fa پیش‌بینی بیشینه دمای هوای استان خوزستان بر اساس داده‌های ماهواره نوا و مدل شبکه عصبی مصنوعی عمومی Ggeneral پژوهشي Research <p style="DIRECTION: rtl">  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. </p> <p>  Air temperature prediction models using satellite data are based on two variables of land surface temperature and vegetation cover index. These variables are obtained by atmospheric corrections in the values for the above data. Water vapor, ozone, and atmospheric aerosol optical depth are required for the atmospheric correction of visible bands. However, no measurements are available for these parameters in most locations of Iran. Using the common methods, land surface temperature can be measured accurately at 2 ° C. Given these limitations, efforts are made in this study to evaluate the accuracy of predicting maximum air temperature when uncorrected atmospheric data from the NOAA Satellite are used by a neural network. For this purpose, various neural network models were constructed from different combinations of data from 4 bands of NOAA satellite and 3 different geographical variables as inputs to the model in order to select the best model. The results showed that the best neural network was the one consisting of 6 neurons as the input layer (including 4 bands of NOAA satellite, day of the year, and altitude) and 19 neurons in the hidden layer. In this structure, about 91.4% of the results were found to be accurate at 3 ° C and the statistical criteria of R², RMSE, and MBE were found to be 0.62, 1.7 ° C, and -0.01 ° C, respectively. </p> دمای هوا، ماهواره نوا، مدل شبکه عصبی، دمای سطح زمین، شاخص پوشش گیاهی Air temperature, NOAA satellite, Neural network, Land surface temperature, Vegatation index. 357 364 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-2-791&slc_lang=fa&sid=1 A. Rahimi Khoob علی رحیمی خوب Yes S.M.R Behbahani سید محمود رضا بهبهانی No M.H. Nazarifar محمدهادی نظری فر No