مرکز منطقه ای اطلاع رساني علوم و فناوري - تخمين تبخيروتعرق مرجع روزانه به كمك مدل يادگيري عميق، جنگل تصادفي و درخت تصميم (مطالعه موردي: دشت سيستان)

چكيده فارسي :

در شرايط كمبود آب، مديريت منابع آبي و استفاده كارآمد از آب موجود براي توليد پايدار محصولات مورد نياز در نواحي خشك و نيمه خشك امري ضروريست. در اين بين، تبخيرتعرق نقش بسيار مهمي دارد كه يكي از اجزاي اصلي چرخه هيدرولوژيكي بوده و تخمين درستي از آن در موفقيت پروژه‌هاي آبي و توليد پايدار تاثير بسزايي خواهد داشت. تعيين دقيق نياز آبي گياهان زراعي و باغي راندمان آبياري را افزايش و در نتيجه مديريت آب در مزرعه را بهبود خواهد داد. براي برآورد دقيقي از نياز آبي گياه، لازم است تا تبخيرتعرق گياه مرجع، بدرستي محاسبه گردد. در طي چند سال، استفاده از ابزارها و مدل‌هاي يادگيري و روش‌هاي نوين هوشمند، براي برآورد تبخيرتعرق گياه مرجع، به طور گسترده‌ رو به رشد بوده است. بنابراين، لازم است تا درستي اين مدل‌ها و روش‌ها براي مناطق مختلف بررسي شود. منطقه سيستان يكي از مناطق حاصلخيز كشور است كه متاسفانه ساليان متمادي است، پديده خشكسالي، كشاورزي پررونق در اين منطقه را بي‌رمق كرده است. لذا، هرگونه بي‌توجهي به مقوله آب در اين منطقه مي‌تواند خسارت سنگيني براي آن محسوب شود. در اين تحقيـق، پارامترهاي اقليمي موثر در محاسبه تبخيرتعرق مرجـع روزانـه در دشت سيستان شناسـايي و توسط سناريوهاي مختلف (از M1 تا M25) از تركيب پارامترهاي هواشناسي (از ايستگاه‌هاي مختلف هواشناسي شهرستان زابل بين سال‌هاي 2009-2018 تامين شد) بـه عنوان ورودي مـدل‌هاي درخت تصميم، جنگل تصادفي و يادگيري عميق، بررسي گرديد و بهترين الگو توسط مدل استخراج شد. سپس ميزان دقت حاصل از نتايج اين مدل‌ها، با روش تجربي پنمن مانتيث فائو، به عنوان روش مبنا مقايسه گرديد. اين نتايج نشان دادند كه سناريوي M10 با بيشترين ضريب همبستگي(983/0R=) و كمترين خطا (003/1RMSE=) به عنوان بهترين الگو در مدل درخت تصميم مي‌باشد. در مدل جنگل تصادفي، باز هم برترين سناريو الگوي M10 با 003/1RMSE= ، 8/0MAE= و 981/0 R=به عنوان الگوي برتر شناخته شد و همچنين در مدل يادگيري عميق الگوي M5 با 517/0RMSE= ، 399/0 MAE=و 996/0RMSE= به عنوان بهترين الگوي در مدل يادگيري عميق در منطقه مورد مطالعه برگزيده شد. به منظور بررسي اهميت پارامترهاي مختلف هواشناسي در نتايج مدل‌هاي مذكور، از بين تمامي ‌پارامترهاي مدل درخت تصميم، بترتيب دماي ميانگين، تندي باد، دماي بيشينه و دماي حداقل و در مدل جنگل تصادفي پارامترهاي موثر به ترتيب دماي حداكثر، تندي باد، دماي ميانگين و تبخير از تشت و در مدل يادگيري عميق، به ترتيب دماي ميانگين، دماي بيشينه، تندي باد و رطوبت حداقل بيشترين تاثير و اهميت را در مقدار تبخيرتعرق روزانه دارند. به عنوان نتيجه‌گيري كلي مي‌توان گفت كه مدل يادگيري عميق به عنوان بهترين مدل در بين مدل‌هاي انتخابي مي‌باشد و همچنين سناريوي M5 در مدل يادگيري عميق از دقت بالاتري (996/0R= و 517/0RMSE=) براي مدل‌سازي تبخيرتعرق پتانسيل مرجع برخوردار است.