ارزیابی یادگیری ماشین و سنجش از دور در تخمین تبخیر و تعرق مرجع | ||
| مدیریت آب و آبیاری | ||
| دوره 15، شماره 1، بهار 1404، صفحه 180-205 اصل مقاله (2.15 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2025.383457.1182 | ||
| نویسندگان | ||
| جوانشیر عزیزی مبصر* 1؛ علی رسولزاده2؛ امین اکبری مجد3 | ||
| 1گروه مهندسی آب دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 2'گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 3گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| چکیده | ||
| تبخیر و تعرق مرجع (ETo) یکی از اساسیترین متغیرها در تعیین نیاز آبی محصول و برنامهریزی و طراحی سامانههای آبیاری است. مدلهای یادگیری ماشین برای رفع محدودیتهای مدلهای تجربی و برآورد تبخیر تعرق (ET) توسعه داده شدهاند. در سالهای اخیر، محاسبه ET با استفاده از فناوریهای سنجش از دور توسعه و بهبود یافته است. در این مطالعه برای تخمین تبخیر و تعرق مرجع در دشت اردبیل کارایی سه مدل جنگل تصادفی(RF)، رگرسیون خطی چندگانه (MLR) و ماشین بردار پشتیبان (SVM) بررسی شد. اطلاعات هواشناسی برای دادههای مدل از سال 1385 تا 1401 از طریق سنجش از دور و ایستگاههای سینوپتیک دریافت شد. ETo بهعنوان پارامتر هدف، با استفاده از روش فائو پنمن-مانتیث در محدوده پنج ایستگاه سینوپتیک محاسبه شد. در مرحله ساخت و آموزش مدلها، سریزمانی پارامترهای ورودی و هدف در محل چهار ایستگاه سینوپتیک و با تشکیل یک سری زمانی تصادفی و ترکیبی از کل دادهها انجام و در مرحله ارزیابی نهایی مدل، تنها از دادههای ایستگاه پنجم استفاده شد. آمارههای ارزیابی مورداستفاده، ، NSE و RMSE بودند. نتایج حاصل برای شاخصهای آماری، برای مدل RF بهترتیب برابر با 7/0، 558/0 و 76/10، برای SVM برابر 71/0، 1- و 6/13 و برای MLR 71/0، 688/0- و 21 بود که با مقایسه نتایج، مدل RF نسبت به سایر مدلها از دقت بالاتری برخوردار بود. مطالعه حاضر نشان داد که مدل جنگل تصادفی میتواند یک مدل مطمئن و نسبتاً دقیق برای پیشبینی ETo با استفاده از دادههای RS برای مناطق فاقد آمار باشد. | ||
| کلیدواژهها | ||
| MLR؛ RF؛ SVM؛ تبخیر و تعرق مرجع؛ حوضه فاقد آمار؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,150 تعداد دریافت فایل اصل مقاله: 662 |
||