تعداد نشریات | 27 |
تعداد شمارهها | 364 |
تعداد مقالات | 3,223 |
تعداد مشاهده مقاله | 4,740,988 |
تعداد دریافت فایل اصل مقاله | 3,238,432 |
ارزیابی روابط بین متغیرهای هواشناسی و تبخیر-تعرق واقعی با استفاده از رگرسیون و خوشهبندی سلسله مراتبی (مطالعة موردی: کستلوترانو ایتالیا) | ||
مدل سازی و مدیریت آب و خاک | ||
مقاله 10، دوره 4، شماره 3، شهریور 1403، صفحه 159-172 اصل مقاله (843.21 K) | ||
نوع مقاله: مطالعه موردی | ||
شناسه دیجیتال (DOI): 10.22098/mmws.2023.12941.1289 | ||
نویسندگان | ||
وفا محمودی نژاد* 1؛ افشین هنربخش2؛ خدایار عبدالهی3؛ داریو دیکارو4 | ||
1دانشجوی دکتری، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران | ||
2دانشیار، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران | ||
3دانشیار گروه مهندسی آبخیزداری دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد | ||
4محقق، گروه مهندسی، دانشگاه پالرمو، پالرمو، ایتالیا | ||
چکیده | ||
تبخیر-تعرق به دلیل تأثیر بر میزان نیاز آبی، به عنوان یکی از مهم ترین متغیرهای چرخة هیدرولوژیکی، اهمیت به سزائی دارد. برای بررسی تأثیر متغیرهای هواشناسی بر این عامل در منطقة مورد مطالعه در نزدیکی شهر کستلوترانو در جنوب ایتالیا، از داده های هواشناسی ایستگاه هواشناسی-کشاورزی کستلوترانو و تبخیر-تعرق واقعی استخراج شده و از روش ادی کوواریانس مربوط به سال های 2009 تا 2016 استفاده و با روشهای رگرسیون ساده و خوشه بندی سلسله مراتبی تجمعی بررسی شد. تحلیل رگرسیون متغیرهای هواشناسی و تبخیر-تعرق واقعی، همبستگی بالایی با یکدیگر نشان داد که میتوان از آن ها به عنوان نماینده در مدل سازی های هیدرولوژیکی استفاده نمود. نتایج روش خوشه بندی سلسله مراتبی ادغامی با 70 درصد تشابه نشان داد، 24 متغیر در هفت خوشة مجزا قرار گرفته و اعضای خوشهها به غیر از خوشة پنج دارای ماهیت یکسانی هستند و این موضوع مؤید همبستگی بالای متغیرهای دارای ماهیت یکسان و استقلال متغیرهای هواشناسی دارای ماهیت متفاوت است. همچنین، در این پژوهش روش رگرسیون دامنة وسیعی از 276 رابطه برای پیشبینی همة متغیرهای هواشناسی و تبخیر-تعرق واقعی ارائه می دهد. جمع بندی تحلیل همبستگی روابط نشان میدهد رطوبت نسبی، کلیدی ترین متغیر (مناسب ترین پیشبینیکنندة سایر متغیرها) با اولویت 375/8 و رتبة یک است. علاوهبراین در پژوهش حاضر نمایندگان خوشه های هفت گانه برای شبیه سازی تبخیر-تعرق واقعی مشخص شد که از این میان تابش کلی خورشید با ضریب همبستگی برابر با 713/0، بهترین متغیر پیش بینیکنندة تبخیر- تعرق واقعی بر اساس روش پژوهش است. | ||
کلیدواژهها | ||
ایستگاه هواشناسی؛ پیش بینیکننده؛ تابش کلی خورشید؛ سیسیل؛ مدل سازی هیدرولوژی؛ همبستگی | ||
مراجع | ||
Aguirre-García, S.D., Aranda-Barranco, S., Nieto, H., Serrano-Ortiz, P., Sánchez-Cañete, E.P., & Guerrero-Rascado, J.L. (2021). Modelling actual evapotranspiration using a two source energy balance model with Sentinel imagery in herbaceous-free and herbaceous-cover Mediterranean olive orchards. Agricultural and Forest Meteorology, 311, 108692. doi:10.1016/j.agrformet.2021.108692 Alexandris, S., Kerkides, P., & Liakatas, A. (2006). Daily reference evapotranspiration estimates by the “Copais” approach. Agricultural Water Management, 82(3), 371-386. doi:10.1016/j.agwat.2005.08.001 Alempour Rajabi, F., Ghorbani, M., & Asadi, A. (2023). Modeling of the evaporation process using the hybrid algorithm of the COOT bird and artificial neural network, Water and Soil Management and Modeling, 4(2), 279-294. doi:10.22098/mmws.2023.12692.1266. [In Persian] Antonopoulos, V.Z., & Antonopoulos, A.V. (2018). Evaluation of different methods to estimate monthly reference evapotranspiration in a Mediterranean area. Water Utility Journal, 18, 61-77. https://www.ewra.net/wuj/pdf/WUJ_2018_18_06.pdf Aschonitis, V.G., Antonopoulos, V.Z., & Papamichail, D.M. (2012). Evaluation of pan coefficient equations in a semi-arid Mediterranean environment using the ASCE standardized Penman-Monteith method. Agricultural Sciences, 3(1), 