مقایسه روش های تجربی برآورد تبخیر و تعرق براساس داده های لایسی متری (مطالعه موردی: دشت کاشان)

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 23

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_DEEJ-9-27_008

تاریخ نمایه سازی: 19 اسفند 1402

Abstract:

برآورد تبخیر و تعرق در سطح منطقه ای، یکی از مولفه های مهم برای مدیریت بهینه منابع آب است. روش های تجربی زیادی برای برآورد تبخیر و تعرق گیاه مرجع وجود دارد، ولی این روش ها نتایج یکسانی برای همه مناطق نشان نمی دهند. مطالعات لایسی متری به منظور تعیین مناسب ترین روش در هر منطقه به کار می رود. لذا در این تحقیق برای تعیین مناسب ترین روش برآورد تبخیر و تعرق در منطقه مورد مطالعه، آزمایشی به مدت ۶ ماه در سال آماری ۱۳۹۱۱۳۹۲ با استفاده از ۴ دستگاه لایسی متر زهکش دار در دانشگاه کاشان اجرا شد. همچنین انواع روش های تجربی برآورد تبخیر و تعرق و تشتک تبخیر بر اساس داده های لایسی متری مورد مقایسه قرار گرفتند. در نهایت، نتایج برآورد مجموع تبخیر و تعرق ماهانه با استفاده از لایسی متر در منطقه طرح در ماه های دی، بهمن، اسفند، فروردین، اردیبهشت و خرداد به ترتیب برابر ۴۹/۲۴، ۳۹/۳۸، ۵۲/۵۱، ۸۷/۷۳، ۷۷/۱۱۹ و ۱۸۰ میلی متر به دست آمد. همچنین از میان روش های مورد بررسی، روش تورنت وایت به ترتیب با ۲R، R، NSC، RMSE و MBE برابر ۹۵/۰، ۹۷/۰،  ۹۸۶/۰،  ۲۹/۴ و ۱۵/۱- از دقت بیشتری برخوردار بود که به عنوان مناسب ترین روش برآورد تبخیر و تعرق در منطقه مورد مطالعه معرفی می شود. پس از آن، روش های جنسن- هیز اصلاح شده، بلانی -کریدل، جنسن - هیز، هارگریوز- سامانی، تشتک تبخیر و فائو- پنمن- مانتیث در رتبه های بعدی قرار می گیرند. در نهایت روش پنمن با ۲R برابر ۵۸/۰ کمترین دقت را داشت.

Authors

سیدجواد ساداتی نژاد

دانشکده علوم و فنون، دانشگاه تهران

لیلا نظری

گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

هدی قاسمیه

گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

سلمان عارفخانه کلاته

دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :