تعداد نشریات | 161 |
تعداد شمارهها | 6,493 |
تعداد مقالات | 70,187 |
تعداد مشاهده مقاله | 123,336,490 |
تعداد دریافت فایل اصل مقاله | 96,550,629 |
استفاده از تجزیة علیت در تعیین پارامترهای هواشناسی غالب بر تبخیر و تعرق گیاه مرجع در استان آذربایجان شرقی | ||
پژوهش های جغرافیای طبیعی | ||
مقاله 6، دوره 51، شماره 3، مهر 1398، صفحه 469-482 اصل مقاله (1.04 M) | ||
نوع مقاله: مقاله کامل | ||
شناسه دیجیتال (DOI): 10.22059/jphgr.2019.281324.1007379 | ||
نویسندگان | ||
یعقوب دین پژوه* 1؛ معصومه فروغی2 | ||
1دانشیار گروه مهندسی منابع آب، دانشکدة کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
2دکتری آب و هواشناسی، دانشکدة برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران | ||
چکیده | ||
در این پژوهش اثرهای مستقیم و غیرمستقیم پارامترهای هواشناسی بر روی ET0 در استان آذربایجان شرقی با استفاده از تجزیة علیت بررسی شده است. برای برآورد ET0، از فرمول فائو- پنمن مانتیث استفاده شد. مهمترین پارامترهای هواشناسی مؤثر بر ET0، با استفاده از رگرسیون گام به گام شناسایی، بهمنظور ارزیابی عملکرد مدل رگرسیونی، از آمارههای MAPE، R2، RMSE، و MAE استفاده شد و اثرهای مستقیم و غیرمستقیم هر یک از پارامتر بر ET0 با استفاده از تجزیة علیت محاسبه شد. مقدار MAPE مابین 43/0 و 87/0، R2 مابین 97/0 و 99/0، RMSE مابین 042/0 و 092/0، و MAE مابین 033/0 و 057/0 بهدست آمد. سرعت باد در ایستگاههای مورد مطالعه (بهجز ایستگاه اهر) همبستگی معنیداری با ET0 نشان داد. با توجه به نتایج تجزیة علیت، بیشترین مقدار اثر مستقیم پارامترهای هواشناسی بر ET0 در همة ایستگاهها بهجز اهر متعلق به سرعت باد بود که مقدار آن برای تبریز 637/0، جلفا 787/0، سهند 877/0، سراب، 578/0، مراغه، 850/0، و میانه 780/0 است و در ایستگاه اهر متعلق به پارامتر Tmax معادل 398/0 بود. کمترین مقدار اثر مستقیم پارامترهای هواشناسی بر ET0 در منطقة مورد مطالعه متعلق به حداقل درجة حرارت هوا بوده است. | ||
کلیدواژهها | ||
پارامترهای هواشناسی؛ تبخیر- تعرق گیاه مرجع؛ تجزیة علیت؛ رگرسیون گام به گام | ||
مراجع | ||
اسدزاده، ف.؛ کاکی، م. و شکیبا، س. (1396). بررسی و تحلیل روند تبخیر و تعرق گیاه مرجع با استفاده از آزمون اسپیرمن در ایستگاههای سینوپتیک استان کردستان، تحقیقات منابع آب ایران، 13(۱): شماره 1، ۲۱۶-۲۲۲. جهانبخش اصل، س.؛ موحد دانش، ع. ا. و مولوی، و. (1380). تحلیل مدلهای برآورد تبخیر- تعرق برای ایستگاه هواشناسی تبریز، مجلة دانش کشاورزی، 11(۲): ۵۱-66. سیفی، ا.؛ میرلطفی، م. و ریاحی، ح. (1389). توسعة مدل ترکیبی رگرسیون چندگانه- تحلیل مؤلفهها و عاملهای اصلی (MLR-PCA) در پیشبینی تبخیر- تعرق مرجع؛ مطالعة موردی: ایستگاه کرمان، نشریة آب و خاک، 24(۶): ۱۱۸۶-1196. کردوانی، پ. و قلعهای، م.ح. (1392). تخمین مقادیر تبخیر- تعرق مرجع با استفاده از مدل فائو پنمن 56 در حوضة رودخانة آیدوغموش، فصلنامة علمی- پژوهشی اکوبیولوژی تالاب، دانشگاه آزاد اسلامی اهواز، 5(۱۵): ۱۵-22. جعفری، م. و دینپژوه، ی. (1395). ارزیابی مدل رگرسیون چندمتغیرة تیغهای در برآورد تبخیر از تشت، نشریة علوم و مهندسی آبیاری، 40(۱): ۸۳-97. Asadzadeh, F.; Kaki, M. and Shakiba, S. (2017). Trend analysis of reference evapotranspiration in the synoptic sites of Kurdistan Province using Spearman’s test, Iran-Water Resources Research, 13(1): 222-256. In Persian. Balan, B.; Mohaghegh, S. and Ameri, S. (1995). State- of- art- in permeability determination from well log data: Part 1- A comparative study, Model Development, SPE Technical Report 30978: 17-25. Cai, J.; Liu, Y.; Xu, D. and Shi, B. (2008). Sensitivity analysis on water deficit indicator of winter wheat based on path analysis theory, J. Hydraul. Eng., 39(1): 83-90. Dewey, D.R. and Lu, K.H. (1959). A correlation and path-coefficient analysis of components of crested wheatgrass Seed Production, Agronomy Journal, 51(9): 515-518. Foster, G. and Rahmstorf, S. (2011). Global temperature evolution 1979-2010, Environmental Research Letters, 6(4): 044022. Hatch, U.; Jagtap, S.; Jones, J. and Lamb, M. (1999). Potential effects of climate change on agricultural water use in the southeast US., J. Am. Water Resour., 35: 1551-1561. Huber, M. and Knutti, R. (2011). Anthropogenic and natural warming inferred from changes in earth's energy balance, Nature Geosciences, 5(1): 31-36. Jacobsen, S.E.; Jensen, C.R. and Liu, F. (2012). Improving crop production in the arid Mediterranean climate, Field Crop Res., 128: 