نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
2 دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
چکیده
تخمین دقیق تبخیر و تعرق گیاه مرجع در برنامهریزیهای آبیاری اهمیت ویژهای دارد. همچنین، عدم دسترسی به دادههای لایسیمتری باعث شده است پژوهشگران به استفاده از روشهای غیرمستقیم از جمله روشهای دادهمحور روی آورند. در پژوهش حاضر، توانایی روشهای دادهمحور رگرسیون فرآیند گاوسی (GPR)، رگرسیون بردار پشتیبان (SVR) و جنگل تصادفی (RF) در تخمین تبخیر و تعرق گیاه مرجع موردبررسی قرار گرفت. بدین منظور، دادههای هواشناسی دمای میانگین، سرعت باد، رطوبت نسبی و ساعات آفتابی در بازه زمانی 97-1392 در نه ایستگاه شمالی کشور از جمله آستارا، بندر انزلی، رشت، رامسر، نوشهر، ساری، بندر ترکمن، گرگان، گنبدکاووس جمعآوری شد. تبخیر و تعرق محاسبهشده با استفاده از روش فائو-پنمن-مونتیث بهعنوان خروجیهای هدف در نظر گرفتهشده و چهار سناریو ترکیبی از پارامترهای هواشناسی برای واسنجی و صحتسنجی روشهای موردمطالعه، مدنظر قرار گرفتند. دقت روشهای مذکور با استفاده از پارامترهای آماری ضریب همبستگی، شاخص پراکندگی و ضریب ویلموت مورد مقایسه قرار گرفت. نتایج نشان داد که مدلGPR4 با شاخص پراکندگی در محدوده 132/0 تا 179/0 در ایستگاههای آستارا، بندر انزلی، رشت، رامسر، نوشهر و ساری، مدلSVR4 با شاخص پراکندگی 116/0 تا 120/0 در ایستگاههای بندر ترکمن و گنبدکاووس و روش هارگریوز-سامانی با شاخص پراکندگی 509/0 در ایستگاه گرگان برآوردهای بهمراتب دقیقتری از تبخیر و تعرق گیاه مرجع داشتهاند.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Estimation of Daily Reference Evapotranspiration in Humid Climates Using Data-Driven Methods of Gaussian Process Regression, Support Vector Regression and Random Forest
نویسندگان [English]
- Saeed Samadianfard 1
- Mobarak Salarifar 2
- Sahar Javidan 2
- Fatemeh Mikaeili 2
1 Assist. Professor, Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
2 M.S student, Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
چکیده [English]
Accurate estimation of reference evapotranspiration has great importance in irrigation scheduling. Moreover, the lack of availability of lysimetric data has led researchers to use indirect methods, including data-driven approaches. In the present study, the ability of Gaussian process regression (GPR), support vector regression (SVR) and random forest (RF) data-driven methods was investigated to estimate the evapotranspiration of the reference plant. For this purpose, meteorological data on average temperature, wind speed, relative humidity and sunny hours in the period 2013-18 were collected in nine northern stations of Iran including Astara, Bandar Anzali, Rasht, Ramsar, Nowshahr, Sari, Turkmen port, Gorgan, and Gonbad Kavous. Evapotranspiration calculated using FAO-Penman-Montith method was considered as the target output and four combined scenarios of meteorological parameters were considered to calibrate and validate the studied methods. The accuracy of the mentioned methods was compared using the statistical parameters of correlation coefficient, scatter index, and Wilmott’s coefficient. The results showed that GPR4 model with scatter index in the range of 0.132 to 0.179 in Astara, Bandar Anzali, Rasht, Ramsar, Nowshahr and Sari stations, SVR4 model with dispersion index of 0.116 to 0.120 in Turkmen and Gonbad Kavous stations and the Hargreaves-Samani method with a scatter index of 0.509 at Gorgan station had much more accurate estimates of the evapotranspiration of the reference plant.
کلیدواژهها [English]
- Data Driven Methods
- FAO Penman–Monteith Method
- Hargreaves-Samani Equation
- North of Iran
- Reference Evapotranspiration