عاطفه صیادی شهرکی؛ سعید برومندنسب؛ عبدعلی ناصری؛ امیر سلطانی محمدی
چکیده
تبخیر و تعرق یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد و دقیق‌ترین روش برای برآورد آن، لایسیمتر است. اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و مدل‌های تجربی انجام می-گیرد. این مدل‌ها دارای ضرایبی هستند که معرف شرایط منطقه‌ای است ...
بیشتر
تبخیر و تعرق یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد و دقیق‌ترین روش برای برآورد آن، لایسیمتر است. اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و مدل‌های تجربی انجام می-گیرد. این مدل‌ها دارای ضرایبی هستند که معرف شرایط منطقه‌ای است که مدل در آن منطقه، واسنجی شده است؛ لذا کاربرد این مدل‌ها برای هر منطقه، نیاز به بررسی دارد. امروزه شبکه‌های عصبی مصنوعی کاربرد بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده‌اند. هدف از پژوهش حاضر، ارزیابی مدل شبکه عصبی و مدل‌های تجربی در برآورد تبخیر و تعرق گیاه با استفاده از داده‌های هواشناسی روزانه و داده‌های لایسیمتری 3 ساله (فروردین 1395 تا اسفند 1397)، برای کشت و صنعت نیشکر سلمان فارسی می‌باشد. نتایج نشان داد که مدل شبکه عصبی مصنوعی نسبت به مدل‌های تجربی به‌کار رفته، عملکرد مناسب‌تری داشته و دارای RMSE، MAE و R2 به ترتیب 125/0، 24/0 و 97/0 برابر میلی‌متر بر روز می‌باشد و همچنین در بین مدل‌های تجربی، مدل پنمن- فائو- مانتیث با RMSE، MAE و R2 به-ترتیب 07/2، 09/3 و 91/0 برابر میلی‌متر بر روز در اولویت قرار دارد. همچنین برای ارزیابی دقت مدل شبکه عصبی با کاهش پارامترهای اقلیمی 10 سناریو تعریف شد. نتایج نشان داد از میان تمامی متغیرهای هواشناسی، دمای حداکثر، دمای حداقل و سرعت باد اهمیت بیش‌تری در برآورد تبخیر و تعرق دارند.
