یش بینی کمبود فشار بخار برای مدیریت مصرف آب در مزرعه به کمک تکنیکهاییادگیری ماشین در مناطق گرم و خشک

برآورد دقیق تبخیر و تعرق برای مدیریت مصرف آب در مزرعه، به ویژه در کشورهای در حال توسعه که با تنش آبی مواجهند، امری مهم است. کمبود فشار بخار یکی از پارامترهای تبخیر و تعرق است که تاثیر قابل توجهی بر محاسبه آن دارد. در این مقاله به پیش بینی کمبود فشار بخار با استفاده از تکنیک های مبتنی بر یادگیری ماشین شامل روش های رگرسیون خطی، مدل افزودنی تعمیم یافته، زیر مجموعه تصادفی، جنگل تصادفی و مدل M۵P در چهار منطقه مختلف استان خراسان جنوبی پرداخته شد. جهت برآورد کمبود فشار بخار از داده های باز تحلیل بانک اطلاعاتی JRA- ۵۵ بین سال های ۱۹۵۸ الی ۲۰۲۳ استفاده شد. این بانک اطلاعاتی شامل انبوهی از دیتاهای باز تحلیل هواشناسی و کشاورزی است که بصورت نقطه ای و رستری قابل دسترس بوده و مزیت مهم این بانک اطلاعاتی کاربرد آن در مناطقی است که دارای فقدان اطلاعات ایستگاه های زمینی است. برای ارزیابی عملکرد مدل ها در هر دو مرحله آموزش شامل (۷۰ %داده) و تست (۳۰ % داده ) از چهار شاخص آماری ضریب همبستگی ، میانگین خطای مطلق ، ریشه میانگین مربعات خطا و ریشه نسبی میانگین مربعات خطا استفاده شد. عملکرد مدل افزودنی تعمیم یافته به ترتیب در مرحله آموزش و تست بهتر از سایر مدل ها بود [۰,۹۹۹۴ = CC؛ ۰,۰۲۷=MAE؛ ۰,۰۳۶۵=RMSEو ۰٫۰۰۰۴ =RRMSE]، [۰,۹۹۸۹=CC؛ ۰,۰۲۸۲ = MAE؛ ۰,۰۳۸۲=RMSEو ۰,۰۰۰۸=RRMSE]، این مقاله استفاده از مدل GAM را برای مطالعات آبی - اقلیم شناسی و بویژه برای مطالعات مدلسازی و پیش بینی کمبود فشار بخار توصیه میکند.

کلیدواژه ها:

کمبود فشار بخار ، مدل افزودنی تعمیم یافته ، مدیریت آب مزرعه ، یادگیری ماشین ، سازگاری اقلیمی