پیش‌بینی تبخیر-تعرق مرجع روزانه با روش‌های مدل درختی، رگرسیون بردار پشتیبان و رگرسیون فرآیند گاوسی

استفاده بی رویه از منابع آب و بروز خشکسالی در سالهای اخیر سبب ایجاد مشکلات متعددی در منابع آبی کشورشده است. یکی از پارامترهای مهم در این راستا محاسبه تبخیر- تعرق میباشد. تبخیر- تعرق یکی از مهم‌ترین عوامل محدود ‌کننده توسعه کشاورزی در مناطق خشک و نیمه‌خشک می‌باشد. به‌دلیل محدودیت‌های اقتصادی و سایر محدودیت‌ها همواره جمع‌آوری داده‌های تبخیر-تعرق چالش‌های فراوانی را برای محققان در پی داشته است. لذا هدف از مطالعه حاضر پیش‌بینی تبخیر-تعرق مرجع روزانه در دو ایستگاه آستارا و اصفهان با استفاده از مدل‌های رگرسیون فرآیند گاوسی، رگرسیون بردار پشتیبان، مدل درختی m5p و رگرسیون خطی m5rules است. برای این منظور داده‌های هواشناسی روزانه ایستگاه‌ها شامل دما، رطوبت نسبی، سرعت باد و ساعات آفتابی طی دوره 2021-1990 به‌عنوان ورودی مدل‌ها به‌کار برده شد. بررسی پارامترهای ورودی نشان داد که رطوبت نسبی بیش‌ترین تاثیر را بر دقت پیش‌بینی مدل‌ها داشته است. همچنین جهت ارزیابی کارایی مدل‌ها از معیارهای ارزیابی مختلفی استفاده شد. ارزیابی مدل‌های به‌کار رفته در ایستگاه آستارا نشان داد که سناریو پنجم با کاربرد پارامتر‌های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین مدل‌های m5p و m5rules با داشتن مقدار خطای (mm day-1) 1.42، بالاترین دقت را نسبت به سایر مدل‌ها داشته-اند. در ایستگاه اصفهان نیز سناریو هشتم مدل m5p و m5rules با کاربرد پارامتر‌های حداکثر دما، حداقل دما، میانگین دما، رطوبت نسبی حداکثر و رطوبت نسبی میانگین ، رطوبت نسبی حداقل، ساعات آفتابی و سرعت باد با داشتن مقدار خطای (mm day-1) 1.86، بهترین عملکرد را نسبت به سایر مدل‌ها داشتند. لذا مدل‌های m5p و m5rules با موفقیت تبخیر-تعرق مرجع را پیش‌بینی کرده و روابط ریاضی ساده مستخرج از آنها برای استفاده در تعیین نیاز آبی گیاهان توصیه میگردد.

prediction of daily reference evapotranspiration with m5p, gaussian process regression and support vector regression methods

indiscriminate use of water resources and the occurrence of drought in recent years have caused many problems in the country's water resources. the increasing shortage of water resources and high irrigation costs require developing new irrigation methods for optimal water consumption, which can minimize the amount of water used to produce yields. evapotranspiration is one of the most important parameters needed to estimate the water balance in any ecosystem. evapotranspiration is an essential parameter in the hydrological cycle process in natural ecosystems, which links the water and energy balance of the earth's surface with the atmosphere. reference evapotranspiration (et0) plays an important role in the availability of water resources and stimulating the hydrological effect of climate change. accurate estimation of et0 is necessary for forecasting climate changes, predicting and monitoring droughts, assessing the lack of availability of water resources, assessing crop water needs, and planning irrigation. fao's penman-monteith method is known as a standard reference method for estimating et0. however, this model and, in general, water balance-based assessment methods require accurate and long-term meteorological data, which are not always and everywhere available. therefore, alternative methods for predicting et0 at different temporal and spatial scales should be developed, which are easily applied and require fewer input data without compromising the estimation accuracy. also, due to the high rate of evapotranspiration in the coastal and central stations of the country, so far, few studies have predicted the et0 parameter. therefore, this study was carried out to predict daily reference evapotranspiration in isfahan and astara stations