برآورد تبخیر و تعرق مرجع با استفاده از مدل‌های تجربی، مدل‌سازی آن با شبکه عصبی مصنوعی و مقایسه آن‌ها با داده‌های لایسیمتری در ایستگاه کهریز ارومیه

یکی از راه‌های کاهش تلفات آب در مزارع، برنامه­ریزی صحیح آبیاری می­باشد و اساس این برنامه­ریزی را برآورد دقیق نیاز آبی گیاهان تشکیل می­دهد که ضریبی از تبخیر و تعرق مرجع است. تبخیر و تعرق مرجع 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 به کار بردن مدل­های تجربی انجام می­گیرد. 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. با توجه به اینکه تبخیر و تعرق، فرآیندی پیچیده و غیرخطی است، لذا استفاده از روش­هایی که بتوانند این پیچیدگی را مدل­سازی نمایند، الزامی به نظر می‌رسد. به این منظور در این تحقیق از شبکه عصبی مصنوعی برای مدل­سازی تبخیر و تعرق استفاده شد و در این راستا از نرم افزار MATLAB کمک گرفته شد. هدف از این تحقیق، ارزیابی شبکه­های عصبی مصنوعی و 11 روش شناخته شده در تخمین تبخیر و تعرق گیاه مرجع برای ایستگاه تحقیقاتی کهریز ارومیه می­باشد. بر اساس داده­های اقلیمی روزانه و داده­های 4 ساله لایسیمتری ایستگاه، مقدار تبخیر و تعرق به روش‌های مذکور محاسبه گردید، نتایج حاصل از محاسبات نشان داد که شبکه عصبی مصنوعی نسبت به تمامی روش­های کلاسیک عملکرد مناسب­تری داشته و دارای RMSE، MAE و R2 به ترتیب برابر با 65/9 (میلی­متر در ده روز)، 53/7 (میلی­متر در ده روز) و 804/0 می‌باشد. همچنین در میان روش­های کلاسیک، مدل تورک با RMSE، MAE و R2 به ترتیب برابر با 69/11 (میلی­متر در ده روز) ، 99/8 (میلی­متر در ده روز) و 719/0 در اولویت قرار دارد و روش­های جنسن- هیس، پنمن- مانتیث- فائو 56 و ... در اولویت­های بعدی قرار دارند