تغییرات مکانی تبخیر از تشت و مقایسه آن با مدل‌های برآورد تبخیر در ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه بوعلی‌سینا

2 دانشگاه زابل

چکیده

تبخیر به عنوان پارامتری اساسی در تحقیقات کشاورزی، هیدرولوژی و حفاظت آب و خاک از اهمیت خاصی برخوردار است. در این مطالعه با استفاده از اطلاعات 61 ایستگاه هواشناسی در سطح کشور، مقادیر تبخیر ماهانه از 9 روش تجربی و نظری برآورد شد. مقایسه تبخیر برآوردی با مقادیر اندازه­گیری شده­ی تشت تبخیر کلاس A نشان داد روش ایوانف در بین روش­های مورد مطالعه هم­خوانی خوبی با داده­های اندازه­گیری شده نشان داد. تبخیر از تشت داشت. بیشترین فراوانی نسبی در روش ایوانف با پوشش حدود 56 درصد از ایستگاه­ها و کمترین آن در روش مارسیانو با پوشش 6/1 درصد ایستگاه­ها بود. بدین ترتیب، روش ایوانف دقت لازم در پیش­بینی تبخیر در نواحی مختلف ایران را دارد. به­منظور برآورد تبخیر در نقاط فاقد اندازه­گیری، پهنه­بندی تبخیر به عنوان یک اصل مهم در برنامه­ریزی­های کلان مدنظر قرار گرفت. برای پهنه­بندی از دو روش زمین آماری کریجینگ ساده و معمولی با مدل­های دایره­ای، کروی، نمایی و گوسین استفاده شد. مقادیر آماره­های میانگین مطلق خطا (MAE) و میانگین اریبی خطا (MBE) از مدل­های مختلف میان­یابی، برتری مدل دایره­ای در روش کریجینگ معمولی را نشان داد. مقادیر معیارهای فوق به ترتیب برابر 54/1 و 01/0 میلی­متر در روز به دست آمد. با پهنه­بندی تبخیر در محیط نرم­افزاری Arcview براساس مقادیر تبخیر تشت کلاس A و مقادیر حاصل از روش ایوانف در چهار دسته تبخیر، مشخص گردید هم­پوشانی مناسبی بین آن­ها برقرار است. نتایج پهنه­بندی نشان داد مقدار تبخیر واقعی در 33/99 درصد از سطح کشور بیش از 04/4 میلی­متر در روز می­باشد و همین مقدار تبخیر در 43/96 درصد از سطح کشور براساس روش ایوانف حاصل شد. در نهایت تغییرات مکانی تبخیر برآوردی از روش ایوانف با روش پهنه­بندی کریجینگ معمولی، برای کشور ایران قابل توصیه است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Spatial Variability of Pan Evaporation in Iran and its Estimation Using Several Empirical Models

نویسندگان [English]

  • H Zare Abyaneh 1
  • AR Moghaddamnia 2
  • M Bayat Varkeshi 1
  • A Gasemi 1
  • M Shadmani 1
چکیده [English]

Evaporation as a basic data has a special importance in agricultural, hydrological, meteorological and water and soil conservation researches. In this study, annual evaporation was estimated by means of 61 meteorological station information with 9 empirical and theoretical methods. Results were compared with class-A pan data. The results showed that among the tested methods, Ivanov method had the best consistency with class-A pan evaporation data. The highest relative frequency was in Ivanov method with covering about 56% of all stations and the least covering in Marciano method with 1.6 % converage.. Therefore, Ivanov method showed the needed accuracy for the predicting of evaporation at the different parts of Iran. For estimation of the evaporation at the locations without measured data, evaporation zoning as an important principle at large scheduling were considered. For zoning two methods of simple and ordinary kriging with circular, spherical, exponential and Gousian models were used. Statistical criteria as MAE and MBE showed that circular model in ordinary kriging method is better. The values of statistical criteria were 1.54 and 0.01 mmday-1, respectively. Evaporation zoning in Arcview software, based on the actual value of evaporation and value of Ivanov method at four groups of evaporation were considered that they had good overlapping. Results of evaporation zoning showed that value of evaporation in 99.33% of Iran is higher than 4.04 mmday-1 and same evaporation at 96.43% based on Ivanov method was obtained. Results showed that evaporation in local variation (Ivanov) in ordinary kriging for large area and use of large number of stations is reliable. Finally, the spatial variation of evaporation is estimation by Ivanov method with zoning to ordinary kriging method is recommended for the Iran.

کلیدواژه‌ها [English]

  • Evaporation
  • Iran
  • Ivanov
  • Kriging
  • Zoning
بانژاد ح، زارع ابیانه ح، نظری­فر ه و سبزی­پرور ع ا، 1385. بکارگیری شاخص استاندارد بارش (SPI) با روش­های زمین
 