58-65. doi:10.4236/as.2012.31008 Aydın, Y. (2021). Assessing of evapotranspiration models using limited climatic data in Southeast Anatolian Project Region of Turkey. Peer Journal, 9, e11571. doi:10.7717/peerj.11571 Bangdiwala, S.I. (2018). Regression: simple linear. Injury Control and Safety Promotion, 25(1), 113-115.doi:10.1080/17457300.2018.1426702 Baradaran, F., Mohammadi, E., & Izadpanah, Z. (2018). Evaluation of SIMETAW model for simulation of meteorological parameters and potential evapotranspiration in four different climates. Journal of Irrigation Science and Engineering, 40(2), 237-249. doi:10.22055/JISE.2017.13182. [In Persian] Blei, D.M., & Lafferty, J.D. (2009). Text mining: Classification, clustering, and applications. chapter Topic Models, Chapman & Hall/CRC. doi.org/10.1201/9781420059458 Brutsaert, W. (2005). Evapotranspiration hydrology: An Introduction; Brutsaert, W., Ed.; Cambridge University Press: Cambridge, UK, 117-158. doi:10.1017/CBO9780511808470 Brutsaert, W.H. (1982). Evaporation into the Atmosphere: Theory, History, and Applications. Springer, Dordrecht, 299. doi:10.1007/978-94-017-1497-6 Cammalleri, C., Rallo, G., Agnese, C., Ciraolo, G., Minacapilli, M., & Provenzano, G. (2013). Combined use of eddy covariance and sap flow techniques for partition of ET fluxes and water stress assessment in an irrigated olive orchard. Agricultural Water Management, 120, 89-97. doi:10.1016/j.agwat.2012.10.003. Çobaner, M., Çıtakoğlu, H., Haktanır, T., & Yelkara, F. (2016). Determining the most appropriate Hargreaves–Samani equation for the Mediterranean region. Engineering Journal, 7(2), 181-190. Fu, C., Wu, H., Zhu, Z., Song, C., Xue, B., Wu, H., Ji, Z., & Dong, L. (2021). Exploring the potential factors on the striking water level variation of the two largest semi-arid-region lakes in northeastern Asia. Catena, 198, 105037. doi:10.1016/j.catena.2020.105037 Efthimiou, N., Alexandris, S., Karavitis, C., & Mamassis, N. (2013). Comparative analysis of reference evapotranspiration estimation between various methods and the FAO56 Penman-Monteith procedure. European Water, 42, 19-34. Ganji, H., & Kajisa, T. (2019). Assessing reference evapotranspiration using Penman-Monteith and Pan methods in the West region of Afghanistan. International Journal of GEOMATE, 16(56), 209-216. doi:10.21660/2019.56.5305 Jato-Espino, D., Charlesworth, S.M., Perales-Momparler, S., & Andrés-Doménech, I. (2017). Prediction of evapotranspiration in a Mediterranean region using basic meteorological variables. Hydrologic Engineering, 22(4), 04016064. doi:10.1061/(ASCE)HE.1943-5584.0001485 Khari, D., Agdarnejad, A., & Ebrahimi Pak, N. (2023). Comparison of artificial intelligence models and experimental models in estimating reference evapotranspiration (Case study: Ramhormoz synoptic station). Water and Soil Management and Modeling, 3(2), 112-124. doi:10.22098/mmws.2022.11293.1117. [In Persian] Kitsara, G., Papaioannou, G., Zygoura, E., & Kerkides, P. (2015). Trends of reference evapotranspiration over Greece in a future climate. In E-proceedings of 9th World Congress of EWRA “Water resources management in a changing world: challenges and opportunities”, Istanbul, Turkey. I-1. session (Vol. 4). Maina, M.M., Amin, M.S.M., Aimrun, W., & Asha, T.S. (2012). Evaluation of different ET0 calculation methods: a case study in Kano State, Nigeria. Philipp Agric Scientist, 95(4), 378-382. Manca G., (2003). Analisi dei flussi di carbonio di una cronosequenza di cerro (Quercus cerris L.) dell’Italia centrale attraverso la tecnica della correlazione turbolenta. Ph.D. Thesis, Universita` degli Studi della Tuscia, Viterbo, Italian. Mehdizadeh, S., Behmanesh, J., & Khalili, K. (2017). Using MARS, SVM, GEP and empirical equations for estimation of monthly mean reference evapotranspiration. Computers and Electronics in Agriculture, 139, 103-114. doi:10.1016/j.compag.2017.05.002 Mohammadi, M., Jahantigh, H., & Zulfiqari, F. (2023). Monthly prediction of pan evaporation using individual and combined approach of data mining models in arid regions, Water and Soil Management and Modeling, 4(2), 227-240. doi:10.22098/mmws.2023.12728.1270. [In Persian] Naoum, S., & Tsanis, I.K. (2003). Hydroinformatics in evapotranspiration estimation. Environmental Modelling & Software, 18(3), 261-271. doi:10.1016/S1364-8152(02)00076-2 Norusis, M.J. (2010). Cluster Analysis in PASW Statistics 18 Statistical Procedures Companion Upper Saddle River, NJ: Prentice-Hall. Paraskevas, C., Georgiou, P., Ilias, A., Panoras, A., & Babajimopoulos, C. (2013). Evapotranspiration and simulation of soil water movement in small area vegetation. International Agrophysics, 27(4), 445-453. doi:10.2478/intag-2013-0015 REDDY, K.C. (2014). Evaluation of reference evapotranspiration estimation methods in Nellore region, Civil, Structural, Environmental and Infrastructure Engineering Research and Development, 4(2), 111, 118. https://www.academia.edu/download/33647009/13._Civil_-_Evaluation_-_K._Chandrasekhar_Reddy.Pdf Sakellariou-Makrantonaki, M., & Vagenas, I. (2006). Mapping crop evapotranspiration and total crop water requirements estimation in Central Greece. European Water, 13(14), 3-13. http://ewra.net/ew/pdf/EW_2006_13-14_01.pdf Steduto, P., Caliandro, A., Rubino, P., Ben Mechlia, N., Masmoudi, M., Martinez Cob, A, Faci,M.j. & Snyder, R.L. (1996). Penman-Monteith reference evapotranspiration estimates in the mediterranean region. in: evapotranspiration and irrigation scheduling. in evapotranspiration and irrigation scheduling. Proceedings of the International Conference. 364-367. https://www.cabidi Talebi, H., Samdian Fard, S., & Valizadeh Kamran, Kh. (2023). A novel method based on Landsat 8 and MODIS satellite images to estimate monthly reference evapotranspiration in arid and semi-arid climates, Water and Soil Management and Modeling, 3(3), 180-195. doi:10.22098/mmws.2023.12048.1198. [In Persian] Tan, P., Steinbach, M., & Kumar, V. (2005). Cluster Analysis: Basic Concepts and Algorithms. Introduction to Data Mining, Addison-Wesley, Boston, USA, 487-568. doi:10.1016/j.jhydrol. Tryon, R. (1939). Cluster Analysis: Correlation Profile and Orthometric (factor) Analysis for the Isolation of Unities in Mind and Personality. Edwards Brothers Malloy, AnnArbor, Michigan, USA. https://www.scirp. Tsakiris, G., & Vangelis, H.J.E.W. (2005). Establishing a drought index incorporating evapotranspiration. European Water, 9(10), 3-11.http://danida.vnu.edu.vn/cpis/files/Refs/Drought/Establishing%20a%20Drought%20Index%20Incorporating%20Evapotranspiration.pdf UNESCO, & UN-Water. (2020). United Nations World Water Development Report 2020. Paris, France.https://aquadocs.org/handle/1834/42227 Trajković, S., & Stojnić, V. (2008). Simple daily ET0 estimation techniques. Facta universitatis-series: Architecture and Civil Engineering, 6(2), 187-192. doi:10.2298/FUACE0802187T Valiantzas, J.D. (2006). Simplified versions for the Penman evaporation equation using routine weather data. Hydrology, 331(3-4), 690-702. doi:10.1016/j.jhydrol.2006.06.012 Yim, O., & Ramdeen, K.T. (2015). Hierarchical cluster analysis: comparison of three linkage measures and application to psychological data. The Quantitative Methods for Psychology, 11(1), 8-21. doi:10.20982/tqmp.11.1.p008 | ||
آمار تعداد مشاهده مقاله: 525 تعداد دریافت فایل اصل مقاله: 198 |