سیداسداله محسنی موحد (بازنشسته)

برای تعیین تبخیر و تعرق، روش لایسیمتری به سبب نیاز به وقت و هزینه زیاد و روشهای غیر داده مبنا به سبب یک یا جند نقطه ضعف نظیر نیاز به داده های ورودی زیاد، درگیری با فیزیک پیچیده این فرآیند و عدم دقت کافی، امکان استفاده از روش های داده مبنا را فراهم می کند. در این تحقیق برای مدل سازی تبخیر و تعرق ماهانه چمن (1380 تا 1384) و چهار گیاه زراعی شامل گندم (1373 تا 1377)، سیب زمینی (1375 تا 1377)، ذرت (1379 تا 1380) و یونجه (1380 تا 1383)، در دشت اراک، از مدل ANFIS استفاده شد. بدین منظور از داده های ماهانه لایسیمتر زهکش دار مرکز تحقیقات کشاورزی و منابع طبیعی استان مرکزی (ایستگاه اراک) استفاده گردید. در مجموع 30 مدل از حاصل ضرب 15 ترکیب داده های ورودی (دمای میانگین، رطوبت نسبی میانگین، سرعت باد و تابش) و 2 مدل برای برآورد ET0 و ETc استخراج شد. ترکیب داده های ورودی به منظور امکان سنجی استفاده از حداقل داده هواشناسی و شناسایی پارامترهای موثرتر بر تبخیر و تعرق انجام شد. در مدل سازی ET0 با مدل چهار ورودی، ضریب تبیین (R2)، میانگین خطای اریبی (MBE) و ریشه میانگین مربعات خطا (RMSE) برای کل داده ها به ترتیب برابر با 96/0، 57/0- و 2/15 بود که نشان دهنده همبستگی مناسب، اندکی کم برآورد و خطای کم بود. همین مقادیر در مدل سازی ETc با مدل چهار ورودی، به ترتیب برابر با 95/0، 20/1- و 5/18 بود که نشان دهنده کاهش دقت مدل سازی ETc نسبت به ET0، علی رغم کاهش تعداد داده هاست. در هر دو مدل، بیشترین دقت پیش بینی مربوط به زمانی بود که دما (T) به عنوان ورودی استفاده شود. در مدل سازی ET0، مدل دو ورودی دما و سرعت باد (TV) و مدل سه ورودی با افزودن رطوبت (TRV) یا تابش (TVS) به دما و سرعت باد، نتایج بهتری را نشان دادند. در مدل سازی ETc، مدل دو ورودی دما و تابش (TS) و مدل سه ورودی دما، رطوبت و تابش (TRV)، نتایج بهتری را نشان دادند.