{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "S574",
        "title": "کاربرد تصاویر ماهواره‌ای و هوش مصنوعی در برآورد تبخیر- تعرق واقعی در مقیاس حوضه آبریز",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1400",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "S574",
        "title": "کاربرد تصاویر ماهواره‌ای و هوش مصنوعی در برآورد تبخیر- تعرق واقعی در مقیاس حوضه آبریز",
        "degree": null,
        "faculty": "مهندسی کشاورزی",
        "year": 1400,
        "authors": [
            {
                "name": "فاطمه حدادی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "روزبه موذن زاده",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "تبخیر- تعرق واقعی",
            "شاخص کمبود رطوبتی خاک",
            "هوش مصنوعی",
            "نیشابور"
        ],
        "abstract": "تبخیر- تعرق واقعی یکی از مهم‌ترین مؤلفه‌های بیلان آب در مناطق خشک و نیمه‌خشک محسوب می‌گردد. اندازه‌گیری این مؤلفه پیچیده و زمان‌بر است و عموماً منجر به مقادیر نقطه‌ای می‌گردد. اگرچه که استفاده از تصاویر ماهواره‌ای در قالب الگوریتم‌های مبتنی بر سنجش از دور این مشکل را حل نموده است، بااین‌حال این الگوریتم‌ها نیز خود دارای محدودیت‌هایی هستند. در این تحقیق عملکرد مدل هوش مصنوعی ANFIS در برآورد تبخیر- تعرق واقعی در حوضه آبریز نیشابور (شمال شرق ایران) در بازه زمانی 2010-2001 مورد ارزیابی قرار گرفت. از داده‌های هواشناسی و شاخص‌های مستخرج از تصاویر ماهواره‌ای MODIS به‌عنوان ورودی این مدل تحت سناریوهای متفاوت استفاده شد. به این صورت که ابتدا تصاویر شاخص‌های گیاهی از سنجنده MODIS دریافت شدند و داده‌های آن‌ها استخراج گردید. با داشتن مقادیر پارامترهای هواشناسی و شاخص‌های گیاهی، ابتدا 8 سناریو ورودی با ترکیبی از پارامترها و شاخص‌های گیاهی برای مدل ANFIS تدوین شد. سپس از 70 درصد داده‌ها برای آموزش مدل و از 30 درصد داده‌ها نیز برای آزمون مدل به کار گرفته شد و عملکرد مدل تحت 8 سناریو مورد ارزیابی قرار گرفت. نتایج نشان داد که شاخص کمبود رطوبتی خاک (SWDI) نقش مهمی در کاهش خطای برآورد تبخیر- تعرق واقعی داشت به‌نحوی‌که افزوده شدن آن به سایر شاخص‌های سنجش از دور منجر به کاهش 4/18 و 5/12 درصدی RMSE به ترتیب در مرحله آموزش و آزمون مدل شده است. بر اساس نتایج به‌دست‌آمده، سناریوی شامل تمامی ورودی‌ها با اختصاص مقادیر 1/13، 14/10 و 9/0 به ترتیب برای معیارهای RMSE، MAE و NSE در مرحله آزمون و مقادیر 93/11، 02/9 و 91/0 در مرحله آزمون بهترین عملکرد را در برآورد تبخیر- تعرق واقعی داشته است. عملکرد روش پیشنهادی در برآورد تبخیر- تعرق واقعی، با به‌کارگیری تصاویر ماهواره‌ای و مدل‌های هوش مصنوعی متفاوت، در سایر حوضه‌های آبریز قابل ارزیابی خواهد بود.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_S574.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}