علوم آب و خاک

---

  مدل‌های پیش‌بینی دمای هوا با استفاده از داده‌های ماهواره‌ای، مبتنی بر متغیرهای دمای سطح زمین و شاخص پوشش گیاهی هستند. این متغیرها با اعمال تصحیحات اتمسفری بر روی داده‌های فوق تعیین می‌شوند. میزان بخار آب، اوزن و عمق اپتیکی ذرات معلق در جو از داده‌های مورد نیاز برای تصحیح اتمسفری باندهای مرئی هستند ولی در اغلب مناطق ایران، این پارامترها اندازه‌گیری نمی‌شوند. هم‌چنین با استفاده از روش‌های موجود، دمای سطح زمین تا دقت 2 درجه سانتی‌گراد تعیین می‌شود. در این تحقیق با توجه به محدودیت‌های فوق، دقت پیش‌بینی دمای بیشینه هوا با استفاده از داده‌های بدون تصحیح اتمسفری شده ماهواره نوا و مدل شبکه عصبی مورد بررسی قرار گرفت. برای این منظور، مدل‌های مختلف شبکه عصبی، حاصل از ترکیب‌های مختلف داده‌های 4 باند ماهواره نوا و 3 متغیر جغرافیایی به عنوان ورودی‌های مدل ساخته شدند و بهترین مدل انتخاب شد. نتایج نشان داد، مدل شبکه عصبی با ساختار 6 نرون در لایه ورودی (شامل 4 باند ماهواره نوا، روز شمار سال و ارتفاع زمین) و 19 نرون در لایه پنهان بهترین مدل می‌باشد. در این ساختار حدود 4/91 درصد نتایج در محدوده دقت 3 درجه سانتی‌گراد واقع شدند و معیارهای آماریRMSE ، R²  و MBE به ترتیب 62/0، 7/1 درجه سانتی‌گراد و 01/0- درجه سانتی‌گراد می‌باشند.

---

تابش خورشید رسیده به زمین یکی از پارامترهای مورد نیاز برای مطالعات منابع آب، محیط زیست و کشاورزی است. این پارامتر به ندرت در ایستگاه‌های هواشناسی اندازه‌گیری می شود و از این رو روش‌های تجربی زیادی برای برآورد آن با استفاده از سایر پارامترهای هواشناسی ارائه شده است. در این تحقیق دو روش تجربی انگستروم و هارگریوز - سامانی که به ترتیب مبتنی بر ساعات آفتابی و دمای هوا هستند، جهت برآورد تابش روزانه خورشید در جنوب شرق تهران واسنجی و ارزیابی شدند. هم‌چنین دو مدل شبکه عصبی با ورودی‌های مشابه با مدل های تجربی فوق ارائه شدند. نتایج بررسی نشان داد، مدل های تجربی فوق و مدل‌های شبکه های عصبی با دقت خوبی تابش خورشید را برآورد می کنند، لیکن، مدل های مبتنی بر ساعات آفتابی نسبت به مدل‌های مبتنی بر دمای هوا برتری دارند. مدل شبکه عصبی مبتنی بر ساعات آفتابی با ضریب تعیین (R2) برابر 97/0 و جذر میانگین مربع خطا (RMSE) برابر 34/1 مگاژول بر متر مربع در روز بهترین نتایج را ارائه داد.