ارزیابی عملکرد مدل WRF در پیش بینی تبخیر و تعرق گیاه برنج بر اساس داده های لایسیمتری در جلگه مرکزی گیلان

تبخیر و تعرق به عنوان یکی از مولفه های اصلی چرخه هیدرولوژی، نقش قابل توجهی در برنامه ریزی صحیح آبیاری و مدیریت منابع آب دارد. بنابراین برآورد دقیق این پارامتر ضروری است. به دلیل فقدان داده و کمبود ایستگاه های هواشناسی، تخمین تبخیر و تعرق با محدودیت روبه رو است. بنابراین امروزه مدل های عددی مانند WRF ابزاری قدرتمندی برای تولید و پیش بینی کمیت های هواشناسی (سرعت باد، رطوبت و غیره) مورد نیاز برای تخمین تبخیر و تعرق به حساب می آیند. تاکنون تحقیقی در زمینه ی بررسی تاثیر طرحواره های مختلف مدل WRF بر روی تخمین تبخیر و تعرق برنج انجام نشده است. هدف این مطالعه ارزیابی کارایی مدل WRF و به دست آوردن تنظیمات بهینه برای تخمین تبخیر و تعرق گیاه برنج در جلگه مرکزی گیلان می باشد. 

مقادیر واقعی تبخیر و تعرق با نصب یک لایسیمتر شالیزاری در یکی از مزارع پژوهشی موسسه تحقیقات برنج کشور به ابعاد 150 در 100 متر (5/1هکتار) با مختصات منطقه 37 درجه شمالی و 49 درجه شرقی و ارتفاع 24 متر از سطح دریا اندازه گیری شد. FAO روش پنمن- مانتیث را به عنوان بهترین روش برای تخمین ETo برای انواع اقلیم ها توصیه کرده است. برای برآورد ETo به روش پنمن- مانتیث نیاز به کمیت های آب و هوایی است که این کمیت ها از خروجی مدل WRF حاصل شد. از آنجا که این کمیت ها تاثیر بسزایی در برآورد تبخیر و تعرق دارند، چهار پیکربندی مختلف با استفاده از فیزیک تابش طول موج کوتاه و بلند، لایه سطحی و لایه مرزی برای مدل WRF انتخاب و مورد آزمایش قرار گرفتند. در مرحله بعد، مقادیر اندازه گیری شده تبخیر و تعرق توسط لایسیمتر با مقادیر برآورده شده از خروجی های مدل (با به کارگیری 4 طرحواره های مختلف محلی و غیر محلی) مقایسه و تنظیمات بهینه مدل برای تخمین میزان تبخیر و تعرق مشخص شد. 

مقادیر تبخیر و تعرق در بازه ی 7/2 تا 5/8 میلی متر در روز در تغییر است. میانگین ET در طی سه دوره ی مختلف رشد گیاه شامل دوره ی ابتدایی، میانی و انتهایی به ترتیب برابر 63/4، 97/5 و 98/5 میلی متر در روز برآورد شده است. سه پیکربندی 1، 2 و 4 عمدتا در پیش بینی تبخیر و تعرق گیاه برنج، بیش برآورد داشته و مقادیر محاسباتی بیشتر از مقدار اندازه گیری شده توسط لایسیمتر تخمین زده شده است. نتایج نشان می دهد که بیشترین میزان RMSE در پیکربندی شماره 4 و به میزان 47/8 و کمترین میزان آن در پیکربندی شماره 3 و به میزان 26/1 رخ داده است. جمع بندی نتایج نشان می دهد که پیکربندی شماره 3 در هر چهار معیار ذکر شده در مقایسه با دیگر پیکربندی ها در پیش بینی تبخیر و تعرق روزانه گیاه برنج بهتر عمل کرده است. نتایج نشان داد که طرحواره ی غیر محلی بکار گرفته شده در مدل نسبت به طرحواره های محلی، تبخیر و تعرق روزانه گیاه برنج را بهتر شبیه سازی می کند. یافته ها نشان می دهد که در طرحواره محلی YSU، دقت پیش بینی ها به طور قابل توجهی افزایش یافته و تنها به میزان 64/0 میلی متر به طور متوسط نسبت به داده های لایسیمتری کمتر برآورد شده است. 

نتایج نشان داد کاربرد طرحواره مناسب در لایه سطحی و لایه مرزی مدل WRF بر دقت پیش بینی های تبخیر و تعرق تاثیر دارد. نتایج این تحقیق نشان داد که این مدل با کاربرد طرحواره ی لایه مرزی غیر محلی YSU قادر است که مقادیر تبخیر و تعرق گیاه برنج را با دقت قابل قبولی برای یک روز بعد پیش بینی کند که دلیل آن قابلیت بالاتر این طرحواره در پیش بینی پارامترهای موثر بر تبخیر و تعرق (از جمله دما و باد) است. بنابراین مدل WRF می تواند با استفاده از داده های پیش بینی GFS برای چند روز آینده اجرا و با اعمال معادله ی فایو- پنمن- مانتیث بر خروجی های مدل، مقادیر تبخیر و تعرق پتانسیل برای مناطق مختلف کشور محاسبه گردد. از آنجایی که تبخیر و تعرق در ارتباط مستقیم با فرآیندهای ترمودینامیکی جو است، کاربرد دیگر طرحواره های مختلف فیزیک جو (که در این تحقیق مد نظر نبوده است) می تواند نتایج متفاوتی تولید کند.