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

regression modeling

در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه regression modeling در مقالات مجلات علمی
  • رضا سعیدی*

    برای یک برنامه ریزی دقیق آبیاری، باید میزان تخلیه روزانه آب خاک در طول دوره رشد گیاه برآورد شود. تخلیه آب خاک وابسته به مقدار تبخیر-تعرق روزانه گیاه است. در این پژوهش مقدار تبخیر-تعرق روزانه ذرت رقم سینگل کراس 704، در بستر کشت مینی لایسیمتر از طریق پایش مداوم رطوبت خاک انجام شد. مقاومت روزنه ای برگ ها به صورت روزانه و توسط دستگاه پرومتر AP4 اندازه گیری شد. حد تخلیه مجاز آب خاک در چهار مرحله رشد اولیه (C1) ، توسعه (C2)، میانی (C3) و پایانی (C4)، بر اساس واکنش مقاومت روزنه ای برگ ها تعیین شد. به این صورت که لحظه افزایش مقاومت روزنه ای برگ ها (در هر مرحله رشد) نسبت به گیاهان شاهد، زمان اتمام آب سهل الوصول و انجام آبیاری جدید بود. متغیر های اصلی شامل اثر مرحله رشد بر میزان تبخیر-تعرق گیاه و ضریب تخلیه مجاز آب خاک بود که در قالب طرح پایه کاملا تصادفی و با سه تکرار بررسی شد. برای شبیه سازی مقدار ضریب تخلیه مجاز آب خاک (P) بر اساس تبخیر-تعرق روزانه گیاه (ETc)، از توابع (مدل های) رگرسیونی استفاده شد. واسنجی مدل ها با داده های روزانه در مراحل اولیه و توسعه رشد و ارزیابی مدل ها با داده های روزانه در مراحل میانی و پایانی رشد انجام شد. هم چنین مدل خطی فائو-56 با مدل های معرفی شده در پژوهش حاضر مقایسه شد. نتایج نشان داد که نرخ ETc ذرت (S.C 704) در مراحل اولیه، توسعه، میانی و پایانی رشد به ترتیب در بازه 4/5 - 1/5، 7/1 - 3/9 ، 7/5 -1/4 و 2/1 - 0/2 میلی متر در روز قرار داشت. حد تخلیه مجاز آب خاک در مراحل رشد مذکور به ترتیب 0/45، 0/66، 0/61 و 0/7 محاسبه شد. حساسیت متفاوت در مراحل رشد گیاه باعث شد که حد آب سهل الوصول در دوره رشد ثابت نباشد. در مراحل مختلف رشد، افزایش مقدار ETc موجب کاهش ضریب P و کاهش مقدار ETc، باعث افزایش ضریب P شد. توابع خطی، نمایی، لگاریتمی، درجه دوم، توانی و خطی فائو-56 بررسی شد. تابع درجه دوم با شاخص های آماری 0/00035=RMSE،0/054=NRMSE، 0/0008=ME، -0/000005=CRM، 0/999=R2 و 999/0=EF، مدل بهینه در تخمین ضریب P بود. دلیل ضعف عملکرد مدل فائو-56، ثابت بودن حد تخلیه سهل الوصول آب و متوسط نرخ ETc در فصل رشد بود. ازاین رو مدل فائو-56 اصلاح شد. دستاورد پژوهش این بود که بدون پایش روزانه رطوبت خاک، می توان ضریب تخلیه مجاز آب خاک را با استفاده از ETc برآورد نمود. این روش به خصوص در برنامه ریزی آبیاری با دورهای کوتاه، مفید خواهد بود.

