برآورد ميزان تابش خورشيدي با استفاده از محصولات دماي سطح زمين سنجنده MODIS و مدل شبكه عصبي

Estimation of Solar Radiation Using Land Surface Temperature MODIS Sensor Data and Neural Network Model

برآورد درست مقدار تابش رسيده به سطح زمين (Rs ) به عنوان يكي از پارامترهاي مهم در مدل هاي بيلان انرژي، شبيه سازي رشد گياهان و تبخير- تعرق اهميت زيادي دارد. اغلب مدل هاي پيش بيني تابش رسيده به سطح زمين با استفاده از داده هاي ماهواره اي، مبتني بر دماي سطح زمين هستند. در اين مطالعه دقت برآورد تابش خورشيدي، با استفاده از چهار مدل مختلف شبكه عصبي (با نام هاي ANN1، ANN2،ANN3 وANN4 )، با ورودي محصولات دماي سطح زمين سنجنده موديس (مدل هاي1و2 مبتني بر محصولاتMOD11A1 و مدل هاي 3و4 مبتني بر محصولات MYD11A1) در تركيب با تابش برون زميني (Ra) و نسبت ساعت آفتابي (n/N) مورد بررسي قرار گرفت. نتايج نشان داد كه هر چهار مدل هوشمند شبكه عصبي با همبستگي خوبي (85 R2 > /) توانستند مقدار تابش رسيده به سطح زمين را برآورد كنند. ليكن مدل هاي مبتني بر محصولات MOD11A1 داراي دقت بالاتري نسبت به مدل هاي مبتني بر محصولات MYD11A1 هستند. مدل شبكه عصبيANN1 (مبتني بر محصولات MOD11A1 ، نسبت ساعت آفتابي و تابش برون زميني) با ضريب تعيين (R2) برابر 9332/ و جذر ميانگين مربعات خطا (RMSE) برابر 4448/1 مگاژول بر متر مربع در روز در برآورد تابش خورشيدي نسبت به مدل هاي ديگر داراي دقت بالاتري است. همچنين نتايج نشان داد كه مدل شبكه عصبيANN2 ( مبتني بر جذر تغييرات دماي محصولات MOD11A1 و تابش برون زميني) در مقايسه با مدل هارگريوز و ساماني كه مبتني بر داده‌هاي دماي هوا و تابش برون زميني است، با دقت بيشتري تابش رسيده به زمين را برآورد مي كند.

Estimation the amount of radiation reaching the Earthʹs surface (Rs) is an important factor in the energy balance models simulation of plant growth and evapotranspiration estimation. Most Estimation models to radiation reaching the Earthʹs surface use satellite data and they are based on land surface temperatures. In this study, the Accuracy of solar radiation estimation is investigated Using four different models of neural networks (with the names of ANN1,ANN2, ANN3, ANN4) with the inputs Including products land surface temperature MODIS sensor (models 1 and 2 , and models 3 and 4 are based on MOD11A1 MYD11A1 products, respectively), extraterrestrial radiation (Ra) and relative sunshine (n / N). The results show that four neural network models are able to estimate the amount of radiation reaching the Earthʹs surface with good correlation (R2 > . 85). However, models based on MOD11A1 products have a higher accuracy than models based on MYD11A1 products. Neural network model of ANN1 (based on MOD11A1 products, relative sunshine and extraterrestrial radiation (Ra)) with the coefficient of determination (R2) equal to .9332 and the root mean square error (RMSE) equal to 1.4448 MJ per square meter per day is more accurate on the estimation of solar radiation than other models. The results also showed that the Neural network model ANN2, comparing with Hargreaves and Samani models based on air temperature and extraterrestrial radiation, is More accurate in estimating of solar radiation.