عنوان

ارزیابی راهبرد ترکیب مدل‌های تجربی و درخت گرادیان تقویتی در پیش‌بینی تبخیرتعرق مرجع

پ۲۷۱۰۲

per

ارزیابی راهبرد ترکیب مدل‌های تجربی و درخت گرادیان تقویتی در پیش‌بینی تبخیرتعرق مرجع

فاطمه میکائیلی خرم آباد

کشاورزی

۱۴۰۱

۸۰ص.

سی دی

کارشناسی ارشد

علوم و مهندسی آب- گرایش آبیاری و زهکشی

۱۴۰۱/۰۶/۲۰

تبخیرتعرق مرجع یکی از مهم‌ترین و مؤثرترین مؤلفه‌ها در بهینه‌سازي مصرف آب کشاورزي و مدیریت منابع آب می‌باشد. با توجه به این‌که بیشترین مقدار بارش دریافتی توسط سطح زمین از طریق فرآیند تبخیرتعرق به اتمسفر بازگشت داده می‌شود و همچنین تبخیرتعرق یکی از موثرترین مولفه‌ها در بررسی وضعیت بیلان آبی است، لذا در پژوهش حاضر سعی شد تا با استفاده از روش‌های تجربی و روش درخت گرادیان تقویتی، مقادیر تبخیرتعرق مرجع با دقت قابل قبولی برآورد گردد. در این راستا، توانایی سه مدل داده‌محور شامل مدل درختی M5P، جنگل تصادفی، درخت گرادیان تقویتی و همچنین مدل‌های تجربی از سه شاخه مبتنی بر دما (هارگریوز- سامانی)، مبتنی بر تابش (تورک) و مبتنی بر انتقال جرم (آلبرچت) در تخمین تبخیرتعرق مرجع روزانه در دو حالت منفرد و ترکیبی مورد ارزیابی قرار گرفت. مدل فائو- پنمن- مونتیث هم به‌عنوان روشی مبنا برای محاسبه مقادیر تبخیرتعرق مرجع روزانه استفاده شد. برای این منظور از داده‌های هواشناسی روزانه پنج ایستگاه هواشناسی در استان کرمان به مدت 21 سال (2020- 2000) استفاده گردید. این داده‌ها در مقیاس روزانه شامل دمای میانگین، دمای کمینه، دمای بیشینه، دمای نقطه شبنم، رطوبت نسبی، ساعات آفتابی، سرعت باد و تابش خورشیدی بودند. یک ترکیب از متغیرهای هواشناسی، با استفاده از تحلیل حساسیت، به‌عنوان ورودی برای هر یک از مدل‌های مذکور در نظر گرفته شد. در نهایت، دقت روش‌های درختی و تجربی در برآورد تبخیرتعرق گیاه مرجع با استفاده از شاخص‌های آماری مورد مقایسه قرار گرفت و مدل برتر انتخاب شد. نتایج حاصل از داده‌های صحت‌سنجی نشان داد که مدل‌ M5P به‌صورت منفرد و روش میانگین‌گیری وزنی از مدل‌های درختی به‌صورت ترکیبی، در همه ایستگاه‌های هواشناسی مورد مطالعه در مقایسه با سایر روش‌ها نتایج بهتری در تخمین مقادیر تبخیرتعرق مرجع داشته‌اند. به این‌صورت که بهترین عملکرد این مدل‌ها به‌ ترتیب در ایستگاه بم با RMSE = 0.083، NS = 0.998 و ایستگاه بافت با RMSE = 0.306،NS = 0.971 می‌باشد. همچنین پارامترهای تابش خورشیدی و دمای کمینه به‎عنوان موثرترین متغیرها در تخمین میزان تبخیرتعرق مرجع معرفی شدند. در حالت کلی، مدل‌های درختی به ‌خصوص M5P، در مقایسه با مدل‌های تجربی نتایج بهتری در تخمین مقادیر تبخیرتعرق روزانه گیاه داشته‌اند. بنابراین، این پژوهش مدل‌های درختی را برای برآورد تبخیرتعرق مرجع در منطقه کرمان توصیه می‌کند.

Abstract: Reference evapotranspiration is one of the most important and effective components in optimizing agricultural water consumption and water resources management. Considering the fact that the largest amount of precipitation received by the earth's surface is returned to the atmosphere through the process of evapotranspiration and also it is one of the most effective components in investigating the state of the water balance, in the present study, it was tried to use empirical methods and the Gradient boosted tree method for estimating reference evapotranspiration values with acceptable accuracy. In this regard, the abilities of three data-driven models, including the M5P tree model, random forest and Gradient boosted tree , as well as empirical models from three based on temperature (Hargreaves-Samani), radiation (Torque) and mass transfer (Albrecht) in estimating daily reference evapotranspiration were evaluated in single and combined modes. The FAO-Penman-Monteith model was also used as a base method to calculate daily reference evapotranspiration values. For this purpose, daily meteorological data of five synoptic stations in Kerman province were used for 21 years (2000-2020). These data on daily scale included average temperature, minimum temperature, maximum temperature, dew point temperature, relative humidity, sunny hours, wind speed and solar radiation. A combination of meteorological variables, using sensitivity analysis, was considered as input for each of the mentioned models. Finally, the accuracy of the mentioned tree and empirical methods in estimating evapotranspiration of the reference plant was compared using statistical indices and the best model was selected. The results of the validation data showed that the M5P model individually and the weighted averaging method of tree models combined in all meteorological stations, compared to other methods, had better results in estimating reference evapotranspiration values. Thus, the best performance of these models is in Bam station with RMSE = 0.083, NS = 0.998 and Baft station with RMSE = 0.306, NS = 0.971, respectively. Also, the parameters of solar radiation and minimum air temperature were introduced as the most effective variables in estimating the amount of reference evapotranspiration. In general, tree models, especially M5P, compared to empirical models had better results in estimating daily evapotranspiration values. Therefore, this research recommends tree models to estimate reference evapotranspiration in Kerman region.

Evaluating the strategy of ensemble empirical models and Gradient boosted tree in predicting reference evapotranspiration

‏میکائیلی خرم آباد،

‏ فاطمه

تهيه کننده

‏صمدیان فرد،

دلیر حسن نیا،

‏سعید

‏ رضا

استاد راهنما

استاد مشاور

‏ تبریز