    کلید واژگان: حساسیت مرحله رشد، آب سهل الوصول، مدل سازی رگرسیونی
    Reza Saeidi *

    For an accurate irrigation schedule, the daily soil water depletion should be estimated during the crop growth period. Soil water depletion is dependent on daily evapotranspiration. In this research, daily evapotranspiration of S.C 704 maize was measured in mini-lysimeters. Estimation of daily evapotranspiration was done by continuous measurement of soil moisture. Leaves stomatal resistance was measured daily, by AP4 Porometer device. Soil water allowable depletion was determined in four growth stages of initial (C1), development (C2), mid (C3), and late (C4), based on the leaves stomatal resistance response. At each growth stage, when leaves stomatal resistance increased relative to the control crops, readily available water was ending and the time was right for new irrigation. The main variables included growth stage effect on crop evapotranspiration and water depletion coefficient, which was investigated in a completely randomized basic design, with three replications. Regression functions (models) were used for simulation of allowable soil water depletion coefficient (P) based on the daily evapotranspiration (ETc). The models were calibrated by daily data at initial and development stages, and were evaluated by daily data in mid and late stages. The FAO-56 linear model was compared with the models introduced in this research. The results showed that maize ETc (S.C 704) in initial, development, mid, and late stages was in the range of 1.5-4.5, 3.9 -7.1, 1.4 -7.5, and 0.2 -2.1 mm.d-1, respectively. The allowable soil water depletion in the mentioned stages was calculated as 0.45, 0.66, 0.61 and 0.7, respectively. Different sensitivity in crop growth stages caused readily available water limit not to be constant during growth period. The ETc increase caused a decrease in P, and decrease in ETc increased P. Linear, exponential, logarithmic, polynomial, power, and FAO-56 linear functions were investigated. Polynomial function with statistical indices of RMSE=0.00035, NRMSE=0.054, ME=0.0008, CRM=-0/000005, R2=0.999 and EF=0.999, was the optimal model in estimation of P coefficient. The reason for weak performance of FAO-56 model was the constant limit for readily available water and mean ETc rate in the growing season. Therefore, the FAO-56 model was modified. The research result was to estimate the soil water allowable depletion coefficient (by using ETc), without daily measurement of soil moisture. This method will be useful in irrigation scheduling, especially those with short intervals.

    Keywords: Growth Stage Sensitivity, Readily Available Water, Regression Modeling
  • امیرحسین پارسامهر، علی سلاجقه*، شهرام خلیقی سیگارودی، خالد احمدآلی

    هدف از پژوهش حاضر ارائه رویکردی برای مدل سازی تغییرات مکانی-زمانی بارش است که می تواند به عنوان ورودی مدل های بارش - رواناب مورد استفاده قرار گیرد. برای این منظور از داده های رگبار چهار ایستگاه پایش باران در حوزه آبخیز پسکوهک، واقع در 27 کیلومتری غرب شیراز، استفاده شد. پنج پارامتر ارتفاع از سطح دریا، درجه شیب، جهت شیب، طول و عرض جغرافیایی به عنوان عوامل موثر در تغییرات مکانی بارش انتخاب شد. ترکیبات مختلف این پنج پارامتر، با استفاده از آزمون گاما در نرم افزار WinGammaTM ، اولویت بندی شد. مدل سازی رگرسیونی و تعیین ضرایب عددی معادلات، با استفاده از الگوریتم بهینه سازی لونبرگ-مارکوارت در محیط MATLAB انجام شد. سپس با استفاده از معیارهای ارزیابی ضریب تعیین (R^2)، ریشه میانگین مربعات خطا (RMSE) و دیاگرام تیلور(Taylor Diagram)، بهترین مدل انتخاب و نقشه رستری یک رگبار انتخابی در محیط Arc GIS ترسیم شد. در انتها با استفاده از رویکرد پیشنهادی استفاده از روش نسبت معادلات، مدل تغییرات مکانی-زمانی بارش نهایی شد. نتایج نشان داد که با استفاده از مدل غیرخطی درجه دو و پارامترهای ارتفاع از سطح دریا و عرض جغرافیایی، می توان با دقت بالایی، توزیع مکانی بارش را به صورت یک شبکه منظم پیکسلی (100 متر مربعی) بدست آورد (917/0 =.R^2 و 2277/0=RMSE). با توجه به اینکه در رگبارهای مختلف حوزه های کوچک، نسبت تغییرات بارش هر پیکسل به پیکسل های دیگر (از جمله پیکسل ایستگاه پایش باران) تقریبا ثابت است، بنابراین با استفاده از رویکرد پیشنهادی در این پژوهش می توان تغییرات مکانی و زمانی هر رگبار را به صورت یک ماتریس سه بعدی در منطقه مدل سازی کرد.

