جلیل هلالی - Department of Irrigation and Reclamation Engineering Department, Faculty of College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran.
ابراهیم اسعدی اسکویی - Assistant professor, Atmospheric Science and Meteorological Research Center (ASMERC), Tehran, Iran

تبخیروتعرق مرجع به عنوان مولفه مهم در چرخه هیدرولوژی و تعیین نیاز آبی به حساب می آید. در این مطالعه تلاش شد تاثیرگذاری شاخص های پیوندازدور بزرگ مقیاس بر تبخیروتعرق مرجع ماهانه در گستره ایران مورد واکاوی قرار گیرد. به این منظور، تبخیروتعرق مرجع روزانه و سپس ماهانه با معادله PMF-۵۶ در ۱۲۳ ایستگاه همدید ایران در دوره ۲۰۱۹-۱۹۹۰ محاسبه شده و همبستگی آن با ۳۷ شاخص پیوندازدور با تاخیرهای زمانی هم زمان تا ۱۲ ماه با روش همبستگی پیرسون به دست آمد و فراوانی نوع همبستگی ها نیز محاسبه گردید. در نهایت ضریب همبستگی در پهنه ایران با روش کریجینگ در محیط نرم افزار ArcGIS ۱۰.۴ انجام شد. نتایج به دست آمده نشان می دهد بیشترین همبستگی مثبت متعلق به شاخص های AMO، CO۲، NTA، TNA و TSA و بیشترین همبستگی منفی متعلق به شاخص های MEI و SST۳.۴ در تاخیرهای زمانی مختلف است. بیشترین فراوانی همبستگی های معنادار با تبخیروتعرق متعلق به شاخص های CO۲، AMO، NTA، TNA و WHWP است که به ترتیب ۵۸، ۳۵، ۲۳، ۲۳ و ۲۱ درصد ایستگاه های مورد مطالعه را شامل می شوند. گسترده ترین پراکنش مکانی همبستگی های معنادار متعلق به غلظت دی اکسید کربن است که در همه تاخیرهای زمانی و همه ماه های مورد مطالعه به جر نوامبر و دسامبر به دست آمده است. نتایج این مطالعه نشان داد شاخص های پیوندازدور و غلظت دی اکسیدکربن می توانند در تاخیرهای زمانی صفر تا ۱۲ ماهه همبستگی مناسب داشته باشند و به شرط استفاده از مدل های یادگیری ماشین مناسب در جهت پیش بینی مقدار تبخیروتعرق مرجع ماهانه مورد استفاده قرار گیرند.

Iran, Reference Evapotranspiration, Large Scale Teleconnection Indices, CO۲, Pearson correlation