برآورد تبخیر و تعرق با استفاده از مدل های تجربی، مدل سازی آن با شبکه عصبی مصنوعی و مقایسه آن-ها با داده های لایسیمتری (مطالعه موردی: کشت و صنعت نیشکر سلمان فارسی)

تبخیر و تعرق یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد و دقیق ترین روش برای برآورد آن، لایسیمتر است. اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و مدل های تجربی انجام می-گیرد. این مدل ها دارای ضرایبی هستند که معرف شرایط منطقه ای است که مدل در آن منطقه، واسنجی شده است؛ لذا کاربرد این مدل ها برای هر منطقه، نیاز به بررسی دارد. امروزه شبکه های عصبی مصنوعی کاربرد بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل موثر بر وقوع یک پدیده وجود ندارد، پیدا کرده اند. هدف از پژوهش حاضر، ارزیابی مدل شبکه عصبی و مدل های تجربی در برآورد تبخیر و تعرق گیاه با استفاده از داده های هواشناسی روزانه و داده های لایسیمتری 3 ساله (فروردین 1395 تا اسفند 1397)، برای کشت و صنعت نیشکر سلمان فارسی می باشد. نتایج نشان داد که مدل شبکه عصبی مصنوعی نسبت به مدل های تجربی به کار رفته، عملکرد مناسب تری داشته و دارای RMSE، MAE و R2 به ترتیب 125/0، 24/0 و 97/0 برابر میلی متر بر روز می باشد و همچنین در بین مدل های تجربی، مدل پنمن- فایو- مانتیث با RMSE، MAE و R2 به-ترتیب 07/2، 09/3 و 91/0 برابر میلی متر بر روز در اولویت قرار دارد. همچنین برای ارزیابی دقت مدل شبکه عصبی با کاهش پارامترهای اقلیمی 10 سناریو تعریف شد. نتایج نشان داد از میان تمامی متغیرهای هواشناسی، دمای حداکثر، دمای حداقل و سرعت باد اهمیت بیش تری در برآورد تبخیر و تعرق دارند.