پنمن مانتیث فائو

تبخیر و تعرق گیاه مرجع (ET0) به عنوان یکی از پارامترهای مهم در طراحی سیستم های آبیاری توسط اندازه گیری مستقیم (لایسیمتری) و یا به طور غیر مستقیم (معادلات تجربی) برآورد میشود. در شرایط عدم دسترسی به داده های دقیق لایسیمتری میتوان از روش پنمن مانتیث فائو(PMF) به عنوان روش استاندارد، برای ارزیابی نتایج سایر روش های تجربی استفاده کرد. در تحقیق حاضر با ضرب داده های چهارده ساله (1994-2007) تشت تبخیر ایستگاه هواشناسی آمل در مقادیر محاسبه شده ضریب تشت از طریق معادلات گوناگون نظیر کوئنکا (Cuenca)، آلن پروت (Allen and Pruitt)، اشنایدر(Snyder)، اشنایدر اصلاح شده (Modified Snyder)، اورنگ (Orang)و فائو (FAO) مقادیر ET0 محاسبه شد، و نتایج آن با مقادیر محاسبه شده از روش پنمن مانتیث فائو مقایسه گردید. سپس حساسیت مدل های فوق با ایجاد 10±، 20± و 30± درصد تغییر در پارامترهای ورودی سرعت باد و رطوبت نسبی مورد بررسی قرار گرفت. بررسیهای نشان داد که برای محاسبه ET0 روزانه از داده های تبخیر از تشت به ترتیب روش های کوئنکا، اشنایدر، آلن پروت و اورنگ پیشنهاد میگردد. برای محاسبه ضریب تشت در دوره های 10 روزه میتوان به ترتیب از روش های کوئنکا، اشنایدر و آلن پروت استفاده نمود. بررسیها نشان داد که برای تعیین ET0 ماهانه از داده های تبخیر از تشت به ترتیب روش های اشنایدر، کوئنکا و آلن پروت مناسب تر میباشند. نتایج تحلیل حساسیت نشان میدهد که حساسیت روش های اورنگ، آلن پروت و اشنایدر اصلاح شده نسبت به تغییرات پارامترهای ورودی کمتر از سایر روش ها است. با استناد به نتایج آماری و تحلیل حساسیت از بین روش های فوق مدل های آلن پروت و اشنایدر اصلاح شده برای برآورد ضریب تشت در منطقه آمل و سایر مناطق دارای اقلیم یکسان با آن منطقه مناسب میباشند

با توجه به ضرورت برآورد تبخیر و تعرق در مدیریت منابع آب، برنامه ریزی آبیاری و تامین نیاز آبی گیاهان، محاسبه و تغییرات زمانی و مکانی آن بسیار مهم و حیاتی می باشد. در این پژوهش به منظور محاسبه مقدار تبخیر و تعرق پتانسیل از روش پنمن مانتیث فائو که از دقت بالاتری نسبت به سایر مدل ها برخوردار است استفاده شده است. جهت محاسبه مقادیر روزانه تبخیر و تعرق، از آمار هواشناسی 50 ایستگاه سینوپتیکی طی یک دوره آماری 29 ساله (2009 1981) استفاده شد. ابتدا مقادیر ماهانه و سالانه تبخیر و تعرق طی دوره آماری مورد نظر محاسبه شدند و از مقادیر متوسط آنها نیز جهت بررسی تغییرات ماهانه و فصلی استفاده گردید. با استفاده از آزمون ناپارمتریک من کندال و در محدوده اطمینان 95 درصد، روند ماهانه و سالانه تبخیر و تعرق مشخص گردید. نتایج نشان داد که روند تبخیر و تعرق در سراسر کشور رو به افزایش است. بیشترین تغییر روند سالیانه و افزایش تبخیر و تعرق در ایستگاه های بیرجند، شاهرود، قزوین، جاسک، سمنان، بابلسر، دوشان تپه و سنندج و کمترین مقدار تغییر نیز در ایستگاه های فسا و کیش مشاهده شده است که در این دو ایستگاه، مقدار تبخیر و تعرق تقریباً بدون تغییر باقی مانده است. بیشترین تغییر روند ماهانه در ماه جولای و در ایستگاه های خشک کشور و همچنین کمترین تغییر روند ماهانه نیز در ماه های دسامبر و ژانویه رخ داده است.

کشور ایران از جمله مناطق خشک و نیمه خشک جهان است و با محدودیت شدید منابع آب مواجه است. تعیین تبخیر و تعرق که یکی از اجزای اصلی چرخه هیدرولوژی می باشد، در بسیاری از مطالعات از جمله توازن هیدرولوژیک آب، طراحی و مدیریت سیستم های آبیاری، شبیه سازی میزان محصول و مدیریت منابع آب از اهمیت بالایی برخوردار است. در پژوهش حاضر از روش شبکه عصبی مصنوعیANN و سه روش تجربی پنمن مانتیث فائو (PMF56) و بلانی کریدل(BC) کمبرلی پنمنK-P)) برای مدلسازی سیستم غیرخطی تبخیر و تعرق گیاه مرجع (ET0) که داده های ورودی- خروجی آن به صورت روزانه بودند، استفاده شد. سپس نتایج بدست آمده از روش های مذکور با داده های تبخیر اندازه گیری شده در منطقه آذربایجان شرقی(ایستگاه مراغه، میانه، اهر و جلفا) تحت واسنجی قرار گرفتند. نتایج نشان داد که روش شبکه عصبی مصنوعی دارای دقت و سرعت بهتر در مدلسازی ET0 در مقایسه با روش های کلاسیک می باشد. از دیگر نتایج مطالعه می توان به مناسب تر بودن روش دمایی BC نسبت به دیگر مدل های تجربی اشاره کرد. همچنین این پژوهش نشان داد مدل ANN با قانون یادگیری لونبرگ مارکوارت نتایج ET0 بهتری را در شرایط اقلیمی مورد مطالعه ارائه می دهد.