ارزیابی راهبرد ترکیب مدل های تجربی و مبتنی بر درخت در پیش بینی تبخیرتعرق مرجع
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در پژوهش حاضر، از سه مدل داده محور شامل مدل درختی M5P، REP و جنگل تصادفی در تخمین تبخیر-تعرق مرجع روزانه استفاده شد. توانایی این سه مدل در تخمین تبخیر-تعرق مرجع در حالت منفرد و ترکیبی مورد مطالعه قرار گرفت. به این منظور از داده های هواشناسی روزانه پنج ایستگاه هواشناسی در استان کرمان در بازه زمانی 1379 تا 1399 استفاده شد. یک ترکیب از متغیرهای هواشناسی، با استفاده از تحلیل حساسیت در مقابل مقادیر تبخیر-تعرق مرجع حاصل از فایو- پنمن- مونتیث، به عنوان ورودی برای هر یک از مدل های مذکور در نظر گرفته شد. درنهایت، دقت روش های مذکور و روش های تجربی در برآورد تبخیر-تعرق گیاه مرجع با استفاده از شاخص های آماری مورد مقایسه و مدل برتر انتخاب شد. نتایج در مرحله صحت سنجی نشان داد که روش M5P به صورت منفرد (083/0 = RSME و 998/0NS = در ایستگاه بم) و روش میانگین گیری وزنی از مدل های درختی به صورت ترکیبی (RMSE = 0.155 و NS = 0.994 در ایستگاه بم و سیرجان) در همه ایستگاه های مورد مطالعه نتایج بهتری در تخمین مقادیر تبخیر-تعرق مرجع داشته اند. در حالت کلی، مدل های درختی به خصوص M5P، در مقایسه با مدل های تجربی نتایج بهتری در تخمین مقادیر تبخیر-تعرق روزانه گیاه داشته اند.
کلیدواژگان:
زبان:
فارسی
صفحات:
256 تا 270
لینک کوتاه:
magiran.com/p2577554
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!