ارزيابي سيستم‌هاي استنتاج فازي جهت برآورد تبخير تعرق مرجع ساعتي (مطالعه موردي: منطقه فريمان)

Evaluating fuzzy inference systems for estimating hourly reference evapotranspiration (Case Study: Fariman)

با توجه به اهميت تعيين دقيق و به موقع تبخيروتعرق در برنامه ريزي هاي آبياري و با توجه به توانمندي‌هاي سيستم استنتاج فازي (FIS)، هدف از ارايه اين مقاله برآورد تبخيروتعرق مرجع ساعتي به كمك منطق فازي است. بر اين اساس پس از بررسي و تركيب‌ مدل‌هاي مختلف داده‌هاي ساعتي هواشناسي، 4 مدل فازي براي برآورد تبخيروتعرق مرجع ساعتي ارايه شد. در اين مدل ها تبخيروتعرق محاسبه شده از معادله پنمن- مانتيث- فايو به‌عنوان خروجي مدل در نظر گرفته شده و كارايي مدل‌هاي مورد مقايسه با استفاده از آماره‌هاي ريشه ميانگين مربعات خطا، خطاي انحراف ميانگين، ضريب تعيين و معيار جاكوويدز (t) و معيار صباغ و همكاران (R2/t) مورد ارزيابي قرار گرفت. دوره آماري مورد بررسي سال‌هاي 2008 و 2009 ميلادي بوده كه از 70 درصد داده‌ها براي آموزش و از 30 درصد داده ها براي تست مدل استفاده شد. نتايج مدل‌هاي فازي ارايه شده با پارامترهاي ورودي متفاوت با هر دو مدل پنمن- مانتيث- فايو (PMF56) و انجمن مهندسين عمران آمريكا (ASCE) نشان دادند كه، سيستم‌هاي فازي قادر به برآورد تبخيروتعرق مرجع ساعتي با دقت قابل قبولي هستند، به‌طوري‌كه مدل فازي با سه متغير ورودي (تابش، رطوبت نسبي و دما) در دوره آموزش و تست بهترين عملكرد را داشت. معيارهاي ارزيابي، مدل فازي با سه متغير ورودي در دوره تست براي مدل PMF56 و ASCE به‌ترتيب 04/0=RMSE، 01/0- =MBE، 98/0=R2، 5/23=t، 041/0=R2/t و 05/0=RMSE، 008/0- =MBE، 96/0=R2، 5/9=t، 1/0=R2/t به‌دست آمد. نتايج به‌دست آمده از اين پژوهش، نشان داد كه مدل فازي جهت برآورد تبخيروتعرق مرجع ساعتي با استفاده از حداقل داده‌ها و بدون نياز به محاسبات پيچيده، نتايج قابل قبولي را به‌دست مي‌دهد.

The most important component of the hydrologic cycle, which plays a key role in water resource management, crop yield simulation, and irrigation scheduling is evapotranspiration. Therefore, developing a low cost and precise model is very essential for hourly ETo calculations. Although, there are numerous empirical formulas, due to the complicated nature of the hourly evapotranspiration event, the data availability, high cost, and data gathering error, their performances are not all satisfactory. Thereafter, this paper develops an hourly ETo estimation model based on fuzzy inference system (FIS) technique. After analyzing the different models and different combinations of hourly meteorological data, hourly reference evapotranspiration calculated with four fuzzy models. Penman-Montieth-FAO56 Model considered as the comparison basis for hourly estimating reference evapotranspiration models. Comparing models was done with mean root squared error, mean deviation error, coefficient of determination, Jacovides (t) and Sabagh, et al (R2 / t) criteria. The Required data gathered from the private weather station in Fariman city. With removing missing data, 9128 hourly data extracted from two-year statistical period, 2008-2009. Meanwhile, 70 percent of the data was used for model training, and 30 percent for model testing. The results showed that, fuzzy model output is acceptable in relation to Penman-Montieth-FAO56 and ASCE models output. The fuzzy model with four inputs has the highest correlation (0.99) to reference model. The fuzzy model with two inputs: solar radiation and relative humidity, presented proper values for evaluation criteria (RMSE=0.048, MBE=-0.018, R2=0.97, t=32, and R2/t=0.0295) in training phase. Under the testing phase, results were very similar to training phase. The comparison of Fuzzy model outputs with ASCE models also indicated that fuzzy model with three inputs of radiation, relative humidity, and temperature has the highest matching value (RMSE=0.05, MBE=-0.014, R2=0.95, t=13.9 and R2/t=0.068), in the training phase, which was justified with testing results . According to this study, fuzzy model can be a proper method for estimating hourly reference evapotranspiration. While, fuzzy model is simple, accurate, and does not have complex calculations like hybrid models.