پیش بینی تبخیر تعرق بر مبنای بهترین مدل اصلاحی ارائه شده با کاربرد رگرسیون چند متغیره

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,138

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ABYARI11_223

تاریخ نمایه سازی: 22 مرداد 1391

چکیده مقاله:

عمده ترین عامل مصرف منابع آبی در مناطق خشک و نیمه خشک تبخیر و تعرق است. لذا آگاهی از روند تغییرات و پیش بینی این پارامتر نقش اساسی را در برنامه ریزی ، توسعه و مدیریت منابع آب ایفا می کند . تبخیر و تعرق می تواند به طور مستقیم توسط لایسیمتر با روش بیلان آب اندازه گیری و یا با داده های هواشناسی تخمین زده شود . در این تحقیق با استفاده از داده های هواشناسی ایستگاه سینوپتیک کرج با طول دوره آماری 20 ساله و با بکارگیری نرم افزار Ref-ET مقدار تبخیر تعرق با روش های معتبر موجود در همین نرم افزار مورد ارزیابی قرار گرفته است. با محاسبه ضرایب واسنجی و نمایه های آماری متداول ، روش استاندارد شده ایالات متحده امریکا نسبت به سایر روش های دیگر ، به عنوان مناسب ترین روش در مقایسه با روش ایده آل پنمن مانتیث فائو 56 پیشنهاد شده و در نهایت این مدل ، با توجه به ضرایب رگرسیونی خطی درجه 1 و چند جمله ای درجه 2 اصلاح گردیده و با نرم افزار SPSS از طریق رگرسیون خطی چند متغیره بین داده های اقلیمی موثر بر تبخیر تعرق ( دمای متوسط ، رطوبت نسبی ، سرعت باد و تعداد ساعات آفتابی ) و ETo محاسبه شده در مدل اصلاحی رابطه مناسبی جهت پیش بینی ETo سالانه ارائه گردید به طوری که معادله کالیبره شده مورد نظر و از طرف دیگر ، معادله پیش بینی کننده ETo سالانه در مقایسه با روش مبنای PMF56 با ضریب تبیین 0/99 و خطای استاندارد 0/176 دارای بالاترین ضریب همبستگی و کم ترین اختلاف با یکدیگر می باشند.

کلیدواژه ها:

نویسندگان

لیلا اسکندری

دانشجوی کارشناسی ارشد گروه مهندسی آب ، دانشگاه آزاد اسلامی واحد شیراز

بهنام محمدی نوزادیان

دانشجوی کارشناسی ارشد گروه مهندسی آب ، دانشگاه آزاد اسلامی واحد شیراز

حامد جانی پور

دانشجوی کارشناسی ارشد گروه مهندسی آب ، دانشگاه آزاد اسلامی واحد شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :