. (1392). برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران. سامانه مدیریت نشریات علمی, 27(4), 523-534. doi: 10.22092/jwra.2014.128860
. "برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران". سامانه مدیریت نشریات علمی, 27, 4, 1392, 523-534. doi: 10.22092/jwra.2014.128860
. (1392). 'برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران', سامانه مدیریت نشریات علمی, 27(4), pp. 523-534. doi: 10.22092/jwra.2014.128860
. برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران. سامانه مدیریت نشریات علمی, 1392; 27(4): 523-534. doi: 10.22092/jwra.2014.128860
برآورد تبخیر و تعرق ماهانه گیاه مرجع توسط مدل رگرسیون درختی در نواحی مختلف آب و هوایی ایران
تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است . در سالهای اخیر استفاده از سیستمهای هوش مصنوعی برای برآورد پدیدههای هیدرولوژی افزایش چشمگیری داشته است .از این رو این تحقیق با هدف امکانسنجی استفاده از مدل رگرسیون درختی در برآورد تبخیر و تعرق ماهانه گیاه مرجع(ETo) و مقایسه آن با روش پنمن مانتیث فائو در سه ناحیه اقلیمی ایران انجام شد. از مزایای مدل رگرسیون درختی نسبت به دیگر مدلهای هوش مصنوعی از قبیل شبکههای عصبی، عدم نیاز به فرایند وقتگیر آزمون و خطا و نیز ارائه نتایج بهصورت روابط ریاضی است. در مطالعهی حاضر، متوسط ماهانهی دادههای حداقل و حداکثر دما، رطوبت نسبی، سرعت باد و تابش خورشیدی به عنوان دادههای ورودی به مدل در نظر گرفته شده است. نتایج حاصله نشان داد که ضرایب تعیین مدلهای تولید شده توسط مدل رگرسیون درختی در برآورد پارامتر تبخیر و تعرق مرجع برای نواحی گرمسیر، معتدل .و سردسیر به-ترتیب برابر است با 0/78 ، 0/80 و 0/89 که حاکی از توانایی بالای مدل مذکور است.
Estimation of Monthly Reference Evapotranspiration Using Regression Tree in Different Climatic Regions of Iran
چکیده [English]
Evapotranspiration is one of the main components of hydrologic cycle and its data is needed to determine the irrigation demand. Artificial intelligence system has been widely used to estimate the hydrological events during the recent decades. The aim of this research was to use the regression tree method to estimate the reference evapotranspiration (ETo) and to compare with FAO-Penman-Monteith method in different climatic condition across Iran. One of advantages of the Regression Tree model compared to other intelligent models like Neural Networks is that it lacks the time-consuming process of trial-and-error; and representing the results mathematically. Different data such as monthly minimum, average and maximum temperature, relative humidity, wind speed, and solar radiation were used as input to the model. Finally, the results showed that regression tree model can estimate the reference evapotranspiration for different climatic conditions including arid to semi-arid, temperate, and cold climate conditions with 0.78, 0.8, and 0.89 correlation coefficients, respectively.