فاطمه میکائیلی - دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد - دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

با توجه به واقع شدن ایران در اقلیم خشک و نیمه خشک، تبخیر تعرق یکی از موثرترین مولفه ها در بررسی وضعیت بیلان آبی است. برآورد دقیق این پارامتر در محاسبه دقیق نیاز آبی گیاهان و به تبع آن در طراحی و مدیریت سیتم های آبیاری و منابع آب از اهمیت ویژه ای برخوردار است. هدف از پژوهش حاضر، بررسی توانایی مدل رگرسیون بردار پشتیبان (SVR)، مدل جنگل تصادفی (RF) و مدل درختی M۵P در پیش بینی روزانه مقادیر روزانه تبخیر تعرق گیاه مرجع در دو ایستگاه آستارا و سیرجان به ترتیب واقع در مناطق مرطوب و خشک ایران با استفاده از داده های هواشناسی حداقل، متوسط و حداکثر دما، رطوبت نسبی، تابش خورشیدی و سرعت باد در بازه زمانی سال های ۲۰۲۰-۲۰۰۰ است. درنهایت، دقت روش های مذکور و روش های تجربی در برآورد تبخیر تعرق روزانه گیاه مرجع با استفاده از معیارهای آماری جذر میانگین مربعات خطا، ضریب همبستگی، شاخص پراکندگی، ضریب نش- ساتکلیف و ضریب ویلموت مورد مقایسه قرار گرفت. نتایج حاصل از داده های صحت سنجی نشان داد که مدل های SVR۳ (سناریو سه با روش رگرسیون بردار پشتیبان) و M۵P۳ ( سناریو سه با روش مدل درختی M۵P) در ایستگاه آستارا با در نظر گرفتن تمامی پارامترهای هواشناسی و با دارا بودن ضریب همبستگی ۹۹۳/۰، جذر میانگین مربعات خطای ۲۰۱/۰ و همچنین مدل SVR۳ در ایستگاه سیرجان نیز با ضریب همبستگی ۹۸۲/۰، جذر میانگین مربعات خطای ۴۱۰/۰ در مقایسه با روش های تجربی هارگریوز- سامانی، مک کینک، تورک و دالتون نتایج بهتری در تخمین مقادیر تبخیر تعرق روزانه گیاه داشته اند.

تبخیر تعرق مرجع, جنگل تصادفی, درخت M۵P, رگرسیون بردار پشتیبان, روش های تجربی