کاربرد مدل‌های تجربی و جنگل تصادفی در تعیین تبخیر- تعرق مرجع نواحی مرطوب

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی عمران-محیط زیست، دانشکده فنی مهندسی عمران، دانشگاه تبریز

2 دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تبریز

3 دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

چکیده

تخمین دقیق تبخیر-تعرق مرجع یکی از مسائل مهم در مهندسی کشاورزی،  برنامه­ریزی آبیاری، مدیریت منابع آب و غیره می­باشد. امروزه مدل فیزیکی فائو-پنمن- مانتیث به­عنوان یک مدل استاندارد برای تعیین تبخیر-تعرق مرجع (ET0) و نیز واسنجی سایر مدل­ها بکار گرفته می­شود. با این وجود، نیاز به طیف وسیعی از داده­های هیدروکلیماتولوژی، کاربرد این مدل را بویژه در مناطق فاقد داده­های هواشناسی کافی محدود می­سازد. تحقیق حاضر به بررسی و تحلیل مدل­های دما پایه و تابش پایه در تعیین ET0 در مناطق مرطوب پرداخته و در ادامه، مدل جنگل تصادفی نیز با متغیر­های ورودی مشابه مورد استفاده قرار گرفته است. نتایج حاصل از این تحقیق نشان داد که مدل جنگل تصادفی نسبت به مدل­های تجربی واسنجی نشده و واسنجی شده با متغیر­های ورودی مشابه دقت بیشتری با میانگین قدر مطلق خطای برابر با ۴/۰ میلی­متر بر روز و شاخص پراکندگی ۰۰۸/۰ ارائه داد. همچنین واسنجی مدل­های تجربی در برخی موارد نه تنها در بهبود دقت مدل­ها مؤثر واقع نشده بلکه سبب کاهش دقت مدل های تجربی نیز شد.

کلیدواژه‌ها

عنوان مقاله [English]

Application of empirical and random forest models in estimating reference evapotranspiration of humid regions

نویسندگان [English]

  • Naser Shiri 1
  • Mohammad Hossein Kazemi 2
  • Jalal Shiri 3
1 M.Sc student of Civil Environmental Engineering, Faculty of Civil Eng., Univ. of Tabriz, Tabriz, Iran
2 M.Sc student of Irrigation and Drainage, Faculty of Agric., Univ. of Tabriz, Tabriz, Iran
3 Assoc. Prof. Water Engineering Dept., Faculty of Agric., Univ. of Tabriz, Tabriz, Iran
چکیده [English]

Accurate estimation of reference evapotranspiration (ETo) is an important issue in agricultural engineering, irrigation scheduling, water resources management, etc. Nowadays, the physics-based Penman-FAO-Monteith model is a standard model of ETo determining as well as calibrating other ETo equations. However, the need for large amount of hydro climatologic data has limited its application, especially in regions without sufficient necessary weather data. The present study aimed at assessing the performance accuracy of empirical temperature/radiation- based ETo models in humid regions and comparing the results with random forest (RF)-based models that used the same input variables of the applied empirical equations. The obtained results showed that the Random forest models gave the most accurate results when compared to the commonly used original and calibrated empirical equations (with similar input variables) with global MAE and SI values of 0.4 and 0.008. Nonetheless, the calibration procedure could not improve the performance accuracy of the equations in some cases.

کلیدواژه‌ها [English]

  • Application of Empirical and Random Forest Models for Estimating Reference Evapotranspiration of Humid Regions

مراجع

Allen, RG, Pereira LS, Raes D and Smith M, 1998. Crop evapotranspiration. Guide lines for computing crop evapotranspiration. FAO Irrigation and Drainage Paper no. 56, Rome, Italy.
Breiman L, 2001. Random Forests. Machine Learning, 45(1): 5–32.
Breiman L, Friedman JH, Olshen RA and Stone CJ, 1984. Classification and Regression Trees. Chapman & Hall/CRC, New York.
Droogers P and Allen RG, 2002. Estimating reference evapotranspiration under inaccurate data conditions. Irrigation and Drainage Systems 16(1): 33-45.
Hargreaves GH and Samani, ZA, 1985. Reference crop evapotranspiration from temperature. Applied Engineering Agriculture 1(2): 96-99.
Irmak S, Allen RG and Whitty EB, 2003. Daily grass and alfalfa-reference evapotranspiration estimates and alfalfa-to-grass evapotranspiration ratios in Florida. Journal of Irrigation and Drainage Engineering 129(5): 360-370.
Karimi S, 2019. Estimation of leaf area index using climatic data. Ph.D thesis, University of Tabriz, Tabriz, Iran.
Karimi S, Shiri J and Nazemi AH, 2013. Estimating daily reference crop evapotranspiration using artificial intelligences-based ANFIS and ANN techniques and empirical models. Soil and Water Science (University of Tabriz) 23(2): 139-158.
Landeras G, Ortiz-Barredo A and Lopez JJ, 2008. Comparison of artificial neural network models and empirical and semi-empirical equations for daily reference evapotranspiration estimation in the Basque Country (Northern Spain). Agricultural Water Management 95: 553-565.
Penman HC, 1948. Natural evaporation from open water, bare soil and grass. Proceeding of the Royal Society, London Series A, 193: 120–145.
Priestley CHB and Taylor RJ, 1972. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Reviews 100(2): 81-92.
Shiri J, 2014. Estimating reference evapotranspiration with climatic data: Comparison of empirical and artificial intelligence methods. Ph.D thesis, University of Tabriz, Tabriz, Iran.
Shiri J, Nazemi AH, Sadraddini AA, Landeras G, Kisi O, Fakheri Fard A and Marti P, 2014a.  Comparison of heuristic and empirical approaches for estimating reference evapotranspiration from limited inputs in Iran. Computers and Electronics in Agriculture 108: 230-241.
Shiri J, Sadraddini AA, Nazemi AH, Kisi O, Landeras G, Fakheri Fard A and Marti P, 2014b. Generalizability of gene expression programming-based approaches for estimating daily reference evapotranspiration in coastal stations of Iran. Journal of Hydrology 508: 1-11.
Shiri J, Dinpashoh Y, Sadraddini AA and Nazemi AH, 2016. Estimating daily alfalfa to grass reference evapotranspiration ratios and determining the aerodynamic and energy balance components contribution in evapotranspiration (Case study: East Azerbaijan Province). Soil and Water Science (University of Tabriz) 26(1/4): 25-37. 
 Turc L, 1961. Evaluation des besoins en eau d'irrigation evapotranspiration potentielle. Annals of Agronomy 12(1): 13-49.
 
 
دانش آب و خاک
دوره 31، شماره 2
تیر 1400
صفحه 1-11

فایل ها

هم رسانی

ارجاع به این مقاله

آمار