ارزيابي الگوريتم M5P در برآورد تبخير تعرق پتانسيل، دماي كمينه و بيشينه (مطالعه موردي: ايستگاه هواشناسي ساري)

Evaluation of M5P Algorithm for Estimation of Potential Evapotranspiration, Minimum and Maximum Temperature (Case study: Sari Weather Station)

در اين پژوهش ارزيابي عملكرد مدل‌ درختي M5P در تخمين سه پارامتر تبخيرتعرق پتانسيل، دماي كمينه و بيشينه انجام شد. داده‌هاي مورد استفاده از اطلاعات هواشناسي ايستگاه سينوپتيك ساري طي دوره 30 ساله از سال 1367 تا 1397 به صورت ماهانه مورد استفاده قرار گرفت. با توجه به نتايج مدل M5P با ضريب همبستگي برابر 0/92، ريشه ميانيگن خطا برابر 0/25 و متوسط مطلق خطا برابر 0/12 داراي عملكرد بهتري در پيش‌بيني تبخير تعرق پتانسيل نسبت به پيش‌بيني دماي كمينه و بيشنه بوده است. با توجه به آناليز حساسيت، الگوريتم M5P با متغييرهاي ورودي شامل دماي متوسط، ساعات آفتابي، درصد رطوبت هوا، دماي نقطه شبنم و كمبود فشار بخار اشباع داراي بيشترين و با متغييرهاي ورودي ساعات آفتابي و سرعت باد داراي كمترين عملكرد درست در پيش‌بيني تبخير تعرق پتانسيل بوده است. همچنين مشخص شد كه پارامتر سرعت باد تأثير منفي در عملكرد پيش‌بيني مدل M5P در مقدار تبخير تعرق پتانسيل داشته است.

In this study, we evaluated the performance of M5P tree model in estimating potential evapotranspiration, minimum and maximum air temperature. The monthly mean data of Sari synoptic weather station during the 30 year period from 1989 to 2019 were analyzed. According to the results, M5P model with correlation coefficient of 0.92, RMSE of 0.25 and MAE of 0.12, has better performance in predicting potential evapotranspiration compare with prediction of minimum and maximum air temperature. According to sensitivity analysis, M5P algorithm with inputs such as mean air temperature, sunshine hours, air humidity, dew point temperature and saturation vapor pressure deficit had the best and with inputs such as sunshine hours and wind speed had the worst performance in predicting potential evapotranspiration. It was also found that the wind speed had a negative effect on the prediction of evapotranspiration by the M5P model.