عنوان پایان‌نامه
برآورد رطوبت خاک با استفاده از داده های هواشناسی زودیافت در ایستگاههای هواشناسی کشاورزی منتخب ایران
- رشته تحصیلی
- مهندسی کشاورزی-هواشناسی کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5223;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56513
- تاریخ دفاع
- ۱۵ بهمن ۱۳۹۱
- دانشجو
- پگاه طاهری
- استاد راهنما
- پرویز ایران نژاد, نوذر قهرمان
- چکیده
- چکیده در مطالعات هواشناسی کشاورزی، رطوبت خاک یکی از مهم¬ترین پارامترهای ورودی مدل¬های پیش¬بینی شارهای سطحی، عملکرد محصول و نیز مطالعات یخبندان و خشکسالی می¬باشد. به¬دلیل دشواری اندازه¬گیری¬های میدانی رطوبت خاک که زمان¬بر و پرهزینه می¬باشند، برآورد این کمیت با استفاده از داده¬های زودیافت هواشناسی و نیز داده¬های دمای سطح و اعماق خاک گزینه¬ای مناسب است. در این تحقیق با استفاده از داده¬های دما(خاک و هوا)، سرعت باد، ساعات آفتابی، تبخیر از تشت، رطوبت نسبی هوا و بارندگی، مقدار رطوبت خاک در نه ایستگاه هواشناسی کشاورزی داراب، قراخیل قائم¬شهر، کهریز ارومیه، گلمکان، طرق، نجف¬آباد، نیشابور، فرخ¬شهر و زرقان و نیز پنج ایستگاه خودکار هواشناسی استان کرمان شامل: فهرج، منوجان، رفسنجان، ریگان و رودبار، به دو روش تحلیل رگرسیون به روش گام-به¬گام و یک مدل ساد? توسعه داده شده، برآورد شد. با توجه به کمبود داده¬های رطوبت خاک اندازه¬¬گیری شده در تمام ایستگاه¬ها، در تحلیل رگرسیونی برای برآورد رطوبت خاک، تنها از رابط? بین رطوبت خاک و متغیرهای هواشناسی در روزهای اندازه¬گیری رطوبت خاک استفاده شد. در معادلات رگرسیونی از تأثیر بارندگی¬های روزهای پیشین و مقادیر قبلی رطوبت خاک، صرفنظر گردید، که این امر موجب خطا در برآورد رطوبت خاک با شدت اثر متفاوت در هر عمق می¬گردد. بر این اساس، برای لحاظ شدن بیشترین تأثیر عوامل هواشناسی و رطوبت خاک روزهای پیشین بر مقدار این کمیت در هر عمق، مدلی ساده توسعه داده شد که در آن رطوبت خاک بصورت تابعی از نسبت مقدار آخرین بارندگی به مجموع مقادیر تبخیرتعرق (محاسبه شده با استفاده از رابط? پنمن)، از تاریخ آخرین بارندگی تا روز محاسب? رطوبت خاک، برآورد می¬شود. در مرحل? بعد مقادیر ضریب همبستگی بین رطوبت اندازه¬گیری شده و برآورد شده در ایستگاه¬های هواشناسی کشاورزی، با نتایج روش تحلیل رگرسیون چندمتغیره (به روش گام¬به¬گام) مقایسه شد. با توجه به مقادیر نمایه¬های آماری RMSE،MAPE ، ME، MAE و MBE، بهترین مدل رگرسیونی در هر ایستگاه و برای عمق¬های، 5، 10، 20، 30، 40، 50 و 70 سانتی¬متری، ارائه شد. نتایج تحلیل رگرسیون، نشان داد در ایستگاه¬های هواشناسی کشاورزی، ضرایب همبستگی از 5.7 در ایستگاه کهریز ارومیه، تا 70.5 در ایستگاه نجف¬آباد تغییر می-کند. در تمام ایستگاه¬های خودکار مطالعاتی ضرایب همبستگی بین رطوبت اندازه¬گیری شده و رطوبت برآورد شده در تمامی اعماق، بیشتر از ایستگاه¬های هواشناسی کشاورزی در اعماق متناظرشان می¬باشد. همچنین یافته¬های این تحقیق دقت بیشتر برآوردها را در لایه¬های سطحی (25 تا 35سانتی¬متر) نشان داد. همبستگی بین رطوبت مشاهداتی و مدل¬سازی شده با درنظر گرفتن تأثیر کوتاه¬مدت یک رخداد بارندگی بر رطوبت خاک، در لایه¬های سطحی و اعماق خاک، اختلاف کمتری در مقایسه با تأثیر بلندمدت یک رخداد بارندگی دارند. همچنین مقایس? نتایج مدل توسعه داده شده با تحلیل رگرسیونی نیز هم¬سو بودن نتایج هر دو روش و دقت بیشتر مدل را نسبت به تحلیل رگرسیونی در اعماق حدی نشان می¬دهد.
- Abstract
- Abstract In agrometeorological studies, soil moisture content is one of the most important input parameters in simulation models of surface fluxes, crop yield and also drought and frost studies. Since, in-situ measurement of soil moisture is costly and time consuming, its estimation by using routine weather data and soil temperature in surface and depth is suitable offer. In this research, routine weather data including soil temperature, air temperature, wind speed, sunshine, pan evaporation, relative humidity and precipitation of nine selected agrometeorological station of Iran namely, Darab, Gharakhil Ghaemshahr, Kahriz Orumie, Golmakan, Torogh, Najafabad, Neyshabur, Farokhsharh, Zarghan, and five automatic weather stations of Kerman province including: Fahraj, Manoojan, Rafsanjan, Rigan and Roodbar were collected and used for soil moisture estimation by two approaches, Stepwise multiple regression analysis and a simple balance model. Due to lack of adequate measurements of soil moisture in all agrometeorological stations, multiple regression models for soil moisture estimation in each certain day were developed using only same day meteorological data and the effect of anticipated rainfall events previous soil moisture were neglected, which in turn lead to somewhat significant errors estimations in different soil layers. As the second approach, a simple scheme was developed to calculate soil moisture content by using both precipitations and evaporation. Since the influence of precipitation of the day, long ago from calculation day, on soil moisture is also related to the sum of evaporation since then,the ratio of daily precipitation to evaporation (calculated by Penman equation) can also be used to estimate daily soil moisture. In the next step, correlation coefficient between observed and calculated soil moisture (by developed model) in all agro meteorological stations, were compared with obtained results from regression analysis. Suitable statistical indices of RMSE, MAPE, ME, MAE and MBE, were used for evaluation of the results. In each station, the best regression equations for different depth of 5, 10, 20, 30, 40, 50 and 70 centimeters were introduced. The results of regression analysis showed that correlation coefficient vary between 5.7% in Kahriz Orumie station, to 71% in Najafabad station. In case of automatic stations, correlation coefficient values between observed and calculated soil moisture for all depth, were greater than corresponding depths in agro meteorological stations. The results of this study showed that estimation of soil moisture in top level layers of soil (25 to 35 centimeter) is more accurate and dependable. Also, as the time interval between rainfall event and day of simulation increases, the correlation coefficient decreases. The results of both models are coinciding but the developed model did a better job in deeper layers of profile.
