مقاله مدلسازی تبخیر-تعرق مرجع روزانه با استفاده از برنامه نویسی بیان ژن (مطالعه موردی: ایستگاه کرمان)

word قابل ویرایش
11 صفحه
دسته : اطلاعیه ها
12700 تومان
127,000 ریال – خرید و دانلود

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

مدلسازی تبخیر-تعرق مرجع روزانه با استفاده از برنامه نویسی بیان ژن (مطالعه موردی: ایستگاه کرمان)
چکیده
تبخیر-تعرق یکی از مولفههای مهم در چرخه هیدرولوژی است که برای مدیریت منابع آب و توسعه آنها و همچنین بمنظور برآورد بیلان آب در طرحهای آبیاری مهم میباشد. در این مطالعه از برنامهنویسی بیان ژن (GEP) برای برآورد تبخیر-تعرق مرجع روزانه (ETo) در ایستگاه سینوپتیک کرمان و در دوره ۶ ساله -۲۰۰۵) (۲۰۰۰ و استخراج فرم صریح روابط بین ETo پارامترهای مورد بررسی، استفاده شد. مجموعه دادههای دمای هوا، رطوبت نسبی، تابش خالص، تابش خورشیدی و سرعت باد بمنظور مدلسازی ETo بر اساس معادله فائو- پنمن-مانتیث (FAO-PM) بعنوان معادله مرجع مورد استفاده قرار گرفتند. نتایج GEP نشان دهنده قابلیت مدل GEP در پیشبینی مقادیر ETo-FAO-56 PM بود و مدل دارای ورودیهای یکسان با FA0-56 PM نتایج بهتری را نسبت به سایر مدلهای مورد بررسی نشان داد. همچنین، اهمیت بیشتر متغیرهای تابشی نسبت به دمایی در پیشبینی مقادیر ETo تایید شد.
واژههای کلیدی: برنامه نویسی بیان ژن، تابش خورشیدی، تبخیر- تعرق مرجع، کرمان.

مقدمه
در گذشته تصور میشد که آب ارزان و به مقدار فراوان در اختیار خواهد بود و لذا کشاورزان، مهندسان و محققان به مسئله استفاده بهینه و مطلوب از آب توجه زیادی نداشتند. اما اکنون با ظاهر شدن چهره کمآبی، خشکسالیها و نیاز فزاینده بشر به غذای بیشتر، لازم است تا مهندسین آبیاری با اعمال شیوههای مدیریتی نوین اقدام به صرفهجوئی در مصرف آب و افزایش بازده آبیاری نمایند. افزایش بهرهوری آب در زراعت به عنوان اساسیترین مسئله در کشاورزی آینده مطرح خواهد بود. این امر بدون برآورد دقیق نیاز آبی گیاه میسر نمی-باشد. به دلیل اثرات متقابل بین مولفههای سیستم آب، خاک و گیاه، شاید بتوان گفت تبخیر-تعرق مشکلترین پدیده برای برآورد در بین مولفههای چرخه هیدرولوژیکی میباشد. برآوردهای تبخیر- تعرق(ET) 1 تقریبا در هر زمینهای از مهندسی منابع آب مانند تامین و توزیع آب، مدیریت آبیاری، کشاورزی و عملیات هیدرولوژیکی مهم میباشد. چندین مدل ریاضی که متغیرهای هواشناسی اندازهگیری شده را بعنوان متغیر مستقل برای پیشبینی ET بکار میبرند، بوجود آمده است (بعنوان مثال: Thornthwaite, 1948; Blaney and Criddle, 1950; Turc, 1961; Jensen and Haise, 1963; Priestley and Taylor, 1972; Makkink, 1957; .(Hargreaves and Samani, 1985; FAO-56 Penman Monteith (Allen et al., 1998) اخیرا، از معادله فائو پنمن مانتیث (FAO-56 PM) بعنوان معادلهای مرجع در برآورد تبخیر-تعرق مرجع (ETo) 1 و کالیبره کردن معادلات دیگر ETo استفاده میشود .(Allen et al., 1998) معادله PM دارای دو مزیت مهم میباشد که عبارتند از (۱) :(Landeras et al., 2008) این معادله را میتوان برای انواع متعددی از سناریوهای اقلیمی و محیطی و بدون کالیبراسیون محلی بکار برد. (۲) این معادله با استفاده از دادههای لایسیمتری و در دامنه عریضی از شرایط اقلیمی اعتباریابی شده است. اما نیاز به تعداد زیادی از متغیرهای هواشناسی (بعنوان مثال: دمای هوا، رطوبت نسبی، تابش خورشیدی و سرعت باد) برای محاسبه ETo بعنوان یکی از معایب معادله FAO-56 PM میباشد.
مروری بر منابع نشان میدهد که روش برنامهنویسی بیان ژن(GEP) 2 برای مدلسازی ETo در موارد محدودی بکار برده شده است. گون۳ و همکاران (۲۰۰۸) روش GEP را برای مدلسازی ETo روزانه بصورت تابعی از تابش خورشیدی، دمای میانگین هوا، سرعت باد و رطوبت نسبی بکار بردند و کارایی این مدل را با سایر معادلات ETo مقایسه کردند. نتایج آنها نشان داد که مدل GEP با متغیرهای هواشناسی یکسان با مدل FAO-56 PM را میتوان بطور موفقیتآمیزی در شمال، مرکز و جنوب کالیفرنیا بکار برد.

