این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محیط شناسی، جلد ۴۸، شماره ۳، صفحات ۴۰۳-۴۱۸
عنوان فارسی ارزیابی مدل های رگرسیون کلی و رگرسیون موزون جغرافیایی در مدلسازی مکانی رطوبت خاک، مطالعه موردی: استان فارس
چکیده فارسی مقاله مدل‌سازی‌های مکانی از روش‌های درک و پیش‌بینی متغیرهای محیطی است. رطوبت سطحی خاک، متغیّر کلیدی برای توصیف خشک‌سالی، تبادلات آب و انرژی بین زمین و هوا کره است. رطوبت خاک علاوه بر اینکه از متغیرهای محیطی تأثیر می‌پذیرد بر بسیاری از پدیده‌های محیطی ازجمله رواناب، فرسایش خاک و تولید محصولات تأثیر می‌گذارد اما به دلیل ثابت نبودن شرایط مکانی و زمانی پارامترهای محیطی به‌شدت تغییرپذیر است. هدف از این مقاله ارزیابی مدل‌های رگرسیون کلی و رگرسیون موزون جغرافیایی در مدل‌سازی مکانی رطوبت خاک استان فارس است. در این راستا پراکندگی رطوبت خاک به‌عنوان متغیر وابسته و لایه‌های بارش، آب معادل برف، شاخص پوشش گیاهی و شاخص رطوبت توپوگرافی و به‌عنوان متغیرهای مستقل انتخاب گردید و سپس با استفاده از مدل رگرسیون کلی (OLS) و رگرسیون موزون جغرافیایی (GWR) به مدل‌سازی مکانی اقدام شد. بر اساس معیارهای ارزیابی، نتایج نشان داد مدل GWR با71/0 R2=قدرت تبیین و برآورد بهتری نسبت به مدل رگرسیون کلی با 66/0 R2=دارد. بر اساس نتایج، عوامل مکانی بارش و رطوبت توپوگرافی بیش‌ترین اثر مثبت و تبخیر و تعرق اثر منفی بر رطوبت خاک در محدوده موردمطالعه را دارند. مدل‌سازی‌های مکانی از روش‌های درک و پیش‌بینی متغیرهای محیطی است. رطوبت سطحی خاک، متغیّر کلیدی برای توصیف خشک‌سالی، تبادلات آب و انرژی بین زمین و هوا کره است. رطوبت خاک علاوه بر اینکه از متغیرهای محیطی تأثیر می‌پذیرد بر بسیاری از پدیده‌های محیطی ازجمله رواناب، فرسایش خاک و تولید محصولات تأثیر می‌گذارد اما به دلیل ثابت نبودن شرایط مکانی و زمانی پارامترهای محیطی به‌شدت تغییرپذیر است.
کلیدواژه‌های فارسی مقاله بارش،خودهمبستگی،رطوبت خاک،رگرسیون مکانی،فارس،
عنوان انگلیسی Evaluation of OLS regression models and GWR regression for modeling Spatial Soil Moisture, Case Study: Fars Province
چکیده انگلیسی مقاله spatial modeling is one of the method for understanding and predicting environmental variables .soil surface moisture is a key variable for drought description , water and energy exchanges between the earth and the earth .soil moisture can affect many environmental phenomena such as runoff , soil erosion and crop production , but because of the lack of spatial and temporal conditions of soil parameters , soil moisture is highly changeable .the purpose of this paper is to evaluate the overall regression model and geographically weighted regression in spatial modeling of soil moisture in Fars province . soil moisture distribution as dependent variable and precipitation, snow equivalent water, vegetation index and topographic wetness index were selected as independent variables and then, using the general regression model and geographically weighted regression is used to model the spatial modeling .based on the evaluation criteria, the results showed the GWR model has better explanatory power with the R2=0/71 and a better estimate than the overall regression model with the R2=0/66. The spatial factors of precipitation and topographic wetness have the most positive effect and evapotranspiration had negative effect on soil moisture in the study area.The spatial factors of precipitation and topographic wetness have the most positive effect and evapotranspiration had negative effect on soil moisture in the study area.
کلیدواژه‌های انگلیسی مقاله بارش,خودهمبستگی,رطوبت خاک,رگرسیون مکانی,فارس
نویسندگان مقاله محمود احمدی |
گروه آموزشی آب و هواشناسی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

محمد کمانگر |
گروه آموزشی آب و هواشناسی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

غزاله ملانظر |
گروه آموزشی آب و هواشناسی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

بهزاد مدنی |
گروه آموزشی آب و هواشناسی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

نشانی اینترنتی https://jes.ut.ac.ir/article_89431_f054ead6342356a1f88c2d624e487386.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