واسنجي معادلات تجربي تبخير و تعرق روزانه و مقايسه با نتايج شبكه هاي عصبي مصنوعي در شرايط مختلف كمبود داده هاي هواشناسي

Calibration of Empirical Equations to Estimate the Daily Reference Evapotranspiration and Comparison with ANNs Models under the Lack of Meteorological Data

برآورد صحيح تبخير و تعرق گياه مرجع (ETo) در مديريت منابع آب و برنامه ريزي سيستم هاي آبياري اهميت ويژه اي دارد. روش فايو پنمن - مانتيث (F-P-M) به عنوان روش استاندارد براي محاسبه ETo، به پارامتر هاي دما، رطوبت نسبي، ساعات آفتابي و سرعت باد نياز دارد كه در اكثر ايستگاه هاي هواشناسي امكان اندازه گيري همه آن ها وجود ندارد، لذا در چنين شرايطي نياز به معادلات تجربي با پارامترهاي هواشناسي كمتر مي باشد. شبكه هاي عصبي نيز مي توانند براي تخمين پديده هايي مانند ETo كه متغيرهاي آن داراي روابط داخلي غيرخطي و پيچيده اند، به كار برده شوند. در اين تحقيق، با استفاده از داده هاي روزانه ايستگاه سينوپتيك گرگان هفت مدل شبكه عصبي مصنوعي با ساختارهاي مختلف از پارامترهاي هواشناسي به عنوان ورودي طراحي گرديد. تبخير و تعرق پتانسيل نيز از پنج معادله تجربي فايو پنمن - مانتيث (F-P-M)، هارگريوز - ساماني (HS)، تورك (T)، پريستلي - تيلور (PT) و مك كينك (MK) و شش معادله تخميني كه در آن ها پارامترهاي رطوبت نسبي و يا تابش خورشيدي معادلات تجربي با استفاده از داده هاي دمايي برآورد گرديدند، محاسبه شد. معادلات تجربي و تخميني با استفاده از روش استاندارد F-P-M، در دوره آموزش (81-1371) واسنجي و ضرايب آن ها تعيين گرديد. سپس براساس پارامترهاي موردنياز جهت تخمين ETo معادلات تجربي، تخميني واسنجي شده و مدل هاي شبكه عصبي به سه گروه تقسيم و با استفاده از معيارهاي آماري R2، RMSE و MBE در دوره آزمون (سال هاي 6-1382) در گروه هاي سه گانه با هم مقايسه شدند. نتايج نشان داد كه مدل هاي شبكه عصبي مصنوعي ايجاد شده در هر سه گروه نسبت به معادلات تجربي از دقت بالاتري برخوردارند: در گروه معادلات ايجاد شده براساس دما و يا رطوبت نسبي مدل ANN 3 و معادله HS با ريشه ميانگين مربعات خطا (RMSE) برابر با 423/0 و 551/0 ميلي متر بر روز، در گروه معادلات ايجاد شده براساس پارامتر تابش خورشيدي مدل ANN 4 و معادله T با RMSE برابر با 372/0 و 518/0 ميلي متر بر روز و در گروه سوم كه پارامترهاي آن مشابه با روش F-P-M بودند مدل ANN 6 و معادله F-P-MRHest با آماره RMSE برابر با 208/0 و 310/0 ميلي متر بر روز از دقت بالاتري برخوردار بودند.

Accurate estimation of reference evapotranspiration plays a key role in water resources management and irrigation scheduling. The FAO Penman-Monteith (F-P-M) is a reference method for calculation of evapotranspiration that needs temperature, humidity, wind speed and solar radiation. In many stations, it is not an easy task to measure the whole weather variables. Thus, in this situation, one must use some of the equations that require less climatic data. ANNs are an effective tools to model nonlinear phenomena with an interaction relationship. In this study, Seven ANNs with different input combinations have been implemented and compared with ten locally calibrated empirical and semi-empirical ETo equations (with estimated solar radiation and humidity parameters as inputs) in Gorgan synoptic station. The comparisons have been based on the basis of statistical error techniques, using F-P-M daily ETo values as a reference. ANNs have obtained better results than the locally calibrated ETo equations in the three groups: temperature and/or relative humidity based methods ANN 3model and HS equation with RMSE equal to 0.422 and 0.551mm d-1, respectively; solar radiation-based methods ANN 4 model and T equation with RMSE equal to 0.372 and 0.518 mm d-1, respectively and methods based on similar requirements to those of PM56 except for the estimation of solar radiation and/ or relative humidity ANN 6 and F-P-MRHest equation with RMSE equal to 0.208 and 0.310 mm d-1, respectively