بررسی روابط همبستگی تبخیر تعرق مرجع گیاهی و داده های تبخیرِ تشت کلاس a در شرایط اقلیمی خشک و مرطوب با استفاده از حداقل داده های هواشناسی

عمده ترین عامل مصرف منابع آبی در ایران تبخیر و تعرق است، لذا آگاهی از روند تغییرات و پیش بینی این فراسنج و سایر فراسنج های اقلیمی موثر بر آن نقش موثری را در برنامه ریزی، توسعه و مدیریت منابع آب ایفا می کند. هدف اصلی این تحقیق در مرحله اول بررسی همبستگی پارامترهای مختلف هواشناسی با تبخیر و تعرق مرجع روزانه(et0) است و در مرحله دوم پیش بینی et0 روزانه با استفاده از رگرسیون خطی چندگانه موثرترین فراسنج های هواشناسی تاثیر گذار بر تبخیر و تعرق می باشد. این پژوهش در9 ایستگاه سینوپتیک (اصفهان، کرمان، اهواز، بوشهر، یزد، انزلی، نوشهر، رامسر و رشت) انجام شده است. از آنجایی که تاثیر پارامترهای مختلف هواشناسی بر تبخیر و تعرق در اقلیم های مختلف متفاوت است، سعی شده است از ایستگاه هایی که به طور کلی در دو اقلیم متفاوت یعنی خشک و مرطوب واقع اند، استفاده شود. در این تحقیق با استفاده از برنامه ref-et تبخیر و تعرق روزانه به دو روش پنمن- مانتیث- فائو 56 به عنوان روش استاندارد و روش تشت تبخیر کلاس a محاسبه شده است. در ادامه، با استفاده از برنامه های آماری spss و minitab ضرایب و روابط رگرسیونی (همبستگی) استخراج شد. جهت استخراج مدل های رگرسیونی با حداقل داده های هواشناسی ممکن روابط اولیه در برنامه minitab مورد اصلاح قرار گرفتند. سپس تمامی روابط رگرسیونی محاسبه شده را با استفاده از آماره های خطاسنجی، مورد آنالیز آماری قرار دادیم. در نهایت با توجه به تحلیل های آماری و نتایج بدست آمده مشخص شد مدل های رگرسیونی خطی چندگانه تشت تبخیر بهترین مدل رگرسیونی برای تخمین et0می باشند. همچنین مشخص شد روابط رگرسیونی خطی درشهرهای مورد مطالعه اقلیم مرطوب نسبت به اقلیم خشک با خطای کمتری et0 را پیش بینی می کنند. نتایج حساسیت سنجی مدل های رگرسیونی بدست آمده به پارامترهای ورودی نشان داد روابط بدست آمده از et0 مدل تشت تبخیر به علت حساسیت کمی که به پارامترهای ورودی دارد کارآیی بهتری نسبت به مدل های رگرسیونی فائو 56 دارند. در جمع بندی مشخص شد نمی توان برای تمامی ایستگاه های واقع دریک اقلیم خاص از مدل واحدی استفاده نمود و باید در هر ایستگاه با استفاده از داده های همان ایستگاه رابطه رگرسیونی را استخراج نمود. در انتها نیز با استفاده از et0 پیش بینی شده از مدل های رگرسیونی خطی چندگانه و داده های تشت تبخیر اقدام به تخمین ضریب تشت (kp) شد. مقایسه ضرایب kp محاسبه شده در این تحقیق با ضرایب پیشنهادی فائو نشان داد که در ایستگاه های واقع در اقلیم مرطوب ضرایب بدست آمده بیش از مقادیر پیشنهادی فائو است.