تخمین تبخیر و تعرق روزانه گیاه مرجع با استفاده از سیستم های هوش مصنوعی (ANN و ANFIS) و معادله های تجربی

فرآیند تبخیر و تعرق به عنوان یکی از مولفه های اصلی چرخه هیدرولوژیک دارای اهمیت فراوانی در مدیریت و توسعه منابع آب و نیز برنامه ریزی آبیاری می باشد. در مطالعه حاضر به بررسی قابلیت سیستم استنتاج عصبی – فازی تطبیقی در بهبود تخمین میزان تبخیر و تعرق روزانه گیاه مرجع (ETo) پرداخته شد. داده های اقلیمی بکار گرفته شده در این مطالعه، شامل دمای هوا، تشعشع خورشیدی، سرعت باد و رطوبت نسبی می باشد که از دو ایستگاه هواشناسی مجهز به دستگاه های اندازه گیری الکترونیکی (سالواتیرا و زامبرانا) در کشور اسپانیا اخذ گردیده و به عنوان ورودی های مدل عصبی– فازی به منظور تخمین میزان ETo بر اساس معادله پنمن- فائو- مونتیث مورد استفاده قرار گرفتند. نتایج حاصل از مدل های عصبی– فازی و شبکه عصبی مصنوعی و نیز معادله های تجربی هارگریوز-سامانی، ریتچی، مک کینگ و تورک در منطقه مقایسه شدند. حاصل تحقیق بیانگر دقت بالای مدل های عصبی- فازی با مقادیر RMSE بین 276/0 تا 437/0میلی متر در تخمین میزان تبخیر و تعرق (نیاز آبی) روزانه گیاه مرجع می باشد. مدل های شبکه عصبی مصنوعی با مقادیر RMSE بین 298/0 تا 5/12میلی متر نیز عملکرد بهتری نسبت به معادله های تجربی نشان دادند.