استفاده از روش یادگیری ماشین به‌منظور برآورد تبخیر و تعرق(مطالعه موردی: استان سمنان)

نویسندگان

1 گروه بیابان زدایی، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران

2 گروه بیابان زدایی، دانشکده کویر شناسی، دانشگاه سمنان، سمنان، ایران

doi
10.22059/ijswr.2024.371452.669652
چکیده

تبخیر و تعرق (ET) در مناطق خشک و نیمه‌خشک از اهمیت زیادی برخوردار بوده و برآورد دقیق آن در برنامه‌ریزی و مدیریت شیوه‌های آبیاری حائز اهمیت  است. استان سمنان دارای تعداد محدودی ایستگاه سینوپتیک و تبخیرسنجی است که کمبود داده‌های تبخیر و تعرق سبب شده که برآورد مکانی آن با مشکل مواجه گردد. در این مطالعه از محصول تبخیر و تعرق حاصل از داده‌های بازتحلیل ERA5-Land به همراه متغیرهای کمکی ارتفاع و دما برای برآورد تبخیر و تعرق در منطقه موردمطالعه استفاده شد. همچنین به‌منظور برقراری ارتباط بین متغیرهای کمکی و داده‌های تبخیر و تعرق از روش یادگیری ماشین جنگل تصادفی (RF) استفاده شد و نقشه تبخیر و تعرق در منطقه موردمطالعه با استفاده از مدل RF تهیه شد. دقت مدل RF در برآورد تبخیر و تعرق با استفاده از چهار معیار آماری شامل ضریب همبستگی (r)، مقدار اریبی (BIAS)، میانگین ریشه مربعات خطا (RMSE) و شاخص KGE مورد ارزیابی قرار گرفت. نتایج مرحله اعتبارسنجی، کارایی بالای مدل RF را نشان داد (R² = 0.95،  4.1-BIAS= ،  RMSE = 98.6 و KGE = 0.92). همچنین مشخص شد عملکرد مدل RF در برآورد تبخیر و تعرق با استفاده از متغیرهای ورودی به وابستگی خطای مدل (BIAS) به توپوگرافی بستگی دارد و متغیر ارتفاع عامل مهمی در برآورد تبخیر و تعرق محسوب می‌گردد. نتایج این مطالعه نشان داد که استفاده از داده‌کاوی و پردازش در محیط برنامه‌نویسی R، در مناطقی با تعداد محدود ایستگاه‌ هواشناسی، برآورد دقیق میزان تبخیر و تعرق در مناطق خشک و نیمه‌خشک را ممکن می‌سازد.