بررسی کارایی مدل‌های غیرپارامتریک در برآورد تبخیر-تعرق سالانه با به‌کارگیری آزمون گاما در مناطق نیمه‌خشک ایران

محدودیت منابع آب و رقابت بخش های مختلف در استفاده از این منابع، نیاز به بهره برداری بهینه از منابع آب را مخصوصاً در مناطق خشک و نیمه‌خشک افزایش داده است. برای این منظور از آمار و اطلاعات در محدوده شش ایستگاه همدیدی مناطق نیمه‌خشک ایران شامل مشهد، شیراز، تبریز، کرمانشاه، خرم‌آباد و ارومیه استفاده شد. متغیرهای ورودی شامل فراسنج های دمای متوسط (t)، رطوبت نسبی (rh)، ساعت آفتابی (s) و سرعت باد در ارتفاع دو متری (u2) می باشند. برای تعیین طول دوره آزمون ابتدا از روش m تست استفاده شد و با توجه به اینکه در انتهای سمت راست نمودارها، هم آماره گاما و هم خطای استاندارد به سمت مجانب شدن می‌روند، از 5 سال آخر برای تست مدل ها استفاده شد. نتایج نشان داد که بر اساس آزمون گاما در حالت ترکیبی بهترین ورودی‌ها برای ایستگاه های مشهد، شیراز، تبریز، کرمانشاه، خرم‌آباد و ارومیه به ترتیب (s، u2، rh)، (t، u2، rh، s)، (t، u2، rh، s)، (t، u2، rh)، (t، rh، s)، (rh، s)، دارای کم‌ترین گاما به ترتیب برابر 0.005، 0.01-، 0.001، 0.002-، 0.008، 0.009 می‌باشند. برای مدل سازی تبخیر-تعرق سالانه از روش های رگرسیون خطی (llr)، رگرسیون خطی پویا (dllr)، شبکه عصبی مصنوعیanncg   وannbfgs  استفاده شد. برای ارزیابی مدل های فوق از معیارهای ارزیابی r، mae، rmse، mbe، معیار جاکوویدز (t) و معیار صباغ (r2/t) استفاده شد. نتایج نشان داد که با بهترین ورودی‌ها بهترین عملکرد برای ایستگاه‌های مشهد، کرمانشاه، تبریز و شیراز به دست آمد، به طوری که ضریب همبستگی پیرسون در دوره تست برای مدل شبکه عصبی (cg) به ترتیب 0.91، 0.98، 0.96، 0.97 به دست آمد. نتایج  به طور کلی نشان داد که روش‌های غیرخطی به خوبی توانایی برآورد تبخیر-تعرق سالانه را در ایستگاه‌های مورد بررسی دارند.

Investigation of Nonparametric Models Performance for Estimating Annual Evapotranspiration Using Gamma Test in Semiarid Areas of Iran

The need for optimized exploitation of water resources has been increased due to the limited water resources and the different section´s competition. For this purpose, data of six selected synoptic stations including Mashhad, Shiraz, Tabriz, Kermanshah, Khorramabad and Urmia stations were used. Input variables consist of mean temperature (T), relative humidity (RH), sunshine hour (S) and wind speed at 2 m elevation (U2). The M test method was used to determine the length of test period. Since, both Gama index and Standard Error are closed to the axis at the end of figures, the last fiveyear results were used to test the models. According to the gamma test results, the best input parameters for Mashhad, Shiraz, Tabriz, Kermanshah, Khorramabad and Urmia are respectively (S, U2, RH), (T, U2, RH, S), (T, U2, RH, S), (T, U2, RH), (T, RH, S), (RH, S) under the combined conditions and in a same way, the lowest gamma are 0.005, 0.01, 0.001, 0.002, 0.008, 0.009. Local Linear Regression (LLR), Dynamic Local Linear Regression (DLLR), ANN (conjugate gradient) and ANN (BFGS) models were used to estimate the annual evapotranspiration. The R, MAE, RMSE, MBE, Jakouvidiez (t) and Sabagh (R2/t) criteria were used to evaluate the proposed models. The results showed that the best performance was obtained for the stations; Mashhad, Kermanshah, Tabriz and Shiraz using the best inputs, so that the correlation coefficients for neural network model conjugate gradient were 0.91, 0.98, 0.96 and 0.97, respectively. The general results showed that the nonparametric methods are able to estimate the annual ET, properly.