کاربرد مدل‌های تجربی و جنگل تصادفی در تعیین تبخیر- تعرق مرجع نواحی مرطوب

تخمین دقیق تبخیرتعرق مرجع یکی از مسائل مهم در مهندسی کشاورزی،  برنامه ریزی آبیاری، مدیریت منابع آب و غیره می باشد. امروزه مدل فیزیکی فائوپنمن مانتیث به عنوان یک مدل استاندارد برای تعیین تبخیرتعرق مرجع (et0) و نیز واسنجی سایر مدل ها بکار گرفته می شود. با این وجود، نیاز به طیف وسیعی از داده های هیدروکلیماتولوژی، کاربرد این مدل را بویژه در مناطق فاقد داده های هواشناسی کافی محدود می سازد. تحقیق حاضر به بررسی و تحلیل مدل های دما پایه و تابش پایه در تعیین et0 در مناطق مرطوب پرداخته و در ادامه، مدل جنگل تصادفی نیز با متغیر های ورودی مشابه مورد استفاده قرار گرفته است. نتایج حاصل از این تحقیق نشان داد که مدل جنگل تصادفی نسبت به مدل های تجربی واسنجی نشده و واسنجی شده با متغیر های ورودی مشابه دقت بیشتری با میانگین قدر مطلق خطای برابر با 0/4 میلی متر بر روز و شاخص پراکندگی 0/008 ارائه داد. همچنین واسنجی مدل های تجربی در برخی موارد نه تنها در بهبود دقت مدل ها موثر واقع نشده بلکه سبب کاهش دقت مدل های تجربی نیز شد.

Application of empirical and random forest models in estimating reference evapotranspiration of humid regions

Accurate estimation of reference evapotranspiration (ETo) is an important issue in agricultural engineering, irrigation scheduling, water resources management, etc. Nowadays, the physicsbased PenmanFAOMonteith model is a standard model of ETo determining as well as calibrating other ETo equations. However, the need for large amount of hydro climatologic data has limited its application, especially in regions without sufficient necessary weather data. The present study aimed at assessing the performance accuracy of empirical temperature/radiation based ETo models in humid regions and comparing the results with random forest (RF)based models that used the same input variables of the applied empirical equations. The obtained results showed that the Random forest models gave the most accurate results when compared to the commonly used original and calibrated empirical equations (with similar input variables) with global MAE and SI values of 0.4 and 0.008. Nonetheless, the calibration procedure could not improve the performance accuracy of the equations in some cases.