برآورد تبخیر و تعرق مرجع روزانه در مناطق مرطوب با استفاده از روش های داده محور رگرسیون فرآیند گاوسی، رگرسیون بردار پشتیبان و جنگل تصادفی

تخمین دقیق تبخیر و تعرق گیاه مرجع در برنامه ریزی های آبیاری اهمیت ویژه ای دارد. همچنین، عدم دسترسی به داده های لایسیمتری باعث شده است پژوهش گران به استفاده از روش های غیرمستقیم از جمله روش های داده محور روی آورند. در پژوهش حاضر، توانایی روش های داده محور رگرسیون فرآیند گاوسی (GPR)، رگرسیون بردار پشتیبان (SVR) و جنگل تصادفی (RF) در تخمین تبخیر و تعرق گیاه مرجع موردبررسی قرار گرفت. بدین منظور، داده های هواشناسی دمای میانگین، سرعت باد، رطوبت نسبی و ساعات آفتابی در بازه زمانی 97-1392 در نه ایستگاه شمالی کشور از جمله آستارا، بندر انزلی، رشت، رامسر، نوشهر، ساری، بندر ترکمن، گرگان، گنبدکاووس جمع آوری شد. تبخیر و تعرق محاسبه شده با استفاده از روش فایو-پنمن-مونتیث به عنوان خروجی های هدف در نظر گرفته شده و چهار سناریو ترکیبی از پارامترهای هواشناسی برای واسنجی و صحت سنجی روش های موردمطالعه، مدنظر قرار گرفتند. دقت روش های مذکور با استفاده از پارامتر های آماری ضریب همبستگی، شاخص پراکندگی و ضریب ویلموت مورد مقایسه قرار گرفت. نتایج نشان داد که مدلGPR4  با شاخص پراکندگی در محدوده 132/0 تا 179/0 در ایستگاه های آستارا، بندر انزلی، رشت، رامسر، نوشهر و ساری، مدلSVR4   با شاخص پراکندگی 116/0 تا 120/0 در ایستگاه های بندر ترکمن و گنبدکاووس و روش هارگریوز-سامانی با شاخص پراکندگی 509/0 در ایستگاه گرگان برآوردهای به مراتب دقیق تری از تبخیر و تعرق گیاه مرجع داشته اند.