    کلید واژگان: حوزه پسکوهک، لونبرگ - مارکوارت، مدل رگرسیون، مدل سازی بارش
    AmirHossein Parsamehr, Ali Salajegheh *, Shahram Khalighi, Khaled Ahmadaali
    Aim

    The aim of this study is to propose an approach for modeling spatiotemporal changes in rainfall that can be used as input for rainfall-runoff models.

    Research Method

    To achieve this, rainfall data from four rain gauge stations in the Paskouhak catchment were used. Five parameters, including elevation, slope, aspect, longitude, and latitude, were identified. The different combinations of these five parameters were prioritized using the gamma test in WinGammaTM software. After the use of different regression models, the best model was selected based on evaluation criteria such as R2, RMSE, and the Taylor diagram. A raster map of a selected rainfall event was drawn in the Arc GIS environment. Finally, using the proposed approach of relative equations, the spatiotemporal changes in rainfall were modeled.

    Results

    The results showed that using a second-degree nonlinear model and parameters of elevation and latitude, it is possible to accurately obtain the spatial distribution of rainfall in the form of a regular pixel grid (100 square meters) with high precision (R2=0.917 and RMSE=0.2277).

    Conclusion

    In different rainfall events in small catchment areas, the variation in rainfall in each pixel is almost constant relative to other pixels, including the rain gauge station, the proposed approach in this study can model the spatiotemporal changes of each rainfall event as a three-dimensional matrix in the study area. The approach can be valuable in predicting potential flood events and in water resource management and planning. However, further research is required to validate the results and test the approach in other areas.

    Keywords: Levenberg-Marquardt, Paskouhak catchment, Rainfall modelling, Regression modeling
  • حسن مسعودی*

    در این پژوهش یک سامانه الکترونیکی برای تعیین جرم و حجم میوه پرتقال با استفاده از حسگرهای فراصوتی ساخته شد. اجزای سخت افزاری سامانه شامل بدنه فلزی، حسگرهای فراصوتی، حسگر نیرو، برد آردوینو، ماژول کارت حافظه، مبدل ولتاژ، صفحه کلید، نمایشگر و آداپتور برق می باشد. یک برنامه رایانه ای برای اخذ داده ها از حسگرهای فراصوتی و تعیین جرم و حجم پرتقال ها با کمک روابط رگرسیونی در نرم افزار آردوینو نوشته شد. 100 نمونه از میوه پرتقال رقم محلی دزفول از یک باغ به صورت تصادفی چیده شد و آزمایش های مختلفی برای تعیین خواص فیزیکی آن ها شامل ابعاد، جرم و حجم میوه انجام شد. مطابق نتایج ارزیابی سامانه، بین مقادیر خروجی سامانه با مقادیر واقعی جرم و حجم میوه های پرتقال رقم محلی دزفول اختلاف معنی داری در سطح احتمال یک درصد مشاهده نشد. مقادیر ریشه میانگین مربعات خطا (RMSE) در تعیین جرم و حجم پرتقال ها توسط سامانه به ترتیب برابر با 9.02 گرم و 10.90 سانتی مترمکعب به دست آمد. در مجموع، عملکرد سامانه ساخته شده قابل قبول بود و لذا می توان از آن برای تعیین جرم و حجم میوه های پرتقال استفاده نمود.

    کلید واژگان: اجزای سخت افزاری، تعیین جرم و حجم، سامانه الکترونیکی، مدل سازی رگرسیونی، میوه پرتقال
    H. Masoudi *

    In this study, an electronic system was built to determine the mass and volume of orange fruits from their dimensions using ultrasonic sensors. The system hardware parts include a metal box, three ultrasonic sensors, a load-cell sensor, an Arduino board, a memory card module, a voltage converter, a keypad, a display and a power adapter. A computer program was written to obtain data from ultrasonic sensors and determine the mass and volume of fruits using regression relationships in Arduino software. 100 samples of orange fruits (Dezful local variety) were picked randomly from a garden and various measurements were done to determine the main physical properties of fruits including three dimensions, mass (M), and volume (V). The system output values for mass and volume of orange fruits with their actual values had no significant difference at 1% probability level. The root mean square error (RMSE) in determining the oranges mass and volume by the system were 9.02 g and 10.90 cm3, respectively. In general, the proposed system performance was acceptable and it can be used for determining the mass and volume of orange fruits.

    Keywords: Electronic system, Hardware parts, Orange Fruit, Regression modeling, Volume, mass determination
  • رضا سعیدی*
    در برنامه ریزی آبیاری، اجزاء تبخیر- تعرق شامل نیاز آبی واقعی گیاه (تعرق) و تلفات آب (تبخیر) نقش  دارند. در این پژوهش، برای مدیریت کم آبیاری، مقادیر اجزاء تبخیر- تعرق ذرت در شرایط تنش آبی شبیه سازی شد. تنش آبی از طریق کاهش آب خاک نسبت به حد آب سهل الوصول اعمال شد. تیمارها شامل تخلیه مجاز آب خاک در چهار سطح (I0) 40%، (I1) 55%، (I2) 70% و (I3) 85% از کل آب قابل استفاده خاک بود. مقادیر تبخیر- تعرق ذرت و اجزاء آن (مقدار تبخیر و مقدار تعرق به طور جداگانه)، در بستر کشت مینی لایسیمتر اندازه گیری شد. جمع مقادیر تبخیر- تعرق، جزء تعرق و جزء تبخیر (در کل دوره رشد ذرت) به ترتیب برابر با 443، 319 و 124 میلی متر (I0)، 401، 282 و 119 میلی متر (I1)، 303، 211 و 92 میلی متر (I2) و 201، 127 و 74 میلی متر (I3) بود. کمبود آب خاک باعث کاهش مقدار تبخیر- تعرق و اجزاء آن نسبت به حالت رایج در منطقه (تیمار I0) شد. کاهش تلفات تبخیر از نکات مطلوب در این شیوه کم آبیاری (دور آبیاری بلند) بود. برای شبیه سازی مقادیر تعرق و تبخیر، از داده های تبخیر- تعرق (در تیمار I0)، ضرایب تنش تبخیر- تعرق (Ks) و حساسیت مرحله رشد گیاه (Kpi) و کاربرد توابع خطی، نمایی، لگاریتمی، درجه دوم و توانی، به عنوان مدل های رگرسیونی استفاده شد. با استفاده از داده های واقعی، ضرایب مجهول در توابع توسط نرم افزار SPSS برآورد شد و مدل های رگرسیونی ایجاد شد. آماره های ارزیابی مدل ها نشان دادند که تابع خطی با ضریب تبیین (R2) 0/91 و تابع درجه دوم با ضریب تبیین (R2) 0/874، به ترتیب، مدل های بهینه برای برآورد مقدار تعرق و تبخیر در شرایط تنش آبی بوده اند. از طریق برآورد جداگانه اجزاء تبخیر- تعرق ذرت، می توان نیاز آبی واقعی گیاه و تلفات تبخیر را دقیق تر برآورد کرد. در این صورت معیار مناسبی برای برنامه ریزی آبیاری و محاسبه راندمان مصرف آب در دست خواهد بود.
    کلید واژگان: تلفات تبخیر، حساسیت مرحله رشد، ضریب تنش، مدل سازی رگرسیونی
    Reza Saeidi *
    For irrigation planning, parameters such as actual crop water needs (transpiration) and water losses (evaporation) are considered. In this research, for management of deficit irrigation, the amounts of maize evapotranspiration components were simulated under water stress conditions. Water stress was applied by reducing the soil water, relative to the readily available water. Four treatments were defined as depletion of the available soil water by 40% (I0), 55% (I1), 70% (I2), and 85% (I3). The amounts of maize evapotranspiration and its components (transpiration and evaporation rates separately) were measured in a mini-lysimeter. The seasonal total values of evapotranspiration and components of transpiration and evaporation were equal to 443, 319 and 124 mm (I0), 401, 282 and 119 mm (I1), 303, 211 and 92 mm (I2), and 201, 127 and 74 mm (I3), respectively. Soil water deficiency reduced the evapotranspiration and its components relative to the normal conditions (treatment I0). Reduction of evaporation losses was favorable point in this deficit irrigation method (long irrigation interval). Transpiration and evaporation values were simulated based on the evapotranspiration data (in I0), evapotranspiration stress coefficient (Ks), and crop growth stage sensitivity (Kpi). For this purpose, we used the linear, exponential, logarithmic, polynomial, and power functions as the regression models. By using the actual data, unknown coefficients in the functions were estimated by SPSS software and regression models were generated. Statistical analyses showed that the linear function (R2= 0.91) and polynomial function (R2= 0.874) were the optimal models for estimation of transpiration and evaporation components (under water stress conditions), respectively. The actual water requirement of crop and evaporation losses can be estimated more accurately by separate estimation of evapotranspiration components. This would provide a suitable criterion for irrigation planning and calculation of water use efficiency.
    Keywords: Evaporation losses, Growth stage sensitivity, Regression modeling, Stress coefficient
  • مریم محمدرضایی*، سعید سلطانی، رضا مدرس

    خشکسالی پدیده ای اقلیمی است که در اثر کمبود رطوبت ناشی از کاهش بارندگی در مناطق مختلف اتفاق می افتد. لذا شناخت و بررسی عوامل مهم موثر بر کمبود بارش و به تبع آن ایجاد خشکسالی دارای اهمیت ویژه ای است. انسو جزو پدیده های دور پیوند اقلیمی است که می تواند آب و هوای مناطق مختلف سطح کره زمین را تحت الشعاع قرار دهد و بر خشکسالی نیز تاثیرگذار باشد. هدف از انجام مطالعه حاضر، بررسی تاثیر شاخص های دمایی انسو بر خشکسالی هواشناسی در ایستگاه های سینوپتیک در نیمه غربی ایران است. در این راستا برای دست یابی به هدف مورد نظر، ابتدا شاخص SPI در مقیاس های زمانی مختلف محاسبه شد. در مرحله بعد، با استفاده از نرم افزارهای آماری، رابطه هم بستگی هم زمان و غیرهم زمان بین شاخص های دمایی انسو با SPI و سپس مدل سازی رگرسیون بررسی شد. تحلیل نتایج نشان داد که رابطه با معناداری بیش تر در فصول پاییز و بهار و به ترتیب در شاخص های Nino4، Nino3.4، Nino3 و  Nino1+2 وجود دارد که در حالت غیرهم زمان بهتر از حالت هم زمان بود. با بررسی معادلات رگرسیون و روابط همبستگی بر مبنای وجود هم بستگی سطوح معناداری 1 درصد و 5 درصد در بین شاخص های مذکور مشخص شد که معناداری بهتر رابطه غیرهم زمان نسبت به هم زمان حاکی از تاثیر حالت غیرهمزمان این شاخص بر آب و هوا و به تبع آن، خشکسالی در ایران است. لذا، نتایج حاصل نشان دهنده هم بستگی بالای این شاخص ها با خشکسالی است که می تواند در پیش بینی شرایط اقلیمی، خشکسالی، بروز سیلاب، برنامه ریزی و مدیریت بحران برای آن در حوزه های آبخیز کشور موثر باشد.

