مدل سازی و بررسی تغییرات تبخیر از تشت و نقش آن در کاهش رواناب(مطالعه موردی: حوضه لیقوان)

تبخیر یکی از مولفه های اساسی در چرخه آب در طبیعت است. عوامل هواشناسی متعددی در مقدار تبخیر از تشت نقش ایفا می کنند. این عوامل در اغلب موارد به همدیگر وابسته هستند. در این مطالعه، با استفاده از شبکه عصبی بیزین، تبخیر از تشت مدل سازی شد. برای این منظور از داده های روزانه ایستگاه تبخیرسنجی لیقوان واقع در استان آذربایجان شرقی استفاده شد. همچنین روندیابی تبخیر روزانه و دبی ایستگاه های هیدرومتری لیقوان و هروی با مان - کندال مرسوم و جزئی صورت پذیرفت. نتایج حاکی از آن بود که در مدل های بسط داده شده مقدار r2 بیشتر از 77/0 (معنی دار در سطح 5%) و مقدار rmse کمتر از 96/1 میلی متر در روز بود. همچنین نتایج روندیابی نشان از روند مثبت دبی در متغیر تبخیر از تشت و کاهش روند در ایستگاه های دبی سنجی داشت. مان- کندال جزئی هم نشان گر کاهش دبی در ایستگاه های هیدرومتری در اثر افزایش تبخیر در ایستگاه تبخیر سنجی بود.

modeling and analysis of pan evaporation and it's role in reducing runoff (case study: watershed lighvan)

evaporation is an essential component of hydrological cycle. several meteorological factors play role in pan evaporation. in most of the cases these factors are dependent to each other’s. in this study, using bayesian neural network, pan evaporation was modeled. this was done for evaporative stations lighvan in east azerbaijan province. the pan evaporation and river flow trend in hydrometric stations lighvan and hervi was considered by standard and partial mann-kendall. results revealed that in all of the derived models the value of r2 was great than 0.77 (significant at 5% level) and the value of rmse was less than 1.96 mm/day. the results also show a positive trend in variable pan evaporation and negetive trends in the hydrometric stations.partial mann-kendall also show a decrease in the river flow of hydrometric stations was due to increased evaporation in evaporation measuring stations.