غلامرضا علی پورمداب - دانشجوی کارشناسی ارشد، گروه مهندسی آب دانشگاه شهرکرد
احمد رضا قاسمی - دانشیار، گروه مهندسی آب، دانشکده کشاوری، دانشگاه شهرکرد، ایران
رسول میرعباسی نجف آبادی - دانشیار، گروه مهندسی آب، دانشکده کشاوری، دانشگاه شهرکرد، ایران

به دلیل اهمیت داده های تبخیر از تشت در برآور نیاز آبی گیاهان و همچنین تخمین حجم هدررفت آب از مخازن آب سطحی و همچنین فقدان این داده ها در بسیاری از مناطق، بررسی و یافتن روش های جدید و کارآمد جهت برآورد میزان تبخیر از تشت، می تواند در مدیریت منابع آب موثر باشد. در این پژوهش از دو مدل ماشین بردار پشتیبان (SVM) و مدل با حافظه مدت بلند کوتاه (LSTM) و همچنین سه روش تجربی مایر، سازمان عمران آمریکا و ایوانف جهت برآورد تبخیر از تشت در استان کهکیلویه و بویراحمد استفاده شد. برای این منظور، داده های تبخیر واقعی در مقیاس روزانه برای ۶ ایستگاه دهدشت، امامزاده جعفر، لیکک، دوگنبدان، سی سخت و یاسوج و در دوره آماری ۱۴ تا ۳۹ ساله منتهی به سال ۲۰۲۳، از سازمان هواشناسی کشور تهیه و به عنوان متغیر وابسته در مدل ها مورد استفاده قرار گرفت. همچنین از ۱۲ پارامتر هواشناسی شامل بارندگی، سرعت باد، دمای حداکثر و حداقل، ابرناکی، دمای خاک، حداکثر و حداقل رطوبت نسبی، میانگین دمای نقطه شبنم، فشار سطح دریا، تابش خورشیدی و میانگین فشار بخار واقعی نیز به عنوان متغیر مستقل استفاده گردید. نتایج نشان داد مقادیر خطای برآورد تبخیر در ۶ ایستگاه مورد مطالعه برای مدل های تجربی بسیار بالا (حداقل مقدار خطا ۲۷ درصد) و نتایج از نظر شاخص عملکرد مدل (ضریب نش) غیر قابل قبول می باشند. این امر ضرورت استفاده از مدل های دیگر در این استان را روشن می کند. نتایج ارزیابی دو مدل SVM و LSTM نشان داد، مدل SVM با خطای ۱۶ درصد در مرحله آموزش و ۱۸ درصد در مرحله آزمون، نتایج دقیقتری نسبت به مدل LSTM دارد. مقدار خطای برآورد تبخیر در این دو مرحله، در مدل LSTM به ترتیب برابر ۲۳ و ۲۴ درصد بدست آمد. در نهایت می توان نتیجه گرفت که، استفاده از مدل های قدرتمند مانند SVM که بر مبنای روابط ریاضی- آماری، قابلیت تشخیص و شبیه سازی رفتارهای پیچیده و غیرخطی متغیرهای اقلیمی را دارند، می تواند دقت تخمین تبخیر از تشت را در مناطق فاقد تشت تبخیر، افزایش دهد.

تبخیر از تشت, مدل سازی, SVM, LSTM