مدل GEP برای برآورد ETo روزانه در چهار ایستگاه هوشناسی در اسپانیای شمالی در دوره ۵ ساله بکار گرفته شد. از مجموعه دادههای دمای هوا، رطوبت نسبی، سرعت باد و تابش خورشیدی برای مدلسازی ETo با استفاده از معادله FAO-56 PM بعنوان معادله مرجع استفاده شد. نتایج مدل GEP با نتایج سیستم استنتاج تطبیقی عصبی فازی (ANFIS )، پرستلی تیلور و هارگریوز- سامانی مورد مقایسه قرار گرفتند. بر اساس نتایج، مدل GEP بهتر از سایر مدلها اجرا شد .(Shiri et al., 2012)
از مدل GEP برای مدلسازی تبخیر با استفاده از دادههای هواشناسی در ترکیه استفاده شد. متغیرهای هواشناسی مورد استفاده در مدلسازی شامل دمای هوا، تابش خورشیدی و رطوبت نسبی بود. برای اعتباریابی نتایج خروجی مدل GEP از روش برآورد تبخیر روزانه پنمن استفاده گردید. نتایج خروجی بیانگر توانایی مدل GEP در پیشبینی مقادیر ETo بود .(Terzi and Erol Keskm, 2005)
در این تحقیق، از سه ترکیب مختلف پارامترهای هواشناسی شامل دمای هوا، رطوبت نسبی، تابش خورشیدی و سرعت باد بمنظور برآورد ETo روزانه با استفاده از روش مدلسازی GEP در ایستگاه سینوپتیک کرمان و در دوره ۶ ساله (۲۰۰۰-۲۰۰۵) استفاده و نتایج با روش مرجع FAO-56 PM مقایسه میشود.
مواد و روشها
منطقه مورد مطالعه و دادههای تحقیق
استان کرمان در جنوب شرقی ایران و بین ۵۳ درجه و ۲۶ دقیقه تا ۵۹ درجه و ۲۹ دقیقه طول شرقی و ۲۵ درجه و ۵۵ دقیقه تا ۳۲ درجه عرض شمالی قرار دارد و با ۱۸۵۶۷۵ کیلومترمربع وسعت، ۱۱ درصد از خاک کشورمان را به خود اختصاص داده است. در این تحقیق، از آمار و اطلاعات موجود از ایستگاه سینوپتیک کرمان در سازمان هواشناسی کشور و در فاصله سالهای ۲۰۰۰-۲۰۰۵، استفاده گردید. متغیرهای مورد استفاده در این تحقیق دمای حداقل (˚C)، دمای حداکثر (˚C)، دمای میانگین (˚C)، رطوبت نسبی (%)، سرعت باد (m/s)، شدت تابش (MJ/m2/day) و تابش خالص (MJ/m2/day) میباشد. در این تحقیق، روش F-P-M به عنوان روش استاندارد برای برآورد ETo و مقایسه نتایج در نظر گرفته شد.

