مقایسه مدلهای یادگیری ماشین برای تخمین تبخیر و تعرق پتانسیل با استفاده از دادههایماهواره ای و زمینی

محاسبه تبخیر و تعرق پتانسیل از پارامترهای کلیدی در برنامه ریزی های حوزه منابع آب محسوب می شود روابط متعددی برای محاسبه تبخیر و تعرق پتانسیل پیشنهاد شده است که از این بین رابطه پتمن مقدار این متغیر را با تقریب خوبی ارائه میدهد. اما به متغیرهای زیادی برای این محاسبات نیاز دارد. این در حالی است که در موارد سیار زیادی اطلاعات مورد نیاز برای محاسبه با این روش بطور کامل در بیشتر مناطق در دسترس نمی باشد. هدف از انجام این پژوهش ارائه مدل های بر پایه الگوریتم های یادگیری ماشین بصورت ایستگاهی است. همچنین از دو ساریو برای انتخاب ورودی های مدل استفاده شده استه است. سناریوی اول بر پایه داده های برداشت شده از ایستگاه سینوپتیک سناریوی دوم بر اساس دادوهای برداشتی از ماهواره ترا می باشند. از تبخیر و تعرق پتانسیل محاسباتی روش پنمن برای کالیبراسیون مدل ها استفاده شد. به دلیل ماهانه بودن برداشت های ماهواره ترا این مدل سازی در مقیاس ماهانه و برای بازه زمانی ۳۰ ساله انجام شد. برای بررسی عملکرد مدل ها از شاخص های آماری از قبیل جذر میانگین مجاور خطاء متوسط خطای مطلق، ضریب تعیین و ضریب نش ساتکلیف استفاده شده استه است. نتایج نشان دهنده آن است که تمامی مدل های بکار گرفته شده عملکرد رضایتبخشی داشتند مدل ExtraTrees ازمدل های یادگیری گروهی با ضریب R ۲ ۰ ۹۵۸۴ و RMSE ۱۱ ۵۲۴ mmmonth بهترین عملکرد را داشت

کلیدواژه ها:

تبخیر وتعرق پتانسیل ، مدل یادگیری ماشین ، مدل یادگیری گروهی ، مدل یادگیری عمیق ، ماهواره ترا