شبیه سازی تبخیر-تعرق مرجع ماهانه بدون داده های اقلیمی با استفاده از محاسبات نرم در غرب و شمال غرب ایران

فرایند تبخیر- تعرق به عنوان یکی از مولفه های اصلی چرخه ی آب شناسی دارای اهمیت فراوانی در مدیریت و توسعه ی منابع آب، و نیز برنامه ریزی آبیاری می باشد. در تحقیق حاضر، به منظور براورد تبخیر- تعرق غرب و شمال غرب ایران، روش ترکیبی پنمن-مانتیث فائو-۵۶ به عنوان مرجع در نظر گرفته شد، و دقت چهار شبیه مختلف داده مبنا شامل، شبکه ی عصبی مصنوعی (ANN)، سامانه ی استنتاج تطبیقی فازی-عصبی (ANFIS) از دو نوع افراز شبکه (GP)، دسته بندی تفریقی (SC) و شبیه برنامه ریزی بیان ژن (GEP)، موردبررسی قرار گرفتند. به این منظور، مقادیر ضریب فصلی (شماره ی ماه)، عرض جغرافیایی، طول جغرافیایی و ارتفاع ۱۲ ایستگاه در غرب و شمال غرب ایران جهت براورد  تبخیر- تعرق به عنوان ورودی به شبیه ها معرفی شدند. برای شبیه ­های شبکه ی عصبی مصنوعی، فازی-عصبی از نوع افراز شبکه، و فازی-عصبی از نوع دسته­بندی تفریقی حداکثر مقادیر ضریب تبیین (R۲) به ترتیب ۹۹۴/۰، ۹۹۸/۰ و ۹۹۷/۰ در ایستگاه سنندج، و برای شبیه برنامه ریزی بیان ژن، ۹۸۲/۰ در ایستگاه خوی مشاهده شد. محدوده ی مقدار ریشه میانگین مربعات خطا (RMSE) برای شبیه شبکه ی عصبی مصنوعی، فازی- عصبی از نوع افراز شبکه، فازی عصبی از نوع دسته­بندی تفریقی، و برنامه ریزی بیان ژن به ترتیب ۳۱۱/۰-۵۵۱/۱، ۳۱۹/۱-۳۶۸/۰، ۸۰/۱ -۴۵۰/۰ و ۸۳۳/۰ -۴۳۵/۰ میلی متر بر روز به دست آمدند. نتایج تحقیق بیانگر دقت بالای شبیه برنامه ریزی بیان ژن در پیش بینی تبخیر- تعرق متوسط مرجع ماهانه می­باشند. بنابراین، شبیه GEP می تواند به عنوان شبیه ی ساده برای جایگزینی روابط تجربی جهت تخمین تبخیر-تعرق در پژوهش های بعدی مورد استفاده قرار گیرد.

کلیدواژه ها:

اطلاعات جغرافیایی ، برنامه ریزی بیان ژن ، سامانه ی استنتاج تطبیقی فازی-عصبی ، شبکه ی عصبی مصنوعی ، نیاز آبی گیاهان