مدلسازی تبخیر و تعرق گیاه مرجع با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: استان تهران)

بحران آب در کشور و نقش بخش کشاورزی به عنوان یکی از بخش های پر مصرف آب، لزوم استفاده از روش های نوین به منظور مدیریت دقیق تر آب مصرفی در این بخش را نمایان کرده است. تعیین تبخیر و تعرق از اثرگذارترین پارامترها در برنامه ریزی آبیاری بوده و برآورد دقیق آن به کاهش تلفات آب می انجامد. با توجه به توانمندی شبکه های عصبی مصنوعی در تحلیل محاسباتی فرآیندهای پیچیده، این پژوهش با هدف کاربرد این تکنیک برای تحلیل داده های موثر بر برآورد تبخیر و تعرق گیاه مرجع صورت گرفت. نیاز آبی گیاه مرجع (ETo) با استفاده از داده های بلندمدت هواشناسی (ایستگاه های سینوپتیک ورامین، شهریار و فرودگاه امام خمینی(ره) در استان تهران) و با کاربرد نرم افزار ETo-calculator محاسبه شدند. به منظور مدل سازی ETo، ورودی ها به شبکه های عصبی مصنوعی شامل مقادیر دمای حداقل و حداکثر، رطوبت نسبی حداقل و حداکثر، سرعت باد و تعداد ساعات آفتابی در شبانه روز در نظر گرفته شدند. ارزیابی آموزش و عملکرد شبکه و مقایسه آن با داده های محاسباتی نشان داد که شبکه عصبی مصنوعی تکنیک مناسبی برای تحلیل ETo بوده و شبکه پرسپترون چند لایه ای با دو لایه میانی و ساختار 1-11-14-6 بهترین شبکه برای برآورد ETo می باشد. نتایج آنالیز حساسیت نشان داد که پارامترهای دمای حداکثر و تعداد ساعات آفتابی در شبانه روز به ترتیب موثرترین و کم اثرترین پارامترها در برآورد ETo بوده و سناریوی استفاده از سه پارامتر دمای حداقل و حداکثر و سرعت باد به عنوان تنها ورودی ها به شبکه عصبی بهینه، می تواند با دقت قابل قبولی تبخیر و تعرق گیاه مرجع را برآورد کند.

کلیدواژه ها:

آنالیز حساسیت ، پرسپترون چند لایه ای ، تبخیر و تعرق گیاه مرجع ، شبکه عصبی مصنوعی ، نرم افزار ETo-calculator