علوم آب و خاک

Mendeley  

Zotero  

Shahbaee Kotenaee A, Asakereh H. Evaluation of Fuzzy Clustering and Artificial Neural Network Methods in Spatial Zoning of Annual Precipitation in Iran. jwss 2023; 27 (1) :17-32
URL: http://jstnar.iut.ac.ir/article-1-4249-fa.html

بارش یکی از عناصر اصلی چرخۀ هیدرواقلیمی کرۀ زمین است که چگونگی تغییرپذیری آن تابع روابط پیچیده و غیرخطی بین سامانۀ اقلیم و عوامل محیطی است. شناخت این روابط و انجام برنامه‌ریزی‌های محیطی بر مبنای آنها در حالت عادی امری دشوار بوده و در نتیجه طبقه‌بندی داده‌ها و تقسیم اطلاعات به دسته‌های متجانس و کوچک می‌تواند در این زمینه کمک‌کننده باشد. در پژوهش حاضر تلاش شد تا داده‌های بارش، ارتفاع‌، شیب‌، جهت دامنه‌ها و تراکم ایستگاهی برای 3423 ایستگاه همدید، اقلیم‌شناسی و باران‌سنجی ایران در دوره ی 1961-2015 به مدل‌های فازی (FCM) و شبکه عصبی خودسازمانده (SOM-ANN) وارد و ضمن انجام پهنه‌بندی بارشی– محیطی، خروجی‌های دو مدل از لحاظ دقت و کارایی مورد مقایسه قرار گیرد. نتایج حاصل از خروجی مدل‌ها، شرایط بارشی ایران را در ارتباط با عوامل محیطی به چهار پهنه تقسیم‌بندی کرده است. همچنین، بررسی شاخص‌های ارزیابی نشان داد هر دو مدل از دقت بالایی در امر طبقه‌بندی فراسنج بارش برخوردار هستند؛ با این حال مدل فازی از لحاظ دقت نتایج برتری نسبی به مدل شبکۀ عصبی دارد.