برآورد بارش موثر به روش حل معکوس و تخمین آن با به کارگیری هوش مصنوعی (مطالعه موردی: استان کرمانشاه)

بارش موثر نشان دهنده میزان بارندگی ذخیره شده در ناحیه ریشه گیاه برای رفع نیازهای تبخیر-تعرق است. تخمین بارش موثر از مولفه های ضروری در مدیریت منابع آب، تصمیم گیری­ های برنامه­ ریزی آبیاری و یک عامل راهنما برای تخمین تولید محصول محسوب می­ شود. در این پژوهش باران موثر به روش حل معکوس با استفاده از اطلاعات عملکرد محصول گندم دیم در استان کرمانشاه برآورد شده و میزان هم بستگی میان داده­ های مختلف هواشناسی نظیر دمای کمینه و بیشینه، سرعت باد، ساعات آفتابی، رطوبت نسبی، درجه روز رشد (GDD) و بارش با بارش موثر بررسی و این پارامترها از نظر میزان هم خوانی اولویت بندی و موثرترین پارامترها برای مدل­ سازی به کار گرفته شدند. با توجه به این که به داده­ های هواشناسی و عملکرد محصول گندم دیم نیاز بود، بنابراین از داده­ های هواشناسی استان کرمانشاه که شامل ۱۰ ایستگاه هواشناسی است، استفاده شد. ابتدا به کمک رابطه دورنبوس و کسام، تبخیر-تعرق واقعی محصول گندم دیم در محدوده مطالعاتی محاسبه و در نتیجه مقدار بارش موثر برآورد شد. میزان بارش موثر برآورد شده در مقطع زمانی مورد مطالعه و در طی رشد محصول گندم دیم بین ۱۱۹.۸۵ تا ۲۷۹.۹۰ میلی­متر متغیر بوده ­است. سپس، به منظور برآورد دقیق، مدل ­هایی برای تخمین بارش موثر در استان کرمانشاه به کمک شبکه عصبی توسعه داده شد. ابتدا تاثیر هر یک از داده­ ها بر بارش موثر به روش هم­بستگی پیرسون، بررسی و در چند سناریو، موثرترین پارامترها برای مدل­ سازی به کار گرفته شد. مدل­ها با معیارهای MBE، RMSE و D ارزیابی شدند. در نهایت، بارش با هم­بستگی ۰.۹۹ به عنوان موثرترین پارامتر در تخمین بارش موثر شناخته و به­ عنوان بهترین مدل­ برای تخمین بارش موثر در استان کرمانشاه برگزیده شد. در واقع، می توان با داشتن پارامتر بارش با دقت بسیار خوبی میزان بارش موثر را برای استان کرمانشاه پیش­ بینی نمود. ضریب تبیین پیش­ بینی بارش موثر به کمک این مدل ۰.۹۹ و مقدار RMSE و MBE آن برای داده­ های آزمون ۴.۶۱ و ۱.۴- میلی­متر برآورد شد.

Keywords:

بارش موثر , حل معکوس , دورنبوس و کسام , شبکه عصبی , هوش مصنوعی