برآورد تبخیر و تعرق مرجع با استفاده از مدل های تجربی، مدل سازی آن با شبکه عصبی مصنوعی و مقایسه آن ها با داده های لایسیمتری در ایستگاه کهریز ارومیه

یکی از راه های کاهش تلفات آب در مزارع، برنامه­ریزی صحیح آبیاری می­باشد و اساس این برنامه­ریزی را برآورد دقیق نیاز آبی گیاهان تشکیل می­دهد که ضریبی از تبخیر و تعرق مرجع است. تبخیر و تعرق مرجع یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد و دقیق­ترین روش­ برای برآورد آن، لایسیمتر است اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و به کار بردن مدل­های تجربی انجام می­گیرد. این مدل­ها دارای ضرایبی هستند که معرف شرایط منطقه­ای است که مدل در آن منطقه، واسنجی شده است؛ لذا کاربرد این مدل­ها برای هر منطقه، نیاز به بررسی دارد. با توجه به اینکه تبخیر و تعرق، فرآیندی پیچیده و غیرخطی است، لذا استفاده از روش­هایی که بتوانند این پیچیدگی را مدل­سازی نمایند، الزامی به نظر می رسد. به این منظور در این تحقیق از شبکه عصبی مصنوعی برای مدل­سازی تبخیر و تعرق استفاده شد و در این راستا از نرم افزار MATLAB کمک گرفته شد. هدف از این تحقیق، ارزیابی شبکه­های عصبی مصنوعی و ۱۱ روش شناخته شده در تخمین تبخیر و تعرق گیاه مرجع برای ایستگاه تحقیقاتی کهریز ارومیه می­باشد. بر اساس داده­های اقلیمی روزانه و داده­های ۴ ساله لایسیمتری ایستگاه، مقدار تبخیر و تعرق به روش های مذکور محاسبه گردید، نتایج حاصل از محاسبات نشان داد که شبکه عصبی مصنوعی نسبت به تمامی روش­های کلاسیک عملکرد مناسب­تری داشته و دارای RMSE، MAE و R۲ به ترتیب برابر با ۶۵/۹ (میلی­متر در ده روز)، ۵۳/۷ (میلی­متر در ده روز) و ۸۰۴/۰ می باشد. همچنین در میان روش­های کلاسیک، مدل تورک با RMSE، MAE و R۲ به ترتیب برابر با ۶۹/۱۱ (میلی­متر در ده روز) ، ۹۹/۸ (میلی­متر در ده روز) و ۷۱۹/۰ در اولویت قرار دارد و روش­های جنسن- هیس، پنمن- مانتیث- فائو ۵۶ و ... در اولویت­های بعدی قرار دارند

Keywords:

تبخیر و تعرق , شبکه عصبی مصنوعی , کهریز ارومیه , لایسیمتر , مدل های تجربی , MATLAB