وحید عظیمی - دانش آموخته گروه مهندسی آب، دانشکده کشاورزی دانشگاه تبریز
پروین محمدیان - دانش آموخته گروه مهندسی آب، دانشکده کشاورزی دانشگاه تبریز
حبیب عبدلی - کارشناس ارشد اقلیم شناسی ، اداره کل هواشناسی استان آذربایجان شرقی
سمیرا سادات مرسلی - دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی دانشگاه زنجان

برآورد میزان آبی که در پروژه های آبیاری به مصارف کشاورزی میرسد، بر اساس مقدار تبخیر- تعرق تعیین میشود، لذا تخمین این پارامتر در مطالعات آب و خاک بسیار ضروری است. تبخیر- تعرق یکی از اجزای اصلی چرخه هیدرولوژی و از مشخصه های پرکاربرد در سیستمهای آب خاک و گیاه است. امروزه استفاده از سیستمهای هوشمند نظیر شبکه های عصبی مصنوعی، منطق فازی، الگوریتم ژنتیک و سیستم استنتاج تطبیقی عصبی- فازی افزایش یافته است. از داده های ایستگاه هواشناسی تبریز برای تخمین تبخیر- تعرق مرجع بوسیله سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) استفاده گردید. از بین توابع عضویت ANFIS ، تابع عضویت trimf (مثلثی) بهترین عملکرد را نشان داد. نتایج حاصل از مدلها با مقادیر بدست آمده از معادله فائو پنمن مونتیث مقایسه گردید. سپس با استفاده از آماره های MBE، RMSE و R^2 کارایی مدلها مورد ارزیابی قرار گرفت. نتایج نشان میدهد که در بین مدلها، مدلی مرکب از دمای حداقل، دمای حداکثر و تابش آفتابی بهترین نتیجه را دارد که از لحاظ شاخصهای آماری مقدار RMSE مدل 0/33، ا R^2، ا 0/985 و مقدار MBE در حد صفر میباشد. مدل مورد استفاده از دمای حداقل و حداکثر نیز به عنوان مدلی با کمینه پارامتر می تواند تبخیر- تعرق را با دقت قابل قبولی تخمین نماید.

تبخیر- تعرق، ANFIS ، تابع عضویت، فائو پنمن مونتیث، تبریز