برنامهنویسی بیان ژن

برنامهنویسی بیان ژن که تغییر یافته برنامهنویسی ژنتیک است، در ابتدا توسط فریرا(۲۰۰۱a) 1 معرفی گردید. اختلاف اساسی بین GEP و GP به دلیل طبیعت افراد میباشد. در GP، افراد ورودیهای غیرخطی از اندازهها و شکلهای متفاوت هستند در حالیکه در GEP، افراد بصورت نوارهای خطی از طولهای ثابت شده (ژن یا کروموزوم) نوشته میشوند که در مرحله بعد بصورت ورودیهای غیرخطی از اندازهها و شکلهای متفاوت بیان میشوند GEP .(Ferreira, 2001a, b) روش جستجویی است که امکان حل مسئله بوسیله تولید اتوماتیک الگوریتمها و بیانها را میدهد. این بیانها بصورت یک ساختار درختی با انتها (برگها) و گرهها (توابع) کدنویسی میشود. GEP الگوریتمهای ژنتیک (GAs) را با جمعیتی از مسائل که اساسا بصورت ساختار درختی کدنویسی میشوند، بکار میبرد. برنامههای آزمایشی در برابر تابع سازگاری ارزیابی میشود و برنامه-هایی با حلهای بهتر برای اصلاح و ارزیابی مجدد، انتخاب میگردند. این چرخه اصلاح و ارزیابی تکرار میشود تا برنامهای صحیح تولید شود .(Ferreira, 2001)
برای حل مسائل با GEP، پنج گام اساسی وجود دارد. گام اول تشخیص مجموعههای انتهایی برای استفاده در برنامههای کامپیوتری فردی میباشد. انواع اصلی مجموعههای انتهایی شامل متغیرهای غیروابسته مسئله، متغیرهای حالت سیستم و توابع بدون شناسه میباشند. گام اصلی دوم، تعیین مجموعه توابع ex)، xa، sin(x)، cos(x)، ln(x)، log(x)، ۱۰x و غیره) و عملگرهای هندسی ( +، -، /، (* میباشد. گام اصلی سوم اندازه سازگاری میباشد که روشی برای ارزیابی حلهای برنامه داده شده یک مسئله خاص را تشخیص میدهد. برگ-ها و توابع مولفههایی از برنامههایی هستند که اتصالات در درختها را تشکیل میدهند. انتخاب برگها، توابع و تابع سازگاری، فضای جستجوی GEP را تثبیت میکند. گام چهارم انتخاب پارامترهای خاص برای کنترل اجرا میباشد. پارامترهای کنترل شامل اندازه جمعیت، سرعت همگرایی و غیره میباشد. گام آخر تعیین معیاری برای اتمام اجرا میباشد .(Ferreira, 2001)
زمانیکه عملگرهای انتهایی و غیرانتهایی تعیین شدند، تولید برنامه اتوماتیک بوسیله فرآیند برگرفته از نظریه تکامل داروین۲ ، بعد از تولیدهای متوالی، اجرا میشود و درخت جدید از اجزا تشکیل دهنده از طریق همگرایی، کپی و جهش تولید میشود .(Guven et al ., 2008) بر اساس انتخاب طبیعی، بهترین درختها شانس بیشتری برای اینکه قسمتی از تولید بعدی شوند، پیدا میکنند. در شکل ۱ ساختار کلی مدلسازی GEP نشان داده شده است. در تحقیق حاضر بمنظور استخراج فرم صریح توابع مورد نظر با استفاده از برنامه-نویسی بیان ژن از نرم افزار DTREG استفاده شده است.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 12700 تومان در 11 صفحه
127,000 ریال – خرید و دانلود
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد