پیش بینی تبخیر-تعرق مرجع روزانه با روش های مدل درختی، رگرسیون بردار پشتیبان و رگرسیون فرآیند گاوسی

تبخیر-تعرق یکی از مهم ترین عوامل محدود کننده توسعه کشاورزی در مناطق خشک و نیمه خشک می باشد. به دلیل محدودیت های اقتصادی و سایر محدودیت ها همواره جمع آوری داده های تبخیر-تعرق چالش های فراوانی را برای محققان در پی داشته است. لذا هدف از مطالعه حاضر پیش بینی تبخیر-تعرق مرجع روزانه در دو ایستگاه آستارا و اصفهان با استفاده از مدل های رگرسیون فرآیند گاوسی، رگرسیون بردار پشتیبان، مدل درختی M۵P و رگرسیون خطی M۵Rules است. برای این منظور داده های هواشناسی روزانه ایستگاه ها شامل دما، رطوبت نسبی، سرعت باد و ساعات آفتابی طی دوره ۲۰۲۱-۱۹۹۰ به عنوان ورودی مدل ها به کار برده شد. بررسی پارامترهای ورودی نشان داد که رطوبت نسبی بیش ترین تاثیر را بر دقت پیش بینی مدل ها داشته است. همچنین جهت ارزیابی کارایی مدل ها از معیارهای ارزیابی مختلفی استفاده شد. ارزیابی مدل های به کار رفته در ایستگاه آستارا نشان داد که سناریو پنجم با کاربرد پارامتر های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین مدل های M۵P و M۵Rules با داشتن مقدار خطای (mm day-۱) ۴۲/۱، بالاترین دقت را نسبت به سایر مدل ها داشته-اند. در ایستگاه اصفهان نیز سناریو هشتم مدل M۵P و M۵Rules با کاربرد پارامتر های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین ، رطوبت نسبی حداقل، ساعات آفتابی و سرعت باد با داشتن مقدار خطای (mm day-۱) ۸۶/۱، بهترین عملکرد را نسبت به سایر مدل ها داشتند. لذا مدل های M۵P و M۵Rules با موفقیت تبخیر-تعرق مرجع را پیش بینی کرده و روابط ریاضی ساده مستخرج از آنها برای استفاده در تعیین نیاز آبی گیاهان توصیه میگردد.

کلیدواژه ها:

پیش بینی ، تبخیر-تعرق ، رگرسیون بردار پشتیبان ، آستارا ، منابع آب