عنوان

مدل بندی تبخیر-تعرق پتانسیل با استفاده از پارامترهای محدود هواشناسی (مطالعه موردی: حوضه دریاچه ارومیه)

پ۲۴۴۷۴

per

مدل بندی تبخیر-تعرق پتانسیل با استفاده از پارامترهای محدود هواشناسی (مطالعه موردی: حوضه دریاچه ارومیه)

لیلا موسوی جهانی

برنامه ریزی و علوم محیطی

۱۳۹۹

۷۵ص.

سی دی

کارشناسی ارشد

آب و هواشناسی گرایش: محیطی

۱۳۹۹/۰۶/۲۳

یکی از مدل‌های تخمین ET0 که مورد قبول همه‌ی هیدرولوژیست‌ها و اقلیم شناسان می‌باشد، مدل فائو پنمن‌ـ‌‌‌‌ مانتیس‌ (FAO56PM) است. این مدل، علیرغم تخمین دقیق ET0 در اقلیم‌های مختلف، محدودیت‌هایی دارد. از جمله این محدودیت‌ها نیاز به داده‌های متنوع هواشناسی از جمله تابش آفتاب، ساعات آفتابی، دمای هوا، رطوبت نسبی، دمای نقطه شبنم، سرعت باد و فشار بخار واقعی است. متاسفانه همه¬ی این پارامترهای در جمیع موارد در دسترس نیستند. بنابراین، هدف اصلی این مطالعه یافتن روشی ساده جهت تخمین ET0 با داده‌های کم هواشناسی و دقت کافی در حوضه¬ی دریاچه¬ی ارومیه می¬باشد. برای این کار از مدل‌های هارگریوز (HG)، کیمبرلی پنمن (KPM)، پریستلی تایلور (PT)، تورک (TURK)، بورس و پورت (BP) و بلانی¬کریدل (BC) و مدل‌های رگرسیونی خطی و غیرخطی استفاده شد. ارزیابی مدل‌ها با سه معیار ضریب تعیین (R2)، جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) به انجام رسید. نتایج نشان داد که میانه مقادیر R2 مدل کیمبرلی- پنمن بیش از 986/0 به دست آمده است. در حالی که این رقم برای مدل¬ PT 902/0 و مدل¬های بلانی کریدل و تورک 9/0 به دست آمده است. میانه‌¬ مقادیر R2 برای مدل¬¬های بورس و پورت و هارگریوز به ترتیب معادل 75/0 و4/0 به¬دست آمد. در مدل HGمیانه مقادیر RMSE حدود 9/0 (میلیمتر بر روز) بود این رقم برای مدل¬های KPM و TURK به¬ترتیب، حدود 3/1 و 2 (میلیمتر بر روز) بود. این رقم برای مدل¬هایPT وBC و BP به ترتیب، حدود 1/ 2 و20/2 و 5/3 (میلیمتر بر روز) بود. میانه آماره MAE ایستگاه¬های منتخب، برای مدل HG حدود 7/0 (میلی¬متر بر روز) و برای مدل¬های KPMو TURK از 1 (میلی¬متر بر روز) نیز کمتر بود. و برای مدل PT بیشتر از 5/1 (میلی¬متر بر روز) بود. این رقم در مورد مدل BC حدود 9/1 (میلی¬متر بر روز) و برای مدل BP حدود 5/2(میلی¬متر بر روز) بود. بنابراین، با توجه به معیار MAE نیز مدل HGمناسب¬تر از پنج مدل دیگر تشخیص داده شد. مدل رگرسیون خطی به جز تک پارامتری دارای R2 بیش از 84/0 می باشد. در بین تمامی مدل ¬های رگرسیون خطی، مدل با 5 متغیر (, Wind, T_min، T_max، n، RH ) دارای میانه مقادیر R2 معادل 85/0 در بین سایر مدل¬ها مناسب¬تر و دقیق¬تر می¬باشد.

One of the estimation models that is accepted by all hydrologists and climatologists is the FAO Penman-Mantis model (FAO56PM). This model has limitations despite the accurate estimation of in different climates. These limitations are such as the requirement for a variety of meteorological data including sunlight, sunshine hours, air temperature, relative humidity, dew point temperature, wind speed, and actual steam pressure. Unfortunately, not all of these parameters are available in all cases. Therefore, this study is an attempt to find a simple way to estimate with low meteorological data and sufficient accuracy in the Urmia Lake basin. Hargreaves (HG), Kimberly Penman (KPM), Priestley Taylor (PT), TURK, Bourse and Port (BP) and Blanie Cridel (BC) models and linear and nonlinear regression models were used for this purpose. The models were evaluated with three criteria: coefficient of determination (R2), root mean square error (RMSE) and mean absolute error (MAE). The results showed that the median of R2 values of Kimberly-Penman model was more than 0.986. While this figure is 0.902 for PT model and 0.9 for Blanche Cridel and Turk models. The median values of R2 for the Bourse, port, and Hargreaves models were 0.75 and 0.4, respectively. In the HG model, the median of the RMSE values were about 0.9 (mm / day). This figure was about 1.3 and 2 (mm / day) for the KPM and TURK models, respectively. This figure was about 1.2, 2.20 and 3.5 (mm / day) for PT, BC and BP models, as well. The mean MAE of selected stations was about 0.7 (mm / day) for the HG model and less than 1 (mm / day) for the KPM and TURK models. And for the PT model it was more than 1.5 (mm per day). This figure was about 1.9 (mm / day) for the BC model and about 2.5 (mm / day) for the BP model. Therefore, according to the MAE criterion, the HG model was found to be more appropriate than the other five models. The linear regression model, except for one parameter, has R2 more than 0.84. Among all linear regression models, the model with 5 variables (Wind, T_min, T_max, n, RH) with a median of R2 values equal to 0.85 is more appropriate and accurate among other models.

Modeling of Potential Evapotranspiration Using the Minimum Meteorological Parameters (Case study: Lake Urmia Basin)

موسوی جهانی‏

‏ لیلا

تهيه کننده

‏جهانبخش اصل

‏دین پژوه

‏ سعید

‏ یعقوب

استاد راهنما

استاد مشاور

‏ تبریز