علی رحیمی خوب
سید محمود رضا بهبهانی
محمدهادی نظری فر

  مدل های پیش بینی دمای هوا با استفاده از داده های ماهواره ای، مبتنی بر متغیرهای دمای سطح زمین و شاخص پوشش گیاهی هستند. این متغیرها با اعمال تصحیحات اتمسفری بر روی داده های فوق تعیین می شوند. میزان بخار آب، اوزن و عمق اپتیکی ذرات معلق در جو از داده های مورد نیاز برای تصحیح اتمسفری باندهای مرئی هستند ولی در اغلب مناطق ایران، این پارامترها اندازه گیری نمی شوند. هم چنین با استفاده از روش های موجود، دمای سطح زمین تا دقت ۲ درجه سانتی گراد تعیین می شود. در این تحقیق با توجه به محدودیت های فوق، دقت پیش بینی دمای بیشینه هوا با استفاده از داده های بدون تصحیح اتمسفری شده ماهواره نوا و مدل شبکه عصبی مورد بررسی قرار گرفت. برای این منظور، مدل های مختلف شبکه عصبی، حاصل از ترکیب های مختلف داده های ۴ باند ماهواره نوا و ۳ متغیر جغرافیایی به عنوان ورودی های مدل ساخته شدند و بهترین مدل انتخاب شد. نتایج نشان داد، مدل شبکه عصبی با ساختار ۶ نرون در لایه ورودی (شامل ۴ باند ماهواره نوا، روز شمار سال و ارتفاع زمین) و ۱۹ نرون در لایه پنهان بهترین مدل می باشد. در این ساختار حدود ۴/۹۱ درصد نتایج در محدوده دقت ۳ درجه سانتی گراد واقع شدند و معیارهای آماریRMSE ، R۲  و MBE به ترتیب ۶۲/۰، ۷/۱ درجه سانتی گراد و ۰۱/۰- درجه سانتی گراد می باشند.

Air temperature, NOAA satellite, Neural network, Land surface temperature, Vegatation index., دمای هوا، ماهواره نوا، مدل شبکه عصبی، دمای سطح زمین، شاخص پوشش گیاهی