كاربرد الگوريتم‌ هوشمند جهش قورباغه جهت واسنجي چند مدل تابش با هدف ارتقاي دقت برآورد تبخيرتعرق مرجع در دو نمونه اقليمي ايران

Application of Shuffled Frog Leaping Algorithm for calibration of several solar radiation models with the aim of improving the accuracy of estimating reference evapotranspiration in two climatic samples of Iran

معادله پنمن مانتيث فائو56 (FAO-56 PM) به عنوان يك روش استاندارد براي برآورد تبخيرتعرق مرجع (ETO) در اقليم‌هاي مختلف پيشنهاد شده است. براي برآورد تابش كلي خورشيد (Rs)، به عنوان يكي از ورودي‌هاي ضروري اين معادله، از مدل‌هاي متفاوتي استفاده مي‌شود. اين مطالعه به منظور واسنجي و اعتبارسنجي 4 مدل برآورد Rs (آنگستروم-پريسكات، هارگريوز-ساماني، موبيرو و همكاران و چن و لي) در ايستگاه‌هاي اهواز (با اقليم خشك) و همدان (با اقليم نيمه‌خشك) در دوره اقليمي 1992-2020 و تأثير آنها بر برآورد ETO انجام شد. ضرايب اين مدل‌ها توسط الگوريتم هوشمند جهش قورباغه (SFLA) واسنجي شدند. براي بررسي عملكرد اين مدل‌ها، مقادير Rs برآورد شده با اندازه‌گيري شده مقايسه شد. بر اساس آماره‌هاي ريشه ميانگين مربعات خطا (RMSE)، ضريب تعيين (R2) و ضريب نش-ساتكليف (NS)، در ايستگاه اهواز مدل آنگستروم-پريسكات با داشتن كمترين خطا 929/1=RMSE، 918/0=R2 و 896/0=NS، و در ايستگاه همدان مدل موبيرو و همكاران با داشتن 875/0=R2 ، و 925/2= RMSEو 860/0=NS، بهترين عملكرد را در برآورد تابش خورشيدي داشته‌اند. درصد اختلاف ETO محاسبه شده توسط Rs برآورد شده در مقايسه با Rs اندازه‌گيري شده در دو ايستگاه در همه مدل‌ها، كاهشي در حدود 20% نشان داد.

The FAO Penman-Monteith (FAO-56 PM) model is proposed as a standard model to estimate reference evapotranspiration (ETO) in various climates. Different models are used to estimate the total solar radiation (Rs) as one of the essential inputs of this model. This study aimed to calibrate and validate four Rs estimation models (Ångström-Prescott, Hargreaves-Samani, Mubiru et al., and Chen and Li) in Ahvaz (with arid climate) and Hamedan (with semi-arid climate) stations during the 1992-2020 climate period and the effect of these models on the ETO estimation. The coefficients of these models were calibrated by the intelligent shuffled frog leaping algorithm (SFLA). To evaluate the efficiency of these models, the estimated Rs values were compared with measured values. Based on the root mean square error (RMSE), the coefficient of determination (R2) statistics and Nash-Sutcliffe, the A-P model with RMSE=1.929, R2=0.918, NS=0.896 and Mobiro et al. model with RMSE=2.925, R2=0.875, NS=0.860 showed better performance than the other models in Ahvaz and Hamedan stations, respectively. A decrease of about 20% was observed in the percentage of ETO difference between, the calculated and the estimated Rs compared to the measured Rs in 2 stations at all of the models.