    کلید واژگان: انسو، خشکسالی، غرب ایران، مدل سازی رگرسیون، هم بستگی
    Maryam Mohammadrezaei *, Saeed Soltani, Reza Modarres
    Introduction

    Drought occurs due to lack of humidity and deficiency in precipitation amount. Therefore, it is important to recognize and investigate the effective factors on precipitation deficiency and consequently drought occurrence. Enso is a phenomenon of climatic teleconnection that can affect weather in different regions of the world. Enso is one of the important large-scale phenomena affecting the temporal and spatial distribution of rainfall and consequently the drought that occurs in the tropical Pacific. The objective of this research was to investigate the effect of Enso on meteorological drought in the midwest of Iran.

    Materials and Methods

    First, precipitation data of synoptic stations in 14 locations were obtained in the west of Iran. Then, SPI values was calculated at different time scales of 1, 3, 6, 9, 12, 15, 18, 24, and 48 month using the spi-sl-6.exe software package. In the next step, using the data of Enso including Nino1+2, Nino3, Nino3.4, and Nino4, the Spearman correlation test was simultaneously performed in the Minitab16 program. Then, the asynchronous relationship was investigated with the cross-correlation function between Enso and SPI in time series of months 1 to 48 in SPSS16. Finally, linear regression modeling was performed. Multivariate regression test with simultaneous and delayed states of 1-6, 12, 24, and 48 months was used based on the stepwise method.

    Results and Discussion 

    Results are presented in three sections: simultaneous, asynchronous relations, and regression equations. Results showed a high correlation between seasons of autumn and spring with indices of Nino4, Nino3.4, Nino3, and Nino1+2. In addition, the asynchronous relationship was better than the simultaneous mode. Better significance in the asynchronous mode is due to the effect of Enso on weather and drought in Iran. Considering the p-value <0.05, it was shown that the highest significance was observed between Enso indices and drought index in Bushehr station. In addition, in a number of stations, including Arak, Urmia, Shiraz and Hamedan, no significant relationship was observed in their simultaneous state. The regression analysis showed that Nino4, Nino3.4, Nino3 and Nino1+2 indices had the highest effect in different time series of SPI with the highest positive and negative coefficients of atmospheric oceanic index in all stations. The results showed that high correlation between Enso and SPI can affect predicting climatic conditions, drought, floods, planning, and crisis management in watershed scale.

    Conclusion

    Enso can be used as predictors of long-term climatic factors such as precipitation and temperature. Enso phenomenon in Nino1 + 2, Nino3, Nino3.4 and Nino4 regions can be used as predictors of climatic factors such as rainfall for long-term forecast of precipitation and finally drought and wet season in different parts due to the universal Enso phenomenon. It seems that due to the mechanism of the Enso phenomenon and its relationship with natural disasters, further studies can be effective in predicting climatic conditions, drought and floods in Iran which ultimately can be used in predicting hydro-climatic events.

    Keywords: Correlation, Drought, Enso, Regression Modeling, Western Iran
  • M. Rahmati, N. Hamzehpour
    Data reduction is used to aggregate or amalgamate the large data sets into smaller and manageable information pieces in order to fast and accurate classification of different attributes. However, excessive spatial or spectral data reduction may result in losing or masking important radiometric information. Therefore, we conducted this research to evaluate the effectiveness of the different spectral data reduction algorithms including Principle Component Analysis (PCA) and Minimum Noise Fraction (MNF) transformation, Pixel Purity Index (PPI), and n Dimensional Visualizer (n-DV) algorithms on accuracy of the supervised classification of the salt-affected soils applying ETM data beside 188 ground control points. Results revealed that data reduction caused around 20 to 30 % decreases in classification results compared to none reduced data. It seems that applying spectral data reduction algorithm in small study areas is not only supportive, but also has negative effects on classification results. Therefore, it may better to not to use the algorithms in small areas.
    Keywords: Modeling, Regression modeling, Salt-affected soils, Salinity, Satellite images
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