نوع مقاله : مقاله پژوهشی

نویسندگان

• سحر جاویدان ¹
• محمدتقی ستاری ²
• احمد مهرابی ³

¹ دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

² دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

³ کارشناس دفتر مطالعات منابع آب، شرکت آب منطقه‌ای استان قزوین، قزوین، ایران

چکیده

هزینه‌بر و زمان‌بر بودن اندازه‌گیری مستقیم تبخیر-تعرق باعث شده تا پژوهشگران جهت پیش-بینی تبخیر-تعرق به استفاده از روشهای غیرمستقیم روی‌آورند. هدف پژوهش حاضر بررسی توانایی روش‌های داده‌مبنای مبتنی بر هسته، مبتنی بر درخت، روش دسته‌بندی و روش‌های تجربی در برآورد میزان تبخیر-تعرق مرجع می‌باشد. بدین منظور، داده‌های مربوط به پارامترهای هواشناسی از جمله دمای میانگین، تعداد ساعات آفتابی، حداکثر و حداقل دما، سرعت باد، بارش و رطوبت نسبی در بازه زمانی 39 ساله گردآوری شد. ماتریس همبستگی، الگوریتم رلیف و دانش و تجربه نویسندگان همراه با سعی و خطا مبنای انتخاب سناریوهای ورودی بودند. عملکرد روش‌های مذکور با معیارهای ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، شاخص پراکندگی (SI)، نش ساتکلیف (NS) و ویلموت (WI) مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد از بین کلیه سناریوها، سناریو 13 شامل ترکیب دمای بیشینه و شاخص زمانی ماهانه مبتنی بر الگوریتم رلیف به‌عنوان سناریو برتر و از سوئی دیگر مدل درخت تصادفی با R=0.99، RMSE=0.04 mm/day و SI=0.01 به‌عنوان روش برتر انتخاب شد. بدین ترتیب حداکثر دما به‌عنوان مهمترین پارامتر هواشناسی تأثیرگذار در مدل‌سازی تبخیر-تعرق مرجع شناسایی گردید.

کلیدواژه‌ها

• تبخیر-تعرق مرجع
• داده‌کاوی
• درخت تصادفی
• مکینگ اصلاح شده

موضوعات

• مدیریت منابع آب

عنوان مقاله [English]

Comparative analysis of estimating monthly reference evapotranspiration by using kernel and tree-based data mining models versus empirical methods

نویسندگان [English]

• Sahar Javidan ¹
• Mohammad Taghi Sattari ²
• Ahmad Mehrabi ³

¹ M.Sc. Student, Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran

² Assoc. Professor, Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran

³ Expert in the Office of Water Resources Studies, Qazvin Regional Water Company, Qazvin, Iran

چکیده [English]

Because direct measurement of evapotranspiration is costly and time-consuming, researchers have been turned to estimation of evapotranspiration via indirect approaches. The aim of this study is to investigate the capability of kernel-based, tree-based, bagging-based data driven and empirical models to estimate reference evapotranspiration. For this purpose, data related to meteorological parameters such as average temperature, hours of sunshine, maximum and minimum temperature, wind speed, precipitation and relative humidity were collected over a period of 39 years. Correlation matrix, relief algorithm and trial and error based the author’s own experience were used to select input scenarios. The performance of these methods was evaluated using correlation coefficient (R), root mean square error (RMSE), scattering index (SI), Nash Sutcliffe (NS) and Wilmot indexes (WI). Based on the results, between scenarios the scenario 13 includes maximum temperature and monthly time index based on the relief algorithm was selected as the best scenario, also on the other hand the random tree model with R=0.99, RMSE=0.04 mm/day and SI=0.01 selected as the superior method. Thus, the maximum temperature was defined as the efficient meteorological parameter for the reference evapotranspiration modeling.

کلیدواژه‌ها [English]

• Data Mining
• Makkink Modified
• Random Tree
• Reference Evapotranspiration