تخمين تبخير و تعرق روزانه گياه مرجع با استفاده از سيستم هاي هوش مصنوعي (ANN و ANFIS) و معادله هاي تجربي

Estimating Daily Reference Crop Evapotranspiration Using ArtificialIntelligences-Based ANFIS and ANN Techniques and Empirical Models

فرآيند تبخير و تعرق به عنوان يكي از مولفه هاي اصلي چرخه هيدرولوژيك داراي اهميت فراواني در مديريت و توسعه منابع آب و نيز برنامه ريزي آبياري مي باشد. در مطالعه حاضر به بررسي قابليت سيستم استنتاج عصبي – فازي تطبيقي در بهبود تخمين ميزان تبخير و تعرق روزانه گياه مرجع (ETo) پرداخته شد. داده هاي اقليمي بكار گرفته شده در اين مطالعه، شامل دماي هوا، تشعشع خورشيدي، سرعت باد و رطوبت نسبي مي باشد كه از دو ايستگاه هواشناسي مجهز به دستگاه هاي اندازه گيري الكترونيكي (سالواتيرا و زامبرانا) در كشور اسپانيا اخذ گرديده و به عنوان ورودي هاي مدل عصبي– فازي به منظور تخمين ميزان ETo بر اساس معادله پنمن- فايو- مونتيث مورد استفاده قرار گرفتند. نتايج حاصل از مدل هاي عصبي– فازي و شبكه عصبي مصنوعي و نيز معادله هاي تجربي هارگريوز-ساماني، ريتچي، مك كينگ و تورك در منطقه مقايسه شدند. حاصل تحقيق بيانگر دقت بالاي مدل هاي عصبي- فازي با مقادير RMSE بين 276/0 تا 437/0ميلي متر در تخمين ميزان تبخير و تعرق (نياز آبي) روزانه گياه مرجع مي باشد. مدل هاي شبكه عصبي مصنوعي با مقادير RMSE بين 298/0 تا 5/12ميلي متر نيز عملكرد بهتري نسبت به معادله هاي تجربي نشان دادند.

Evapotranspiration, as a major component of the hydrologic cycle, is important in water resources development and irrigation planning. This paper aimed at investigating the abilities of Adaptive Neuro-Fuzzy Inference System (ANFIS) to estimate daily reference evapotranspiration (ET0). The daily climatic variables such as air temperature, relative humidity, wind speed and solar radiation from two weather stations (Salvatierra and Zambrana) in Spain equipped with electronic sensors for collecting of climatic data, were used as inputs to the Neuro-Fuzzy model to estimate ET0. Comparisons were made among the estimates provided by the ANFIS, Artificial Neural Networks (ANNs) and following the empirical models: Hagreaves – Samani, Ritchie, Makkink and Turc. The comparisons revealed that the ANFIS models (with RMSE between 0.276-0.437 mm) could be employed successfully in modeling evapotranspiration process. The ANNs (with RMSE between 0.298-12.5 mm) were also found to perform better than the empirical models in this regard.