ارزیابی راهبرد ترکیب مدل‌های تجربی و مبتنی بر درخت در پیش‌بینی تبخیرتعرق مرجع

در پژوهش حاضر، از سه مدل داده‌محور شامل مدل درختی m5p، rep و جنگل تصادفی در تخمین تبخیر تعرق مرجع روزانه استفاده شد. توانایی این سه مدل در تخمین تبخیر تعرق مرجع در حالت منفرد و ترکیبی مورد مطالعه قرار گرفت. به این منظور از داده‌های هواشناسی روزانه پنج ایستگاه هواشناسی در استان کرمان در بازه زمانی 1379 تا 1399 استفاده شد. یک ترکیب از متغیرهای هواشناسی، با استفاده از تحلیل حساسیت در مقابل مقادیر تبخیر تعرق مرجع حاصل از فائو پنمن مونتیث، به‌عنوان ورودی برای هر یک از مدل‌های مذکور در نظر گرفته شد. درنهایت، دقت روش‌های مذکور و روش‌های تجربی در برآورد تبخیر تعرق گیاه مرجع با استفاده از شاخص‌های آماری مورد مقایسه و مدل برتر انتخاب شد. نتایج در مرحله صحت‌سنجی نشان داد که روش m5p به‌صورت منفرد (0/083 = rsme و 0/998=ns =  در ایستگاه بم) و روش میانگین‌گیری وزنی از مدل‌های درختی به‌صورت ترکیبی (rmse = 0.155 و ns = 0.994 در ایستگاه بم و سیرجان) در همه ایستگاه‌های مورد مطالعه نتایج بهتری در تخمین مقادیر تبخیر تعرق مرجع داشته‌اند. در حالت کلی، مدل‌های درختی به‌خصوص m5p، در مقایسه با مدل‌های تجربی نتایج بهتری در تخمین مقادیر تبخیر تعرق روزانه گیاه داشته‌اند.

evaluating the strategy of ensemble empirical and tree based methods in estimating reference evapotranspiration

in the present research, three data driven models including m5p, rep tree, and random forest were used to estimate daily reference evapotranspiration. the abilities of these three models to estimate reference evapotranspiration were studied in single and combined modes. to this end, the daily meteorological data of five synoptic stations in kerman province in the period from 2000 to 2020 were used. a combination of meteorological variables, using sensitivity analysis versus the reference evapotranspiration values ​​obtained from fao penman monteith, was considered as input for each of the mentioned models. finally, the accuracy of the mentioned models and empirical methods in estimating the evapotranspiration of the reference plant were compared using statistical indicators, and the superior model was selected. the results of validation data showed that the m5p model in the form of individually (rmse = 0.083 and ns = 0.998 in bam station) and the weighted averaging in the form of the ensemble (rmse = 0.155 and ns = 0.994 in bam and sirjan stations) in all stations had better results for estimating evapotranspiration rates than other methods. in general, tree models, especially m5p, had better results in estimating daily evapotranspiration than empirical models.