فهرست نشریات علمی دسترسی آزاد ایران

تبخیر و تعرق مرجع (ETo) یکی از اساسی‌ترین متغیرها در تعیین نیاز آبی محصول و برنامه‌ریزی و طراحی سامانه‌های آبیاری است. مدل‌های یادگیری ماشین برای رفع محدودیت‌های مدل‌های تجربی و برآورد تبخیر تعرق (ET) توسعه داده‌ شده‌اند. در سال‌های اخیر، محاسبه  ET با استفاده از فناوری‌های سنجش از دور توسعه و بهبود یافته است. در این مطالعه برای تخمین تبخیر و تعرق مرجع در  دشت اردبیل کارایی سه مدل جنگل تصادفی(RF)، رگرسیون خطی چندگانه (MLR) و ماشین بردار پشتیبان (SVM) بررسی شد. اطلاعات هواشناسی برای داده‌های مدل از سال 1385 تا 1401 از طریق سنجش از دور و ایستگاه‌های سینوپتیک دریافت شد. ETo به‌عنوان پارامتر هدف، با استفاده از روش فائو پنمن-مانتیث در محدوده پنج ایستگاه سینوپتیک محاسبه شد. در مرحله ساخت و آموزش مدل‌ها، سری‌زمانی پارامترهای ورودی و هدف در محل چهار ایستگاه سینوپتیک و با تشکیل یک سری زمانی تصادفی و ترکیبی از کل داده‌ها انجام و در مرحله ارزیابی نهایی مدل، تنها از داده‌های ایستگاه پنجم استفاده شد. آماره­های ارزیابی مورداستفاده، ، NSE و RMSE بودند. نتایج حاصل برای شاخص‌های آماری، برای مدل RF به‌ترتیب برابر با 7/0، 558/0 و 76/10، برای SVM برابر 71/0، 1- و 6/13 و برای MLR 71/0، 688/0- و 21 بود که با مقایسه نتایج، مدل RF نسبت به سایر مدل‌ها از دقت بالاتری برخوردار بود. مطالعه حاضر نشان داد که مدل‌ جنگل تصادفی می‌تواند یک مدل مطمئن و نسبتاً دقیق برای پیش‌بینی ETo با استفاده از داده‌های RS برای مناطق فاقد آمار باشد.