تاثیر پارامترهای هواشناسی و تصاویر ماهواره ای در تخمین تبخیرتعرق مرجع روزانه با استفاده از مدل جنگل تصادفی بهینه شده با الگوریتم ژنتیک

تخمین دقیق تبخیر و تعرق مرجع (ET0) برای مدیریت کارآمد آب کشاورزی، مدل سازی محصول و برنامه ریزی آبیاری بسیار مهم است. این مطالعه با هدف تعیین ET0 در زمین های زراعی تبریز برای سال های 1381-1400، با استفاده از داده های دمای سطح زمین (LST) و شاخص سطح برگ (LAI) از سنجده MODIS و داده های ایستگاه هواشناسی تبریز شامل دمای هوای حداکثر و حداقل (Tmax,Tmin)، دمای میانگین (T)، سرعت باد در ارتفاع دو متری (U2)، رطوبت نسبی میانگین (RH)، رطوبت نسبی حداکثر و حداقل (RHmax, RHmin) و ساعات آفتابی (n) انجام گرفته است. روش استاندارد فایو-پنمن-مونتیث برای محاسبه تبخیر و تعرق مرجع روزانه به عنوان روش مبنا مورد نظر قرار گرفته شد. مجموعه پارامترهای ورودی مدل، براساس همبستگی متقابل پارامترها با تبخیر و تعرق مرجع بدست آمده از معادله فایو-پنمن-مونتیث تقسیم بندی شدند. دو مدل داده محور شامل مدل جنگل تصادفی (RF) و مدل جنگل تصادفی بهینه شده با الگوریتم ژنتیک (GA-RF) برای تخمین مقادیر ET0 در نظر گرفته شد و نتایج آنها با ET0 محاسبه شده توسط معادله فایو-پنمن-مونتیث مقایسه گردید. نتایج نشان داد که مدل GA-RF-10 (976/0=R2 ، 200/0=RMSE ، 373/11=MAPE و 027/0=MBE) که شامل همه پارامترهای ورودی است، بهترین عملکرد را در بین سایر مدل ها داشته است. براساس نتایج، دمای هوای میانگین بیشترین (903/0=R2) و سرعت باد (282/0=R2) کمترین همبستگی را با ET0 دارند. همچنین، در همه حالت های مورد بررسی، مدل GA-RF نسبت به مدل RF عملکرد بهتری داشت. بنابراین، مدل GA-RF برای تعیین دقیق و مناسب ET0 در شرایط اقلیمی مشابه و کمبود پارامترهای هواشناسی توصیه می گردد.