این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
سه شنبه 25 آذر 1404
تحقیقات آب و خاک ایران
، جلد ۴۵، شماره ۴، صفحات ۴۲۳-۴۳۳
عنوان فارسی
ارزیابی مدل درختی M۵ و شبکه عصبی مصنوعی برای برآورد متوسط روزانه دمای هوا بر اساس دادههای دمای سطح زمین سنجنده مودیس
چکیده فارسی مقاله
استفاده از دادههای تصاویر ماهوارهای روشی مؤثر برای پهنهبندی دمای هواست. در این تحقیق مدلهای شبکه عصبی و مدل درختی M5 برای تبدیل دمای سطح زمین در دو زمان روز و شب محصولات ماهواره ترا سنجنده مودیس برای استان خوزستان مقایسه شد. در کل 365 تصویر از محصولات دمای سطح زمین در سال 2007، که منطقه مورد مطالعه را پوشش میداد، استفاده شد. دادههای متوسط دمای هوای روزانه از 29 ایستگاه هواشناسی سینوپتیک و کلیماتولوژی سال 2007 جمعآوری و به منزله دادههای واقعی استفاده شدند. دادههای ورودی مدلها شامل دمای سطح زمین در دو زمان روز و شب و تابش بیرون زمینی بودند. نتایج نشان داد ضریب تعیین هر دو مدل بیش از 96/0 است. با این حال مدل شبکه عصبی با دقت بیشتری دمای هوا را برآورد میکند. جذر مربع میانگین خطا و ضریب تعیین مدل شبکه عصبی بهترتیب برابر 7/1 درجه سانتیگراد و 97/0 برآورد شد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
An Evaluation of M5 Model Tree vs. Artificial Neural Network for Estimating Mean Air Temperature as Based on Land Surface Temperature Data by MODIS-Terra Sensor
چکیده انگلیسی مقاله
The use of satellite data in an estimation of air temperature (Ta) near the earth's surface has turned into an effective way for a large area of high spatial and temporal resolution. Throughout the present study, Artificial Neural Network (ANN) as well as M5 model tree were employed to estimate Ta in Khuzestan Province (South West of Iran), using satellite remotely sensed land surface temperature (Ts) data acquired through the MODIS-Terra sensor. The input variables for the models consisted of the daytime and nighttime MODIS Ts as well as extraterrestrial solar radiation. A total of 365 images of MOD11A1 Ts product for the year 2007, covering the area under study were collected from the Land Processes Distributed Active Archive Center (LP DAAC). The results indicated that coefficient of determination (R2) for both models exceeded 0.96. However, ANN model estimations of air temperature were more accurate than RMSE with the respective R2 values of 1.7 and 0.97 oC.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
سعید امامی فر |
کارشناس ارشد گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
علی رحیمی خوب | rahimi khob
دانشیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
علی اکبر نوروزی | ali akbar
استادیار پژوهشکده حفاظت خاک و آبخیزداری
سازمان اصلی تایید شده
: پژوهشکده حفاظت خاک و آبخیزداری
نشانی اینترنتی
http://ijswr.ut.ac.ir/article_52595_f421bb95f8d25e8d8d0cbde6bb2174a5.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات