ارزيابي مدل هاي سري زماني خطي و غير خطي بي لينيير در پيش بيني تبخير- تعرق گياه مرجع در ايستگاه سينوپتيك اروميه

پيش بيني تبخير-تعرق گياه مرجع يكي از مهمترين عناصر در بهينه سازي مصرف آب كشاورزي است. يكي از روش هاي پيش بيني مقادير تبخير-تعرق گياه مرجع استفاده از مدل هاي استوكاستيك سري زماني است. در اين پژوهش مدل هاي خطي AR(p) و ARMA(p,q) به همراه مدل غير خطي بي لينيير در پيش بيني مقادير ماهانه تبخير-تعرق گياه مرجع در ايستگاه سينوپتيك اروميه مورد مقايسه قرار گرفت. براي انجام پژوهش، مقادير ماهانه تبخير-تعرق گياه مرجع از سال 1350 تا 1389 محاسبه شده و داده هاي ياد شده در طول سال هاي 1350-1384 و 1385-1389 به ترتيب براي واسنجي و صحت سنجي مدل ها بكار گرفته شد. در مرحله بعد، مدل خطي مناسب انتخاب شد و سپس نتايج اين مدل و نتايج مدل غير خطي بي لينيير با مقادير استاندارد فايو-پنمن-مونتيث مورد مقايسه قرار گرفت. نتايج نشان داد مدل سري زماني AR(11) نتايج بهتري در مقايسه با مدل هاي خطي ديگر داشت. مقايسه نتايج مدلAR(11) و نتايج مدل BL(11,0,1,1) نسبت به مقادير ماهانه فايو-پنمن-مونتيث نيز نشان داد كه ريشه ميانگين مربعات خطا (RMSE) و درصد خطاي نسبي (VE) در مدل AR(11) به ترتيب 85/1 ميلي متر و 8/3 درصد و در مدل BL(11,0,1,1) نيز به ترتيب 76/1 ميلي متر و 6/3 درصد است. بنابراين، مدل غير خطي بي لينيير توانايي بيشتري در مدل سازي و پيش بيني مقادير ماهانه تبخير-تعرق گياه مرجع در مقايسه با مدل خطي داشت. در مرحله بعد مقادير ماهانه تبخير-تعرق گياه مرجع براي پنج سال آينده با استفاده از مدل غيرخطي بي لينيير پيش بيني گرديد.

Reference crop evapotranspiration (ETo) prediction is one of the important elements in optimizing agricultural water consumption. In this regard, one of the prediction approaches is to use the stochastic time series methods. In this research, AR (p) and ARMA(p,q) linear models and Bilinear nonlinear model were compared in predicting the monthly values of ETo in Urmia synoptic station. To conduct the present research, the monthly values of ETo from 1971 to 2010 were calculated and data between 1971-2005 and 2006-2010 were used for models calibration and validation, respectively. In the next step, the suitable linear model was selected and the results of this model and Bilinear nonlinear model were compared with the values of FAO Penman-Monteith method. The results showed that the AR(11) time series model had better results than the other linear models. The comparison of the results of AR(11) model and BL(11,0,1,1) model with the monthly values of the ETo using FAO Penman-Monteith method showed that the value of root mean square error (RMSE) and relative error (VE) in AR(11) model were 1.85 mm and 3.8 %, respectively, and in BL(11,0,1,1) model, they were 1.76 mm and 3.6 %, respectively. Therefore, Bilinear nonlinear model had more capability in modeling and predicting of the monthly values of ETo values in comparing with linear models. In the next step, the monthly values of ETo for five future years were predicted by using the Bilinear nonlinear model.