آماری در تحلیل خشکسالی­های هواشناسی استان همدان. پژوهش کشاورزی (آب و خاک و گیاه در کشاورزی).
شماره  6  صفحه­های 61-73.
بیات ک و میرلطیفی س م، 1388. تخمین تابش کل خورشیدی با استفاده از مدل­های رگرسیونی و شبکه­های عصبی مصنوعی. مجله علوم کشاورزی و منابع طبیعی،  جلد شانزدهم، شماره سوم صفحه­های 270-280.
بی­نام، مطالعات تبخیرسنجی مخزن چاه نیمه، 1381.  مرکز مطالعات آب و محیط زیست، دانشگاه صنعتی شریف.
حبشی ه، حسینی س ح، محمدی ج و رحمانی ر، 1386. کاربرد تکنیک زمین­آمار در مطالعات خاک­های مناطق جنگلی. مجله علوم کشاورزی و منابع طبیعی،  جلد چهاردهم، شماره یکم صفحه­های  18-27.
حیدرپور ج، 1370. (ترجمه). مهندسی آب. مرکز نشر دانشگاهی تهران. چاپ اول.
خلیلی ع، 1372. مطالعات آبخیزداری حوزه طالقان. جلد دوم، هوا و اقلیم­شناسی، وزارت نیرو، سازمان آب منطقه­ای تهران.
دانش­کارآراسته پ، تجریشی م و میرلطیفی س م، 1386. بررسی اثر سرعت وزش باد بر تبخیر از سطح مخزن چاه­نیمه سیستان به روش دالتونی. فصلنامه­ی علمی پژوهشی شریف. شماره 37. صفحه­های 13-20.
دانش­کارآراسته پ، تجریشی م، میرلطیفی م و ثقفیان ب،1383. لزوم بازنگری بر مدل­های برآورد تبخیر از سطح آزاد آب در مناطق خشک د ارای اثر واحه­ای منطقه­ای: مطالعه موردی در مخزن چاه نیمه. مجله تحقیقات مهندسی کشاورزی،  شماره 5،  صفحه­های  37-58.
سعادت­خواه ن، سارنگ س ا، تجریشی م و ابریشم­چی ا، 1380. برآورد تبخیر از مخازن چاه­نیمه. آب و فاضلاب،  شماره 40، صفحه­های 32-12
شبان م، خواجه­الدین س ج و کریم­زاده ح ر، 1386. بررسی مقاومت به خشکی تعدادی از گونه­هی درختی و درختچه­ای جهت احیاء مناطق خشک و نیمه­خشک. مجله علوم و مهندسی آبخیزداری ایران،  سال اول. شماره 2.  صفحه­های  58-63.
علیزاده ا، 1383. اصول هیدرولوژی کاربردی. چاپ هفدهم.انتشارات آستان قدس رضوی.
غفاری ع، قاسمی و ر و دپائو ا، 1383. پهنه‌بندی اقلیم کشاورزی ایران با روش یونسکو. مجله خشکی و خشکسالی. شماره 12.
نوشادی م، امین س و ملکی ن، 1382. بررسی تغییرات غلظت آترازین در یک خاک رس سیلتی و واسنجی
مدل PRZM-2 مجله علوم و فنون کشاورزی و منابع طبیعی،  سال 7. شماره 1. صفحه­های 47-59.
Allexandra K and Bullock G, 1999. A comparative study of interpolation methods for mapping soil properties. Agronomy Journal 91: 2393-400.
Al-Shalan A and Salih A MA, 1987. Evapotranspiration estimation in extremely arid areas. ASCE J Irrig  Drain Eng 113: 565-574.
Brutsaert W and ParlangeMB, 1998. Hydrologic cycle explains the evaporation paradox, Nature 396: 30-31.
Burn DH and HeschNM, 2007. Trends in evaporation for the Canadian Prairies J Hydrology
336: 61– 73
Cohen S, Ianetz A.and Stanhill G, 2002. Evaporative climate changes at Bet Dagan, Israel 1964–1998, Agricultural and Forest Meteorology 111: 83–91.
Goovaerts P, 1998. Geostatistical tools for characterizing the spatial variability of microbiological and physico-chemical soil properties. Biology and Fertility of Soils 27: 315-334.
Ikebuchi S, Seki M and Ohtoh A, 1988. Evaporation from LakeBiwa. J Hydrol 102: 427-449.
Irmak S, Haman D and Jones JW, 2002. Evaluation of class A pan coefficients for estimating reference evapotranspiration in a humid location. J Irrig Drain Eng ASCE 128 (3): 153–159.
Issaks EH and Srivastava RM, 1989. An Introduction to Applied Geostatistics. OxfordUniversity Press.
Kisi O, 2006. Daily pan evaporation modeling using a neuro-fuzzy computing technique. J Hydrology 329: 636-464.
Moghaddamnia A, Ghafari Gousheh M, Piri J, Amin S and Han D, 2009. Evaporation estimation using artificial neural networks and adaptive neuro-fuzzy inference system techniques. Advances in Water Resources 32(1): 89-97.
Morton FI, 1983. Operational estimates of aerial evapotranspiration and their significance to the science and practice of hydrology. J Hydrology 66: 1-76.
Saito H, Seki K and Simunek J, 2008. Geostatistical modeling of spatial variability of water retention curves, Hydrology and Earth System Sciences Discuss 5: 2491-2522.
Sene KJ, Gash JHC and McNeil DD, 1991. Evaporation from tropical lake: comparison of theory with direct measurements. J Hydrology 127: 193-217.
Slavov N and Moteva M, 2004. Relation between the reference evapotranspiration and the measured evaporation from open water surface in Bulgaria. “BALVOIS 2004”. Ohrid Macedonia CD v.
Tanny J, Cohen S, Assouline S, Lange F, Grava A, Berger D, Teltch B and Parlange MB, 2008. Evaporation from a small water reservoir: Direct measurements and estimates. J Hydrology 351: 218– 229.
Vanzyl WH, De Jager JM and Maree CJ, 1989. The relationship between daylight evaporation from short vegetation and the USWB Class A pan. Agricultural and Forest Meteorology 46: 107-118.
Wackernagel H, 2003. Multivariate geostatistics: An introduction with applications. Springer, BerlinHeidelberg and New York.
Wyndham JR and Stall JB, 1967. LakeEvaporation in Illinois. Report of investiogation 57, State of Illinois, Department of Registration and Education.
Xu CY and Singh VP, 2000. Evaluation and generalization of radiation-based methods for calculating evaporation, Hydrological Processes 14: 339-349.