سال انتشار: ۱۳۸۵

محل انتشار: دومین کنفرانس مدیریت منابع آب

تعداد صفحات: ۸

نویسنده(ها):

عارف بهمنی – کارشناس ارشد آبیاری و زهکشی، اداره کل منابع طبیعی استان کردستان
مهدی کوچک زاده – استادیار گروه آبیاری و زهکشی ، دانشگاه تربیت مدرس
پرویز فتحی – استادیار گروه آبیاری دانشکده کشاورزی دانشگاه کردستان

چکیده:

محدودیت منابع آب از مهمترین عواملی است که توسعه کشاورزی را در مناطق خشک و نیمه خشک تحت تاثیر قرار می دهد. از طرفی استفاده بهینه از منابع موجود خود مستلزم محاسبه درست میزان آب مصرفیو نظارت دقیق بر چگونگی بیلان آب در حوزه های مورد مطالعه می باشد. از این رو برآورد صحیح میزان تبخیر و تعرق به عنوان یکی از ارکان اساسی در برنامه ریزی و مدیریت منابع آب از اهمیت و درجه اثر گذاری بالایی برخوردار است. عمده ترین مشکل در این زمینه کثرت اطلاعات مورد نیاز در روشهایمحاسباتی دقیق چون فائو پنمن مانتیس، و فقدان این اطلاعات است که ضرورت استفاده از روشهای دیگر را سبب می شود . استفاده از داده های تشتک تبخیر بدلیل کثرت آن در مقایسه با ایستگاه های سینوپتیک می تواند یکی از روشهای برآورد تبخیر و تعرق باشد که دخالت ضریب Kp از دقت برآورد مدل کاستهاست. بگونه ای که بر اساس مطالعات انجام شده در میان ۲۰ روش موجود، این روش جایگاه آخر را بخود اختصاص میدهد. پژوهش حاضر می کوشد تا ضمن مدل نمودن روش تشتک تبخیر توسط شبکه های عصبی مصنوعی، قابلیت این مدل ها را در استخراج ضرایب Kp مورد بررسی قرار داده و منجر به ارائه راهکار مطلوب تریدر حوزه های با آمار ناکافی گردد. مدل های مورد استفاده در این تحقیق از نوع پرسپترون چند لایه با قانون یادگیری پس از انتشار خطا بوده که بر روی آمار روزانه ایستگاه سینوپتیک هواشناسی طی سالهای ۱۹۹۰ تا ۲۰۰۰ میلادی اعمال شده است.
پس از طراحی شبکه های مورد نظر، نتایج بدست آمده از هر شبکه به لحاظ شاخصهای آماری RMSE, MBE, MAE, R2, b, SEE, SE با نتایج بدست آمده از روشهای فائو پنمن مانتیس ، تشتک تبخیر، بلانی کریدل ، هارگریوز سامانی و جنسن هیز اصفلاح شده مقایسه گردید. درگام دیگر از شبکه عصبی مصنوعی جهت تعیین ضریب Kp استفاده، و خروج مدل با ضرایب استخراج شده از جداول پیشنهادی فائو مقایسه شد. بر اساس نتایج بدست آمده ، عملکرد بسیار عالی شبکه های عصبی مصنوعی در مقایسه با روش تشتک تبخیر به روشنی می تواند استفاده از ضریب تشتک را در شرایطی که داده های موجود جهت طراحی شبکه ها کفایت می کنند، منسوخ سازد. چرا که نتایج حاصله از مدل ها به لحاظ شاخص های در نظر گرفته شده، به مراتب بهتر از زمانی بود که ازجداول پیشنهادی سازمان فائو استفاده شد.