برآورد تبخیروتعرق مرجع روزانه با استفاده از الگوریتم رگرسیون بردار پشتیبان و مقایسه آن با روش های تجربی مبتنی بر دما

تخمین دقیق تبخیر و تعرق مرجع (ETo) در طراحی سیستم ها و برنامه ریزی آبیاری، مدل سازی محصول، مدیریت پایدار منابع آب و ارزیابی های زیست محیطی بسیار مهم و ضروری است. روش های متعددی برای برآورد ETo توسط محققان ارائه شده است. از جمله این روش ها می توان به انواع معادلات تجربی، ریاضی و روش های داده محور اشاره کرد. سازمان غذا و کشاورزی، روش فائو پنمن مانتیث را به عنوان روش استاندارد دربرآورد ETo توصیه کرده است؛ با این حال، این روش به تعداد زیادی از داده های آب و هوایی اندازه-گیری شده نیاز دارد. بنابراین پژوهش حاضر با هدف بررسی توانایی روش های تجربی مبتنی بر دما و مدل رگرسیون بردار پشتیبان در برآورد ETo انجام شد. بدین منظور داده های هواشناسی روزانه ۳ ساله (۲۰۱۹-۲۰۲۱) از ایستگاه واقع در کشت و صنعت نیشکر حکیم فارابی گردآوری شد. براساس همبستگی پیرسون هفت ترکیب مختلف از پارامترهای ورودی انتخاب و توسط SVR مدل سازی شد. نتایج نشان داد که مدل SVR با ترکیب پارامترهای دما، رطوبت نسبی و سرعت باد بالاترین دقت را در برآورد ETo داشته است (RMSE=۰/۳۵, R(۲)=۰/۹۹ و MAE=۰/۲۸). همچنین در بین مدل های تجربی، مدل ایوانف بالاترین دقت را نسبت به مدل فائو پنمن مانتیث با (R(۲ برابر ۰/۹۰ نشان داد. به طور کلی مطالعه حاضر نشان داد که در صورت نبود اطلاعات هواشناسی کافی، می توان با استفاده از SVR تبخیروتعرق مرجع را با دقتی بهتر از مدل های تجربی برآورد کرد.

کلیدواژه ها:

تبخیر و تعرق مرجع ، مدل های تجربی ، روش فائو پنمن مانتیث ، الگوریتم رگرسیون بردار پشتیبان