تخمین مقادیر تبخیر و تعرق مرجع با استفاده از مدل FAO-56PM در حوضه رودخانه آیدوغموش
نویسندگان
چکیده مقاله:
سازمان خوار و بار و کشاورزی جهانی، مدل پنمن مونتیس (FAO-56PM) را به عنوان یک مدل استاندارد در تخمین تبخیر و تعرق گیاه مرجع ارائه کرده است. نبود برخی از متغیرهای اقلیمی از قبیل تابش خورشیدی، رطوبت نسبی و سرعت باد می تواند مانع بزرگی در تخمین تبخیر و تعرق با استفاده از مدل FAO-56PM باشد. برای غلبه بر مشکل عدم دسترسی به متغیرهای اقلیمی، از یکسری روابط و معادلات در قالب مدل پنمن مونتیس استفاده شده است. با توجه به این نکته، ارزیابی صحت این مدل برای نقاط مختلف، حائز اهمیت می باشد. در این تحقیق از معادلات فوق برای تخمین پارامترهای سرعت باد، رطوبت نسبی و تابش خورشیدی بهره گرفته شد و در نهایت اقدام به برآورد تبخیر و تعرق مرجع در حوضه رودخانه آیدوغموش شده است. به این منظور از داده های سال 1389 و 5 ایستگاه تبخیرسنجی آیدوغموش، چپینی، خواجه شاهی، موتورخانه و میانه تونل 7 استفاده گردید. مقایسه مقادیر تبخیر و تعرق حاصل از داده های تخمین زده شده با مقادیر بدست آمده از داده های واقعی مربوط به سال 1389 در این مدل نشان میدهد که تفاوت بین تبخیر و تعرق مرجع ETO در هر دو مورد بسیار جزئی می باشد. در این تحقیق مقادیر RMSE و MBE در بیش ترین و کم ترین میزان به ترتیب معادل 0/227 تا 0/971 و 0/271- تا 0/724 بدست آمده است. در این بین بیش ترین درجه صحت مربوط به معادله رطوبت نسبی بوده و در آن مقادیر RMSE، MBE و ضریب همبستگی(تبیین) R2 به ترتیب معادل 0/232، 0/810- و 0/986 به دست آمد. همچنین کم ترین دقت متعلق به مدل هایگریوز بوده و در آن مقادیر RMSE، MBE و R2 به ترتیب معادل 0/523، 0/241 و 0/958 می باشد. با توجه به نتایج بدست آمده می توان چنین عنوان کرد که با استفاده از دادههای محاسباتی می توان مقادیر تبخیر و تعرق را با بیشترین دقت برآورد نمود.
منابع مشابه
ارزیابی الگوریتم سبال برای تخمین تبخیر- تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل SWAT
الگوریتم سبال ابزاری است که از آن برای تخمین توزیع مکانی تبخیر- تعرق واقعی با استفاده از تصاویر ماهوارهای از جمله مودیسو لندست استفاده میشود. اگرچه تصاویر لندست دارای توان تفکیک مکانی بالاتری نسبت به تصاویر مودیس هستند (30 متر در برابر 1000 متر)، اما توان تفکیک زمانی آنها نسبت به تصاویر مودیس کمتر است (هر 16 روز در برابر هر روز). از طرف دیگر، تصاویر هر روزه مودیس به دلیل مشکلاتی از قبیل ابرن...
متن کاملتخمین تبخیر- تعرق گیاه مرجع درون گلخانه با استفاده از شبکههای عصبی مصنوعی
امروزه شبکههای عصبی مصنوعی کاربرد بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کردهاند. در این پژوهش جهت تخمین تبخیر- تعرق مرجع داخل گلخانه با استفاده از شبکههای عصبی مصنوعی، از دادههای هواشناسی اندازهگیری شده داخل گلخانه و همچنین دادههای اندازهگیری شده خارج گلخانه استفاده گردید. در این پژوهش از شبکههای عصبی مصنوعی با ساختار ...
متن کاملارزیابی روشهای مختلف برآورد تبخیر و تعرق مرجع با روش تشت تبخیر FAO در حوضه آبریز شرق و جنوب شرق کشور
برآورد تبخیر و تعرق مرجع جهت برآورد نیاز آبی گیاهان، مدیریت طرح های آبی و زهکشی و زمان آبیاری گیاهان از ضروریات بخش کشاورزی می باشد. لذا در این پژوهش به منظور یافتن بهترین مدل برآورد تبخیر و تعرق مرجع برای حوضه آبریز شرق و جنوب شرقی کشور، با تکیه بر روش خوشه بندی با لحاظ اطلاعات هواشناسی 66 ایستگاه هواشناسی، تبخیر و تعرق مرجع حاصل از تشت تبخیر با مقادیر تبخیر و تعرق مستخرج از 8 معادله تبخیر و ...
متن کاملارزیابی مدلهای برآورد تابش خورشیدی در تخمین تبخیر-تعرق مرجع
تابش خورشیدی یکی از عوامل ضروری در برنامهریزی آبیاری، چرخه هیدرولوژیکی، مدلهای شبیه ساز عملکرد گیاه و برآورد تبخیر-تعرق مرجع میباشد. هدف تحقیق حاضر، بررسی دقت مدلهای برآورد تابش خورشیدی و تأثیر آنها بر تبخیر-تعرق مرجع میباشد. برای این منظور از دادههای هواشناسی چهار ایستگاه سینوپتیک ارومیه، تکاب، سلماس و مهاباد در غرب حوضه آبریز دریاچه ارومیه در مقیاس روزانه استفاده گردید. تابش خورشیدی توس...
متن کاملارزیابی الگوریتم سبال برای تخمین تبخیر- تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل swat
الگوریتم سبال ابزاری است که از آن برای تخمین توزیع مکانی تبخیر- تعرق واقعی با استفاده از تصاویر ماهوارهای از جمله مودیسو لندست استفاده میشود. اگرچه تصاویر لندست دارای توان تفکیک مکانی بالاتری نسبت به تصاویر مودیس هستند (30 متر در برابر 1000 متر)، اما توان تفکیک زمانی آنها نسبت به تصاویر مودیس کمتر است (هر 16 روز در برابر هر روز). از طرف دیگر، تصاویر هر روزه مودیس به دلیل مشکلاتی از قبیل ابرن...
متن کاملتخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی
تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخهی هیدرولوژی محسوب میشود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی M5 و مدل شبکهی عصبی تحت شرایط مختلف حداقل دادهی اقلیمی در یک منطقهی خشک سرد پرداخته شد. دادههای مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 5 شماره 1
صفحات 15- 22
تاریخ انتشار 2013-06
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023