پایش تبخیر و تعرق مرجع براساس داده های اقلیمی محدود با استفاده از الگوریتم جنگل تصادفی

برآورد دقیق تبخیر و تعرق گیاه مرجع (ET۰) در هر منطقه با توجه به اهمیت در مدیریت منابع و برنامه ریزی صحیح آبیاری امری ضروری است. در این پژوهش جهت تخمین ET۰، مدل جنگل تصادفی مورد استفاده قرار گرفت. برای این منظور از اطلاعات ماهانه در چهار حالت (۱۳۸۶-۱۳۹۸) شامل ۷ ایستگاه سینوپتیک واقع در استان خوزستان استفاده شد. در این مطالعه از پارامترهای ورودی دمای حداکثر (Tmax)، دمای حداقل (Tmin)، رطوبت نسبی (RH)، سرعت باد (WS) و ساعات آفتابی (Sunshine) به عنوان پارامترهای ورودی مدل استفاده گردید. ۷۰ درصد داده ها جهت آموزش و ۳۰ درصد داده ها جهت آزمون مدل ها به کار گرفته شد. نتایج بین سناریوهای انجام شده، ساختار ترکیبی شماره ۵ شامل Tmin, Tmax, Sun, Wind, Tair با Rhmin و Rhmax با مقدار R۲=۰/۹۸۹ و KGE=۰/۹۸۹ نشان داد که در مرحله آموزش و KGE=۰/۹۶۸ ، R۲=۰/۸۸۷ ،RMSE=۰/۵۰۶ در مرحله آزمون، دارای کمترین خطا و بیشترین دقت است و توانسته میزان ET۰ را با دقت مناسبی برآورد کند. در مقابل الگوی شماره ۱ شامل Tmax و Tmin با مقدار RMSE=۰/۵۳۰ ، R۲=۰/۸۸۵ و KGE=۰/۹۵۰ در مرحله آموزش و KGE=۰/۹۸۲ ، R۲=۰/۸۶۰ ، RMSE=۰/۸۸۷ در مرحله آزمون، دارای کمترین دقت بوده است.

کلیدواژه ها:

فائومانتیت ، مدل سازی ، مصرف بهینه آب ، یادگیری ماشین