مقالات آب و خاك (علوم و صنايع كشاورزي)

مطالعه حاضر به منظور استفاده از حداقل پارامترهاي هواشناسي در پيش بيني تبخير تعرق گياه مرجع در منطقه همدان براي سال هاي 1376 و 1377 صورت گرفته است. بدين منظور، با استفاده از آزمون پيرسون، شش پارامتر هواشناسي مورد نياز در روش پنمن مانتيث فايو-56 که شامل دماهاي حداکثر و حداقل، مقادير رطوبت نسبي حداقل و حداکثر، سرعت باد در ارتفاع دو متري و ساعت آفتابي روزانه مي شوند، به صورت چهار سناريوي اطلاعاتي با يکديگر ترکيب و به کاربرده شدند (که تحت عنوان شماره 1، 2، 3 و 4 نام گذاري شدند). با اعمال اين سناريوها بر مدل هاي هوشمند شبکه عصبي مصنوعي (ANN) و سيستم استنتاج تطبيقي عصبي- فازي (ANFIS) در محيط نرم افزاري MATLAB، تبخير تعرق گياه مرجع منطقه تخمين گرديد. به منظور ارزيابي نتايج هر يک از سناريوهاي مورد استفاده، از مقادير واقعي تبخير تعرق مرجع (لايسيمتري) استفاده شد. نتايج نشان داد که افزايش تعداد اطلاعات در لايه ورودي لزوما منجر به بهبود نتايج مدل هاي هوشمند نمي شود. سناريوي اطلاعاتي شماره 2 که شامل سه پارامتر دماي حداقل و حداکثر هوا و ساعت آفتابي روزانه بود، در هر دو مدل ANN و ANFIS برآوردهاي معقول و يکساني در بر داشت. در اين سناريو مقادير حداقل معيار مجذور ميانگين مربعات خطا (RMSE)، ميانگين مطلق خطا (MAE) و حداکثر ضريب تعيين (R²) در مرحله آزمايش به ترتيب معادل 09/0 و 07/0 ميلي متر بر روز و 90/0 بودند. در مجموع بين نتايج شبکه عصبي مصنوعي و سيستم استنتاج تطبيقي عصبي- فازي از نظر آماره هاي خطاسنجي اختلاف قابل ملاحظه اي مشاهده نشد. ضمن آن که اين دو نسبت به نياز اطلاعاتي در لايه ورودي خود داراي حساسيت يکسان بودند. مدل شبکه عصبي پس از 26 تکرار محاسباتي در مقايسه با سيستم استنتاج تطبيقي عصبي- فازي که با 40 تکرار محاسباتي بود، سريع تر به جواب مناسب دست يافت. همچنين برآوردهاي شبکه هاي عصبي با روش استاندارد پنمن مانتيث نيز مقايسه گرديد، که نشان دهنده دقت و توانمندي قابل ملاحظه مدل هاي هوشمند (RMSE معادل 09/0 ميلي متر بر روز) نسبت به روش استاندارد (RMSE معادل 34/0 ميلي متر بر روز)، براي تخمين تبخير تعرق گياه مرجع مي باشد.

 نسخه قابل چاپ