کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6963006 1452278 2015 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Analysis and classification of data sets for calibration and validation of agro-ecosystem models
ترجمه فارسی عنوان
تجزیه و تحلیل و طبقه بندی مجموعه داده ها برای کالیبراسیون و اعتبار مدل های کشاورزی-اکوسیستم
کلمات کلیدی
آزمایشهای میدانی، کیفیت داده، مدل سازی محصول، الزامات داده حداقل داده ها، نرم افزار،
ترجمه چکیده
داده های حوزه آزمایشگاهی در سطوح مختلف پیچیدگی برای کالیبراسیون، اعتبارسنجی و بهبود مدل های کشاورزی اکوسیستم برای افزایش قابلیت اطمینان آنها برای ارزیابی تاثیرات منطقه ای استفاده می شود. یک چارچوب روش شناسی و نرم افزاری برای ارزیابی و طبقه بندی مجموعه داده ها به چهار کلاس در مورد مناسب بودن آنها برای اهداف مدل سازی مختلف ارائه شده است. وزن بندی ورودی ها و متغیرها برای آزمایش از جنبه مدل سازی محصول تعیین شد. این نرم افزار به کاربران اجازه می دهد وزن خود را با توجه به شرایط خاص خود تنظیم کنند. اطلاعات اولیه برای متغیرها با توجه به ارتباط آنها برای مدلسازی و عدم اطمینان احتمالی ارائه شده است. نمونه هایی برای مجموعه داده های کلاس های مختلف داده می شود. این چارچوب کمک می کند تا پایگاه داده های با کیفیت بالا را جمع آوری کند تا داده ها را از پایگاه های داده بر اساس الزامات مدلولین انتخاب کنند و دستورالعمل هایی را برای تجربی ها برای طراحی تجربی طراحی کنند و تصمیم گیری در مورد مؤثرترین اندازه گیری ها برای بهبود سودمندی داده های آنها برای مدل سازی، .
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
Experimental field data are used at different levels of complexity to calibrate, validate and improve agro-ecosystem models to enhance their reliability for regional impact assessment. A methodological framework and software are presented to evaluate and classify data sets into four classes regarding their suitability for different modelling purposes. Weighting of inputs and variables for testing was set from the aspect of crop modelling. The software allows users to adjust weights according to their specific requirements. Background information is given for the variables with respect to their relevance for modelling and possible uncertainties. Examples are given for data sets of the different classes. The framework helps to assemble high quality data bases, to select data from data bases according to modellers requirements and gives guidelines to experimentalists for experimental design and decide on the most effective measurements to improve the usefulness of their data for modelling, statistical analysis and data assimilation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 72, October 2015, Pages 402-417
نویسندگان
, , , , , , , , , , , , , , ,