ارایه تکنیک پیش بینی غیر- نظارت شونده در برآورد تبخیر-تعرق گیاه مرجع

تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روش های مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روش ها دارای محدودیت هایی هستند. به عنوان مثال، از محدودیت های روش های اندازه گیری مستقیم می توان به عدم دقت وسایل اندازه گیری و مسائل مربوط به مقیاس اشاره کرد، در حالیکه روش های غیر مستقیم نظیر معادله پنمن-مانتیث، به پارامترهای اقلیمی روزانه زیادی نیاز دارند. در این تحقیق سعی گردید از روش نگاشت خود-سامان به عنوان یک روش شبکه عصبی مصنوعی غیر نظارت شونده در پیش بینی تبخیر-تعرق با حداقل پارامترهای هواشناسی به عنوان ورودی، استفاده گردد. براساس شاخص های ارزیابی خوشه بندی فازی، مقادیر ETo در مشهد به دو خوشه با تبخیر-تعرق کم و زیاد تقسیم شد که با اقلیم منطقه مطابقت نشان داد. همچنین به منظور ارزیابی کارایی مدل ارائه شده از معیارهای آماری شامل (ریشه میانگین مربعات خطا، ضریب تعیین ومعیار ناش-ساتکلیف) استفاده گردید و نتایج حاصله با برآوردهای حاصل از مدل های تجربی مقایسه گردید. نتایج حاصله نشان داد که حتی ساده ترین مدل نگاشت خود-سامان با ترکیب متوسط دمای هوا و حداکثر ساعات آفتابی به عنوان ورودی نیز خطای کمتری نسبت به معادلات تجربی دارد.