34-47. Jafari, M. and Dinpashoh, Y. (2015). Evaluation of multiple ridge regression model to estimation of pan evaporation, Journal of Irrigation Science and Engineering, 40(1): 83-97. In Persian Jarvis, P.G. and McNaughton, K. (1986). Stomatal control of transpiration: Scaling up from leaf to region, Adv. Ecol. Res., 15: 1-49. Jahanbakhsh, S.; Rezaee Banafshe, M.; Esmaeelpour, M. and Tadayoni, M. (2012). The evaluation of potential evapotranspiration estimation models and its spatial distribution in the Southern Basin of Aras River, Journal of Geography and Planning, 16(40): 25-46. In Persian. Kardavani, P. and Qalehe, M.H. (2013). Estimating the reference evapotranspiration values by using FAO-56PM in Aydoghmush River basin, Journal of Wetland Ecobiology, 5(1): 15-22. In Persian. Khdkar, D.D.; Singh, P.K.; Bhakar, S.R.; Kothari, M.; Jain, H.K. and Mudgal, V.D. (2016). Modeling of Reference Evapotranspiration using Regression Techniques, International Journal of Agriculture Sciences, 8(26): 3529-3532. Liu, Y.; Yu, M.; Ma, X. and Xing, X. (2016). Estimating models for reference evapotranspiration with core meteorological parameters via path analysis, Hydrology Research, 48(6): 1-15. Mahida, H.R. and Patel, V.N. (2015). Impact of climatological parameters on reference crop evapotranspiration using multiple linear regression analysis, SSRG International Journal of Civil Engineering (SSRG-IJCE), 2(1): 22-25. Malik, A. and Kumar, A. (2015). Pan evaporation simulation based on daily meteorological data using soft computing techniques and multiple linear regression, Water Resources Management, 29: 1859-1872. Manikumari, N. and Vinodhini, G. (2016). Regression models for predicting reference evapotranspiration, International Journal of Engineering Trends and Technology (IJETT), 38(3): 134-139. Nam, W.H.; Hong, E.M. and Choi, J.Y. (2015). Has climate change already affected the spatial distribution and temporal trends of reference evapotranspiration in South Korea? Agric, Water Manag, 150: 129-138. Peng, Q.; Guanxin, Zh. and Xu, Y.J. (2017). Spatiotemporal changes of reference evapotranspiration in the highest-latitude region of china, Water, 9(7): 493; Doi:10.3390/w9070493. Seifi, A.; Mirlatifi, S.M. and Riahi, H. (2011). Developing a combined model of multiple linear regression-principal component and factor analysis (MLR-PCA) for estimation of reference evapotranspiration (Case Study: Kerman Station), Journal of Water and Soil, 24(6): 1186-1196. In Persian. Silva, H.J.F.D.; Santos, M.S.D.; Junior, J.B.C.; Spyrides, M.H.C. (2016). Modeling of reference evapotranspiration by multiple linear regression. Journal of Hyperspectral Remote Sensing. 6(1): 44-58. Wever, L.A.; Flanagan, L.B. and Carlson, P.J. (2002). Seasonal and interannual variation in evapotranspiration, energy balance and surface conductance in a northern temperate grassland, Agr. Forest. Meteorol., 112: 31-49. Xing, X.; Liu, Y.; Zhao, W.G.; Kang, D.G.; Yu, M. and Ma, X. (2016). Determination of dominant weather parameters on reference evapotranspiration by path analysis theory, Computers and Electronics in Agriculture, 120: 10-16. Yu, S.W.; Zhu, K.J. and Zhang, X. (2012). Energy demand projection of China using a path-coefficient analysis and PSO-GA approach, Energy Convers. Manage, 53(1): 142-153. Zakizadeh, M.; Esmaeilzadeh Moghaddam, M. and Kahrizi, D. (2010). Study on genetic variation and relationship between plant characteristics and grain yield in long spike bread wheat (Triticum Aestivum L.) genotypes using multivariate analysis, Iranian Journal of Crop Science, 12: 18-30. Zhang, B.Z.; Xu, D.; Liu, Y.; Li, F.S.; Cai, J.B. and Du, L.J. (2016). Multi-scale evapotranspiration of summer maize and the controlling meteorological factors in north China, Agric. Forest Meteorol., 216: 1-12. Zhang, X.S.; Yan, Y.l . and Hu, Z.H. (2017). Using path analysis to identify impacting factors of evapotranspiration at different time scales in farmland, Chinese Journal of Agro-meteorology, 38(4): 201-210. | ||
آمار تعداد مشاهده مقاله: 470 تعداد دریافت فایل اصل مقاله: 297 |