in order to analyze the sensitivity of reference evapotranspiration to meteorological parameters. Results of correlation of the parameters showed, in Isfahan and Rasht, maximum and minimum temperatures have the highest correlation with correlation coefficients of 0.968 and 0.926 with other parameters, and in Isfahan wind speed and maximum temperature with a coefficient of 0.067 and in Rasht, minimum humidity and wind speed with a coefficient of 0.001 have lowest correlations. The results of the survey indicate that in Isfahan using MLP model and the maximum and minimum temperature, humidity, wind speed and number of sunshine hours as inputs, with the root mean square error (RMSE) equal to 0.418 mm/day was the best results for estimating reference evapotranspiration. The application of MLP model in Rasht, with the inputs of maximum and minimum temperature, the maximum humidity and the number of sunshine hours has less error and higher correlation coefficient and the values of reference evapotranspiration are much more similar to reality. Also, about the evapotranspiration of reference plant in relation to parameters that are used in this study the results showed that in two study places, the correlation coefficient between wind speed and reference evapotranspiration are 0.3 and 0.061 in Isfahan and Rasht, respectively which are the lowest coefficients.
    Keywords: gene expression programming, meteorological parameters, Neural Networks, reference evapotranspiration}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال