بررسي مناسب ترين ضريب تصحيح روش هارگريوز- ساماني براي برآورد تبخير-تعرق گياه مرجع

Optimum Correction Factor for Hargreaves –Samani Method for Determination of Reference Crop Evapotranspiration (Case study: Khorasan Razavi Province)

تبخير- تعرق پتانسيل گياه مرجع (ET) يكي از مهم ترين مولفه هاي چرخه ي آب در طبيعت است كه يا با استفاده از لايسيمتر برآورد مي شود يا با استفاده از معادلات تجربي محاسبه مي گردد. يكي از روش هاي ساده ي تجربي كه تنها به داده هاي دما (حداقل و حداكثر روزانه) نياز دارد، روش هارگريوز- ساماني (H-S) مي باشد. هدف از انجام اين تحقيق، به دست آوردن مناسب ترين ضريب اصلاحي جهت تصحيح مقادير ET به دست آمده از روش هارگريوز- ساماني براي ايستگاه هاي سينوپتيك استان خراسان رضوي بود تا بتوان مقادير ET بهتري را براي ايستگاه هايي كه فاقد داده هاي هواشناسي كامل هستند برآورد نمود. تمامي منابع موجود نشان ميدهد كه چنين ضريبي را تنها به صورت عددي ثابت درنظر مي گيرند. دراين تحقيق اين ضريب تصحيح را به صورت تابعي از عوامل هواشناسي كه در ايستگاه هاي تبخيرسنجي برداشت مي شوند درنظر گرفته و معادلات رگرسيوني براي برآورد آن ارايه گرديد. نتايج به دست آمده نشان داد كه پارامترهاي ثابت اين معادلات ثابت نمي باشد كه تاييدي بر ثابت نبودن ضريب اصلاحي قلمداد مي شود. معادلات مختلف برمبناي 7 معيار ارزيابي اولويت بندي شده و بهترين معادله براي هر ايستگاه سينوپتيك به دست آمد. محدوده ي تاثير هر ايستگاه سينوپتيك مشخص شده و ايستگاه هاي تبخيرسنجي در هر كدام از محدوده ها گزارش شد.

Reference Crop Evapotranspiration (ETo) is one of the most important component of hydrologic cycle. It is estimated either through lysimetriy or by empirical equations. Hargreaves-Samani (H-S) is one of the simplest methods that needs only to temperature data (minimum and maximum daily) . The purpose of this paper is to find the best correction factor applying to H-S method that translates to the assumed true Fao Penman Monthis method for synoptic stations of Khorasan Razavi Province. Such a correction factor, however, is taken constant in nearly all of the published papers, which demands for local-nature. Here, it is considered as a function of those meteorological variables available at evaporation stations, considering temperature and humidity ones, and some regression equations were derived. The parameters of these equations, based on the results, were not constant for different synoptic stations, which confirms for non-constant correction factor. Different equations were ranked based on 7 different evaluation methods and the best equation was found for each synoptic station. Influence region for each synoptic station was determined and evaporation stations within each region were determined