منیر شیرزادی - دانشجوی کارشناسی سنجش از دور دانشگاه تبریز
بهروزا اسدزاده - دانشجوی کارشناسی ارشد اقلیم شناسی دانشگاه تبریت مدرس

کشور ایران جزء مناطق خشک و نیمه خشک جهان ست و با محدودیت شدید منابع آب مواجه است تعیین تبخیر و تعرق که یکی از اجزای اصلی چرخه هیدرولوژی می باشد در بسیاری از مطالعات از جمله توازن هیدرولوژیک اب طراحی و مدییت سیستم ابیاری شبهی سازی میزان محصول و مدیریت منابع آب از اهمیت بالایی برخوردار است مطالعات انجام شده نشان می دهد که پس از دستگاه های لایسیمتر وزنی، روش فائو – پنمن – مانتیث هم در شرایط آب و هوایی خشک و هم در شرایط آب وهوایی مرطوب، به عنوان دقیق ترین روش معرفی شده است تعداد زیاد پارامترهای موثر در برآورد تبخیر تعرق گیاه پتانسیل و از طرفی اندازه گیری برخی از این پارامترها در بعضی ایستگاه، سبب گردیده تا امکان برآورد دقیق آن میسر نباشد. به این منظور در پژوهش حاض رداده ای اقلمی هفت ایستگاه مورد مطالعه در نرم افزار متلب با روش شبکه عصبی مصنوعی ANN به ترکیب 70-30 جهت آموزش و پیش بینی به کار گرفته شده است داده های ورودی برای پیش بینی تبخیر و تعرق (دمای حداقل، دمای حداکثر، رطوبت نسبی، سرعت باد، ساعت آفتابی و تابش خورشید) و خروجی تبخیر و تعرق در نظر گرفته شده است مدل MLP در شبکه عصبی با سه حالت 6 نرون، 12 نرون، 13 نرون پیاده شده است و برا یاموزش و بیست درصد برای validation (صحت سنجی*) در نظر گرفته شده است و معیار ارزیابی کار هم RMSE میانگین مجذور خطا و R2 ضریب همبستگی است همچینن با استفاده از روش فائو پنمن مانتیث در هفت ایتسگاه انتخاب شده در استان کردستان با نرم افزار Cropwat.8 تبخیر تعرق ایستگاه های مورد نظر محاسبه شده است و در نهایت به پیاده سازی دادده های اقلیمی در محیط نرم افزار GIS نقشه مناطق هم اقلیم استان کردستان تهیه گردیده است و تبخیر تعرق هر ایستگاه با روش IDW میانیابی شدهاست نتایج به دست آمده نشدن می دهد که مناطق شرقی و جنوب شرقی استان از شدت تبخیر تعرق بیشتری نسبت به شمال غربی برخودار است.

تبخیر، تعرق، فائو، پنمن، مانتیث، استان کردستان GIS، شبکه عصبی مصنوعی