آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,166 |
| تعداد دریافت فایل اصل مقاله | 1,821,827 |
پیش‌بینی پایدار رطوبت خاک در دشت اسلام‌آباد: رویکرد یادگیری ماشین برای انتخاب مدل‌های اقلیمی و ریزمقیاس‌نمایی | ||
| جغرافیا و پایداری محیط | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 اسفند 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/ges.2025.11696.2832 | ||
| نویسندگان | ||
| کبری سلطانی1؛ جعغر معصوم پور* 2؛ سید احسان فاطمی3؛ مریم حافظ پرست مودت4 | ||
| 1گروه جغرافیا، دانشکدة ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران | ||
| 2دانشگاه رازی کرمانشاه | ||
| 3دانشیار، گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران. | ||
| 4استادیار، گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران. | ||
| چکیده | ||
| این پژوهش به بررسی تغییرات میانگین مقادیر ماهانه رطوبت خاک در موقعیت جغرافیایی ایستگاه سینوپتیک اسلام‌آباد در استان کرمانشاه با استفاده از داده‌های MERRA2، تاریخی (1991-2014) و سناریوهای آینده (SSP1-2.6، SSP2-4.5 وSSP5-8.5) تمام مدل‌های CMIP6 موجود (اجرای r1i1p1f1) در سه دوره آینده نزدیک (2026-2050)، میانی (2051-2075) و دور (2076-2100) پرداخت. الگوریتم یادگیری ماشین جنگل تصادفی (RF) برای ریزمقیاس‌نمایی و شناسایی مؤثرترین مدل‌های رطوبت خاک CMIP6 (با مجموع 98% دقت) با استفاده از ویژگی حذف بازگشتی در ترکیب با روش اعتبارسنجی متقابل k-fold استفاده شد. 5 مدل از 12 مدل موجود، به دقت 98% در پیش بینی رطوبت خاک دست یافتند. مدل MRI-ESM2-0 با دقت 87% به‌عنوان برترین مدل شناسایی شد. 4 مدل برتر دیگر در مجموع دقت نهایی را به 98% رساندند. ارزیابی RF عملکرد دقیق آن را با معیارهایی نظیر ضریب نش (98/0 برای آموزش و 78/0 برای تست) و خطای پایین (01/0MAD = ، MAE و MBE برابر با صفر) تأیید کرد. نتایج نشان دهندۀ کاهش قابل‌توجه مقادیر رطوبت خاک در دوره‌های آینده است. در آینده نزدیک، کاهش 02/0 تا 04/0 میلی‌متری در آگوست و ماه‌های فصل زمستان پیش‌بینی می‌شود. در آینده میانی و دور کاهش 03/0تا 05/0 میلی‌متری تحت SSP5-8.5 برای بیشتر ماه‌ها پیش‌بینی می‌شود. روند میانگین سالانه کاهشی با شیب 0002/0- در سال تحت SSP2-4.5 و SSP5-8.5 را برای آینده نزدیک شناسایی کرد. در حالیکه SSP1-2.6 روندی با مقدار 0007/0- میلی‌متر در سال را برای آینده میانی پیش‌بینی می‌کند. نتایج این پژوهش از منظر پایداری محیطی اهمیت ویژه‌ای دارند، زیرا کاهش رطوبت خاک در آینده می‌تواند موجب افزایش تنش آبی، کاهش بهره‌وری کشاورزی و تهدید امنیت غذایی منطقه شود. | ||
| کلیدواژه‌ها | ||
| اسلام‌آباد؛ جنگل تصادفی؛ رطوبت خاک؛ CMIP6؛ MERRA2 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5 |
||