عنوان پایان‌نامه
ارزیابی مدل درختی M۵ برای برآورد تبخیر و تعرق مرجع با استفاده از داده های تصاویر ماهواره نوا-مطالعه موردی شبکه آبیاری قزوین
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49329;کتابخانه پردیس ابوریحان شماره ثبت: 518
- تاریخ دفاع
- ۲۱ شهریور ۱۳۹۰
- دانشجو
- محمدامین مرادی
- استاد راهنما
- علی رحیمی خوب
- چکیده
- تبخیر و تعرق مهم¬ترین مولفه¬ی چرخه¬ی طبیعی آب است که در حدود ?? درصد از حجم کل بارش‌ها، و قسمت اعظم (بیش از 90%) آب استحصالی ایران را تشکیل می¬دهد. این پارامتر غالباً از طریق روش¬های غیرمستقیم که از داده¬های هواشناسی بهره می¬گیرند محاسبه می¬شود، لیکن از آنجا که پارامترهای هواشناسی از قبیل دمای هوا، رطوبت نسبی، تشعشع و ... تحت تاثیر خصوصیات زمین بوده و نسبت به زمان و مکان متغیر می¬باشند، قابل تعمیم به مناطق دور از ایستگاه نیستند. تصاویر ماهواره¬ای به¬دلیل پیوستگی مکانی داده¬ها، کاربرد بهتری برای مطالعات ناحیه¬ای نسبت به داده¬های ایستگاه¬های هواشناسی دارند. در این تحقیق با استفاده از مدل درختیM5، که از جمله روش¬های نوین داده¬کاوی است، به محاسبه تبخیر و تعرق مرجع در شبکه آبیاری قزوین، از روی تصاویر ماهواره نوا پرداخته شد. از مزایای مدل¬های درختی این ¬است که به دلیل ارائه روابط رگرسیونی خطی، بسیار قابل فهم بوده و برخلاف دیگر روش¬های مرسوم داده¬کاوی، به آزمون و خطا نیاز ندارند، بنابراین روند آموزش به داده¬ها ساده است. در این تحقیق مدل درختی به دو صورت توسعه یافت که در آن¬ها از داده¬های هواشناسی زمینی استفاده نشد. در حالت اول پارامترهای ورودی مدل، داده¬های پنج باند ماهواره نوا بودند، و در حالت دوم از شاخص NDVI و دمای سطح زمین محاسبه شده از الگوریتم پرایس به¬عنوان ورودی¬های مدل استفاده شدند. شاخص¬آماری ضریب تبیین برای حالت اول، 82/0 و برای حالت دوم81/0 بود که حاکی از عملکرد بسیار مناسب مدل درختی در هر دو حالت مذکور برای پیش¬بینی تبخیر و تعرق گیاه مرجع بود. آنالیز حساسیت نشان داد که در حالت اول، مدل تولیدی نسبت به تغییرات در پارامترهای داده¬های باندهای چهارم و سوم بیشترین حساسیت را دارد، و در حالت دوم تغییرات در دمای سطح زمین بیشتریت تاثیر را بر عملکرد مدل تولید شده دارد، و در هر دو حالت تغییرات در باندهای اول و دوم، و بالتبع تغییرات شاخص NDVI تاثیر بسیار ناچیزی بر نتایج مدل¬ها دارد. کلمات کلیدی: تبخیر و تعرق، شبکه آبیاری قزوین، ماهواره نوا، مدل درختیM5، شاخص NDVI، الگوریتم پرایس
- Abstract
- Evapotranspiration is the most important part of natural cycle of water that forms 72% of all rainfalls, and the biggest part (more than 90%) of yield water of Iran. This parameter is frequently calculated by indirect methods that use meteorological data, but whereas meteorological parameters such as Air temperature, relative humidity, radiance, etc. are impressed by earth features and are variable through time and location, are not universalizable for far location from stations. Satellite images because of local unity of data, has a better usage in zonal studies rather than meteorological station data. In this study reference evapotranspiration of Qazvin Irrigation network was calculated through NOAA satellite images using M5 model tree, that is one of modern data mining methods. one of advantages of tree models is that because of producing linear regressions, is so understandable and despite other common data-mining methods, does not need trial-and-error, so training procedure is very easy. In this study model Tree was developed in two types, and no ground meteorological data was used. Input parameters in first type were 5bands data of NOAA satellite, and in second type NDVI index and Land Surface Temperature, calculated from Price algorithm, were used as inputs of model. Statistical index R2 for first type was 0.82 and for second type was 0.81 that indicates very good act of model tree in predicting reference evapotranspiration. Sensitivity analysis shows that in first type, produced model has the most sensitivity for changes in 4th and 3rd band data, and in second case, changes in land surface temperature has the most effect in act of developed model; and in both cases changes in 1st and 2nd , and so changes in NDVI index has little effect on results of model. Key Words: Evapotranspiration, Qazvin Irrigation Network, NOAA Satellite, M5 Model Tree, NDVI Index, Price Algorithm.
