تخمین تبخیر - تعرق سطوح گیاهی مرجع با روش شبکه های عصبی مصنوعی

در حال حاضر کشاورزی تکیه گاه مهم امنیت وحیات اقتصادی کشور می باشد دراین میان نهاده آب بعنوان مهمترین ومحدودترین عامل تولید از اهمیت زیادی برخوردار است هرچند تعیین میزان آب مورد نیاز گیاه و برنامه ریزی آبیاری به منظور تامین حداکثر شد و تحصیل حداکثر محصول و همچنین اطلاع از مقدار کل آب مصرفی و در نتیجه تعیین ظرفیت کانالها و مخازن آب مهمترین مرحله مطالعاتی را در یک طرح ابیاری و زهکشی تشکیل می دهد اما اکثرا مساله تخمین نیاز آبی گیاهان که در طرحهای آبیاری گنجانده می شود چندان جدی گرفته نمی شود این امر باعث می شود که وقتی طرح به اجرادرامد یا آب کافی برای ابیاری زمینهای زیرکشت وجودنداشته باشد و یا آنکه مقدار آب بیش از نیاز زراعتهای موجود باشد امروزه علاوه بر اندازه گیری مستقیم نیاز ابی گیاهان استفاده از فرمولهای مختلف جهت برآورد نیاز آبی پتانسیل کاربرد وسیعی دارد این امر با گسترش نرم افزارهای مختلف از توانایی و قدرت زیادی برخوردار شده است یکی از روشهایی که در خصوص نیاز ابی به شکل وسیعی از فرمولهای برآورد نیاز ابی استفاده کرده استفاده از شبکه های عصبی مصنوعی می باشد کومار و همکاران 2002 کاربرد شبکه عصبی مصنوعی ANN را برای تبخیر - تعرق 24 ساعته گیاه مرجع بررسی کردند بهترین ساختار شبکه را برای تخمین ETo با دو سری داده مختلف برای Davis در کالیفرنیای امریکا به کار بردند. تابش خورشید دمای بیشینه و کمینه رطوبت نسبی بیشینه و کمینه و سرعت باد به عنوان ورودی و تبخیر - تعرق گیاه مرجع محاسبه شده از معادله پنمن - مانتیث آلن و همکاران 1998 به عنوان خروجی هدف به کار برده شد. نتیاج تحقیق نشان داد که شبکه عصبی می تواند ETo را بهتر از روش مرسوم پنمن - مانتیث الن و همکاران 1998 در منطقه Davis تخمین بزند.