ﮐﺎرﺑﺮد ﻣﺪل ﻫﺎي ﻣﺎﺷﯿﻦ ﺑﺮدار ﭘﺸﺘﯿﺒﺎن، ﭼﺎﯾﺪ و ﺟﻨﮕﻞ ﺗﺼﺎدﻓﯽ در ﺑﺮآورد ﺗﺒﺨﯿﺮ ﺗﻌﺮق ﻣﺮﺟﻊ روزاﻧﻪ درﺷﻤﺎل اﺳﺘﺎن ﺳﯿﺴﺘﺎن وﺑﻠﻮﭼﺴﺘﺎن

تبخير- تعرق به عنوان يكي از اجزا مهم چرخه هيدرولوژيك نقش بسيار بزرگي در برنامه ريزي ومديريت منابع آبي در مناطق خشك ونيمه خشك ايفا مي كند. اندازه گيري دقيق تبخير- تعرق نيازمند ابزاري گران قيمت مي باشد كه امكان استفاده از آن ها در همه نقاط وجود ندارد. از اين رو محققان همواره به دنبال روابط و روش هاي كاربردي، كم هزينه و با دقت مناسب براي برآورد صحيح مقدار اين پارامتر بوده اند. روش هاي متعددي براي برآورد صحيح تبخير تعرق در سراسر دنيا توسعه داده شده است. از جمله اين روش ها مي توان به معادلات تجربي و روش هاي داده محور از جمله شبكه هاي عصبي -مصنوعي، ماشين بردار پشتيبان و مدل هاي درختي اشاره نمود. لذا هدف از اين پژوهش بررسي دقت و قابليت مدل هاي ماشين بردار پشتيبان ، درخت تصميم نوع چايد وجنگل تصادفي در تخمين تبخير-تعرق مرجع مي باشد. داده هاي مورد استفاده در اين تحقيق شامل دماي حداكثر، دماي حداقل، دماي ميانگين، رطوبت حداكثر، رطوبت حداقل، رطوبت ميانگين، بارش، ساعات آفتابي، سرعت باد وتبخيراز تشت از ايستگاه هواشناسي دشت سيستان بين سالهاي 2018-2009 مي باشند. در اين پژوهش، ابتدا با استفاده از داده هاي هواشناسي و مدل فائو پنمن مانتيث مقادير تبخير تعرق محاسبه و سپس با ارائه سناريوهاي تركيبي مختلف از پارامترهاي هواشناسي به عنوان ورودي مدل هاي مورد مطالعه (ماشين بردار پشتيبان ، درخت تصميم نوع چايد وجنگل تصادفي) در مقياس زماني روزانه سعي در برآوردي دقيق تر از تبخير–تعرق مرجع به عنوان خروجي مدل ها شده است. در اين تحقيق به منظور مقايسـه مدل هاي مختلف ازشاخص هاي آماري ضريب همبستگي (R) و قدرمطلق خطا(MAE) استفاده شده است. بررسي نتايج نشان دادند كه از ميان مدل هاي ماشين بردار پشتيبان، چايد وجنگل تصادفي، مدل جنگل تصادفي با الگوي M7 بيشترين دقت را با ضريب همبستگي(R=0.983) و كمترين ميانگين قدرمطلق خطا(MAE=0.798) دارد. بنابراين اين پژوهش مدل جنگل تصادفي را براي برآورد تبخير وتعرق در منطقه دشت سيستان توصيه مي كند.