تغییرات مکانی تبخیر از تشت و مقایسه آن با مدل های برآورد تبخیر در ایران
Authors
abstract
تبخیر به عنوان پارامتری اساسی در تحقیقات کشاورزی، هیدرولوژی و حفاظت آب و خاک از اهمیت خاصی برخوردار است. در این مطالعه با استفاده از اطلاعات 61 ایستگاه هواشناسی در سطح کشور، مقادیر تبخیر ماهانه از 9 روش تجربی و نظری برآورد شد. مقایسه تبخیر برآوردی با مقادیر اندازهگیری شدهی تشت تبخیر کلاس a نشان داد روش ایوانف در بین روشهای مورد مطالعه همخوانی خوبی با دادههای اندازهگیری شده نشان داد. تبخیر از تشت داشت. بیشترین فراوانی نسبی در روش ایوانف با پوشش حدود 56 درصد از ایستگاهها و کمترین آن در روش مارسیانو با پوشش 6/1 درصد ایستگاهها بود. بدین ترتیب، روش ایوانف دقت لازم در پیشبینی تبخیر در نواحی مختلف ایران را دارد. بهمنظور برآورد تبخیر در نقاط فاقد اندازهگیری، پهنهبندی تبخیر به عنوان یک اصل مهم در برنامهریزیهای کلان مدنظر قرار گرفت. برای پهنهبندی از دو روش زمین آماری کریجینگ ساده و معمولی با مدلهای دایرهای، کروی، نمایی و گوسین استفاده شد. مقادیر آمارههای میانگین مطلق خطا (mae) و میانگین اریبی خطا (mbe) از مدلهای مختلف میانیابی، برتری مدل دایرهای در روش کریجینگ معمولی را نشان داد. مقادیر معیارهای فوق به ترتیب برابر 54/1 و 01/0 میلیمتر در روز به دست آمد. با پهنهبندی تبخیر در محیط نرمافزاری arcview براساس مقادیر تبخیر تشت کلاس a و مقادیر حاصل از روش ایوانف در چهار دسته تبخیر، مشخص گردید همپوشانی مناسبی بین آنها برقرار است. نتایج پهنهبندی نشان داد مقدار تبخیر واقعی در 33/99 درصد از سطح کشور بیش از 04/4 میلیمتر در روز میباشد و همین مقدار تبخیر در 43/96 درصد از سطح کشور براساس روش ایوانف حاصل شد. در نهایت تغییرات مکانی تبخیر برآوردی از روش ایوانف با روش پهنهبندی کریجینگ معمولی، برای کشور ایران قابل توصیه است.
similar resources
تغییرات مکانی تبخیر از تشت و مقایسه آن با مدلهای برآورد تبخیر در ایران
تبخیر به عنوان پارامتری اساسی در تحقیقات کشاورزی، هیدرولوژی و حفاظت آب و خاک از اهمیت خاصی برخوردار است. در این مطالعه با استفاده از اطلاعات 61 ایستگاه هواشناسی در سطح کشور، مقادیر تبخیر ماهانه از 9 روش تجربی و نظری برآورد شد. مقایسه تبخیر برآوردی با مقادیر اندازهگیری شدهی تشت تبخیر کلاس A نشان داد روش ایوانف در بین روشهای مورد مطالعه همخوانی خوبی با دادههای اندازهگیری شده نشان داد. تبخیر...
full textبرآورد تبخیر از تشت تبخیر ایستگاه سد تنظیمی دز با استفاده از روش شبکه عصبی مصنوعی
بیشتر بارندگی مناطق خشک و نیمه خشک بصورت تبخیر به جو باز می گردد پس تخمین تبخیر دربرآورد میزان آب در چرخه آب مهم خواهد بود. تبخیر وابسته به پارامترهای مختلفی است و برای برآورد آن نیاز به متغیرهای اقلیمی متفاوتی است و اثر متقابل این متغیرها بسیار پیچیده است لذا در بررسی آن باید روشهای دقیقی را بکار گرفت. در این تحقیق برای برآورد تبخیر از تشت ایستگاه سد تنظیمی دز از روش شبکه عصبی مصنوعی استفاده ش...
full textبرآورد ضریب تشت تبخیر بهمنظور محاسبه تبخیر و تعرق گیاه مرجع در منطقه اهواز
تعیین دقیق مقدار آبی که برای تبخیر و تعرق مصرف میشود، از عوامل اساسی در برنامه ریزی برای رسیدن به محصول بیشتر و از مهمترین پارامترهای مدیریت آب در گیاهان میباشد. در شرایط عدم دسترسی به دادههای دقیق لایسیمتری میتوان از روش فائو پنمن مانتیث به عنوان روش استاندارد، برای ارزیابی نتایج تجربی استفاده کرد. در این تحقیق با استفاده از دادههای 15 ساله (91-1377) هواشناسی اهواز، ضریب تشت تبخیر ...
full textارزیابی کاربرد مدل رگرسیون چندمتغیره تیغه ای در برآورد تبخیر از تشت
یکی از پارامترهای مهم در برنامهریزی و بهرهبرداری از مخازن و طراحی سامانههای آبیاری، تبخیر و تعرق میباشد. اهمیت کاربردی تخمین هرچه دقیق تبخیر از یک سو و پیچیدگی رابطه علت و معلولی پدیده از سوی دیگر، ضرورت استفاده از روشهای جدید دادهکاوی را نشان میدهد. در این مطالعه امکان شبیهسازی تبخیر از تشت در ایستگاه تبریز با استفاده از مدلهای رگرسیون چندمتغیره بررسی شد. دادههای هواشناسی شامل ح...
full textبرآورد تبخیر روزانه از تشت با استفاده از مدل های موجود سری زمانی
امروزه برنامه ریزی صحیح برای استفاده بهینه از منابع آبی با هدف رسیدن به توسعه پایدار از اهمیت خاصی برخوردار است. آگاهی از مقدار دقیق تبخیر سطحی روزانه یکی از پارامترهای مهم برای برنامه ریزی های منابع آب، مدیریت آبیاری و تولیدات زراعی است. عدم کفایت تعداد ایستگاه های تبخیرسنجی، ابهام در کیفیت داده ها و خلاءهای آماری موجود در مقاطع مختلف زمانی، پژوهشگران را به سمت مدل های برآورد، سوق داده اس...
full textمقایسه چند روش برآورد تبخیر روزانه از تشت- مطالعه موردی منطقه کرمان
In this research, based on the observed data of Class A pan evaporation and application of non-linear regression (NLR), artificial neural network (ANN), neuro-fuzzy (NF) as well as Stephens-Stewart (SS) methods daily evaporation of Kerman region was evaluated. In the cases of NLR, ANN and NF methods, the input variables were air temperature (T), air pressure, relative humidity (RH), solar radia...
full textMy Resources
Save resource for easier access later
Journal title:
دانش آب و خاکPublisher: دانشگاه تبریز
ISSN 2008-5133
volume 20
issue 4 2011
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023