پيش بيني درازمدت تبخير-تعرق مرجع ماهانه دوره‌ي 2018-2027، با استفاده از مدل هاي SARIMA و شبكه عصبي GRNN (مطالعه موردي: ايستگاه سينوپتيك رشت)

سابقه و هدف: تبخير – تعرق، يك فرايند كليدي تعادل آب و همچنين يك عنصر مهم از تعادل انرژي است. بنابراين پيش بيني و تخمين تبخيرتعرق در مديريت آب زراعي، پيش بيني و نظارت بر خشكسالي و توسعه و بهره برداري از منبع هاي آبيِ موثر، مي تواند بسيار با ارزش و كاربردي باشد. هدف از اين مطالعه مدل سازي سري زماني تبخيرتعرق مرجع در ايستگاه سينوپتيك رشت توسط دو مدل SARIMA و GRNN در دوره 1956-2017، و پيش بيني آن براي سال هاي 2018-2027 مي باشد.مواد و روش ها: شهر رشت در منطقه معتدل و مرطوب شمال ايران و در نوار جنوبي درياي خزر واقع است. در اين مطالعه از روش تورنت‌وايت اصلاح شده براي برآورد ET0 استفاده شده است كه پيشتر به نقل از محققان، در برآورد نرخ تبخيرتعرق مرجعِ منطقه‌ي رشت عملكرد مطلوبي بيان كرده ست. ميزان تبخيرتعرق در سال هاي 1956-2017 برآورد شد. دو مدل براي مدل سازي و اعتبارسنجي سري‌‌زماني ET0 انتخاب گرديد. مدل SARIMA از مدل هاي استوكستيك فصلي و مدل GRNN بر پايه‌ي هوش مصنوعي استوار است. ورودي‌هاي مدل‌ها تا 3 گام زماني قبل ماهانه و سالانه‌ انتخاب شدند. ماتريس هاي وروديهدف، به دو بخش واسنجي (75%) و اعنبارسنجي (25%) تقسيم شدند. تابع ACF نشان دهنده وجود روند فصلي در سري ماهانه ET0، با دوره‌بازگشت 12 بود. با چهار مرتبه تفاضل گيري مشخص شد كه بهترين درجه تفاضل گيري مدل SARIMA در مرتبه اول مي باشد. ساير عملگرهاي SARIMA نيز، اعم از اتورگرسيو و ميانگين متحرك فصلي و غير فصلي، توسط سعي و خطا انتخاب شدند. بهينه‌سازي مدل GRNN نيز توسط سعي و خطاي پارامتر گستره انجام شد.در اين مطالعه معيارهايي همچون RMSE، NS و R براي بررسي خطا و همبستگي خروجي هاي مدل استفاده شد.نتايج و بحث: بهترين مدل از الگوي SARIMA، مدل SARIMA(0,0,1)(0,1,1)12 معرفي شد. ميزان RMSE و NS براي اين مدل به‌ترتيب برابر با 8.89 ميلي متر و 0.97 بود. مدل GRNN با اعمال كل ورودي ها بهترين نتيجه را نشان داد. مقادير RMSE و NS  در بهترين خروجي GRNN برابر با 9.22 ميلي متر و 0.96 محاسبه شد. تفاوت دو مدل در برآورد كمينه‌ها (ماه‌هاي ژانويه و فوريه) گزارش شد كه بنا برآن SARIMA عملكرد بهتري داشت. براي مقايسه‌ اين دو مدل از دياگرام تيلور نيز استفاده شد. دياگرام تيلور نشان داد دقت SARIMA نه‌تنها در ميزان خطا، بلكه در همبستگي و برآورد انحراف معيار مقادير واقعي، كمي دقيق تر از GRNN عمل نموده است. پس از صحت سنجيِ مدل ها و ارزيابيِ عملكرد مطلوبِ آن ها، بهترين مدل‌هاي مستخرج از SARIMA و GRNN، بجهت پيش‌بيني نرخ تبخيرتعرق مرجعِ 10سال آتي براي (سال هاي 2018-2027) استفاده شدند. نتيجه‌گيري: نتايج پيش‌بيني‌هاي بيان شده براي سال هاي آينده‌ي رشت، وجود روند صعوديِ شديد ET0 در سال هاي 2018-2027 را )نسبت به دوره‌ي 1956-2017( نشان داده‌است. اين موضوع افزايش سريع‌ترِ نرخ تبخيرتعرق مرجع را در سال‌هاي آتي، براي منطقه مرطوب رشت هشدار مي‌دهد. به جهت برنامه‌ريزي منابع آب سطحي و زيرزميني براي استفاده هاي كشاورزي و زراعي، اين مساله بسيار داراي اهميت بوده و هشداري بسيار جدي براي كشاورزان و مديران آب در اين منطقه خواهد بود.