استفاده از روش يادگيري ماشين به‌منظور برآورد تبخير و تعرق(مطالعه موردي: استان سمنان)

تبخير و تعرق (ET) در مناطق خشك و نيمه‌خشك از اهميت زيادي برخوردار بوده و برآورد دقيق آن در برنامه‌ريزي و مديريت شيوه‌هاي آبياري حائز اهميت  است. استان سمنان داراي تعداد محدودي ايستگاه سينوپتيك و تبخيرسنجي است كه كمبود داده‌هاي تبخير و تعرق سبب شده كه برآورد مكاني آن با مشكل مواجه گردد. در اين مطالعه از محصول تبخير و تعرق حاصل از داده‌هاي بازتحليل ERA5-Land به همراه متغيرهاي كمكي ارتفاع و دما براي برآورد تبخير و تعرق در منطقه موردمطالعه استفاده شد. همچنين به‌منظور برقراري ارتباط بين متغيرهاي كمكي و داده‌هاي تبخير و تعرق از روش يادگيري ماشين جنگل تصادفي (RF) استفاده شد و نقشه تبخير و تعرق در منطقه موردمطالعه با استفاده از مدل RF تهيه شد. دقت مدل RF در برآورد تبخير و تعرق با استفاده از چهار معيار آماري شامل ضريب همبستگي (r)، مقدار اريبي (BIAS)، ميانگين ريشه مربعات خطا (RMSE) و شاخص KGE مورد ارزيابي قرار گرفت. نتايج مرحله اعتبارسنجي، كارايي بالاي مدل RF را نشان داد (R² = 0.95،  4.1-BIAS= ،  RMSE = 98.6 و KGE = 0.92). همچنين مشخص شد عملكرد مدل RF در برآورد تبخير و تعرق با استفاده از متغيرهاي ورودي به وابستگي خطاي مدل (BIAS) به توپوگرافي بستگي دارد و متغير ارتفاع عامل مهمي در برآورد تبخير و تعرق محسوب مي‌گردد. نتايج اين مطالعه نشان داد كه استفاده از داده‌كاوي و پردازش در محيط برنامه‌نويسي R، در مناطقي با تعداد محدود ايستگاه‌ هواشناسي، برآورد دقيق ميزان تبخير و تعرق در مناطق خشك و نيمه‌خشك را ممكن مي‌سازد.