استفاده از روش یادگیری ماشین بهمنظور برآورد تبخیر و تعرق(مطالعه موردی: استان سمنان) | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 5، مرداد 1403، صفحه 781-797 اصل مقاله (3.65 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.371452.669652 | ||
| نویسندگان | ||
| حسام هروی1؛ علی اصغر ذوالفقاری* 2 | ||
| 1گروه بیابان زدایی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران | ||
| 2گروه بیابان زدایی، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| تبخیر و تعرق (ET) در مناطق خشک و نیمهخشک از اهمیت زیادی برخوردار بوده و برآورد دقیق آن در برنامهریزی و مدیریت شیوههای آبیاری حائز اهمیت است. استان سمنان دارای تعداد محدودی ایستگاه سینوپتیک و تبخیرسنجی است که کمبود دادههای تبخیر و تعرق سبب شده که برآورد مکانی آن با مشکل مواجه گردد. در این مطالعه از محصول تبخیر و تعرق حاصل از دادههای بازتحلیل ERA5-Land به همراه متغیرهای کمکی ارتفاع و دما برای برآورد تبخیر و تعرق در منطقه موردمطالعه استفاده شد. همچنین بهمنظور برقراری ارتباط بین متغیرهای کمکی و دادههای تبخیر و تعرق از روش یادگیری ماشین جنگل تصادفی (RF) استفاده شد و نقشه تبخیر و تعرق در منطقه موردمطالعه با استفاده از مدل RF تهیه شد. دقت مدل RF در برآورد تبخیر و تعرق با استفاده از چهار معیار آماری شامل ضریب همبستگی (r)، مقدار اریبی (BIAS)، میانگین ریشه مربعات خطا (RMSE) و شاخص KGE مورد ارزیابی قرار گرفت. نتایج مرحله اعتبارسنجی، کارایی بالای مدل RF را نشان داد (R² = 0.95، 4.1-BIAS= ، RMSE = 98.6 و KGE = 0.92). همچنین مشخص شد عملکرد مدل RF در برآورد تبخیر و تعرق با استفاده از متغیرهای ورودی به وابستگی خطای مدل (BIAS) به توپوگرافی بستگی دارد و متغیر ارتفاع عامل مهمی در برآورد تبخیر و تعرق محسوب میگردد. نتایج این مطالعه نشان داد که استفاده از دادهکاوی و پردازش در محیط برنامهنویسی R، در مناطقی با تعداد محدود ایستگاه هواشناسی، برآورد دقیق میزان تبخیر و تعرق در مناطق خشک و نیمهخشک را ممکن میسازد. | ||
| کلیدواژهها | ||
| واژههای کلیدی: ارتفاع؛ دما؛ ERA5-Land؛ مدل جنگل تصادفی(RF) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 886 تعداد دریافت فایل اصل مقاله: 473 |
||