سال انتشار: ۱۳۸۸

محل انتشار: دهمین سمینار سراسری آبیاری و کاهش تبخیر

تعداد صفحات: ۸

نویسنده(ها):

سمیرا نوری – دانشجوی کارشناسی ارشد هواشناسی کشاورزی دانشگاه فردوسی مشهد
آزاده محمدیان – کارشناس ارشد مهندسی آبیاری، عضو گروه پژوهشی اقلیم شناسی بلایای جوی پژ
غلامعباس فلاح قالهری – دانشجوی دکتری اقلیم شناسی دانشگاه اصفهان، عضو گروه پژوهشی اقلیم شنا
مجید حبیبی نوخندان – عضو هیأت علمی پژوهشکده اقلیم شناسی و مرکز ملی اقلیم مشهد

چکیده:

برآورد تبخیر- تعرق گیاه مرجع(ETO) در مورادی از قبیل برنامه ریزی آبیاری، توازن هیدرولوژیکی، طراحی و مدیریت سیستم های آبیاری و پیش بینی میزان عملکرد محصول ضروری است. تعداد زیاد پارامترهای مؤثر در برآورد تبخیر- تعرق گیاه مرجع و از طرفی عدم اندازه گیری برخی از این پارامترها در بعضی ایستگاه ها، سبب گردیده است که امکان برآورد دقیق آن در مناطق مذکور میسر نباشد. در این مقاله، امکان کاربرد شبکه عصبی مصنوعی(ANN) در برآورد تبخیر- تعرق گیاه مرجع در شرایط کمبود داده های اقلیمی مورد بررسی قرار گرفته است. بدین منظور از داده های ماهانه دمای کمینه، دمای بیشینه، رطوبت نسبی متوسط، سرعت باد، ساعات آفتابی ایستگاه سینوپتیک مشهد طی دوره آماری ۱۹۵۱ تا ۲۰۰۵، به عنوان ورودی مدل جهت آموزش شبکه عصبی استفاده گردید. همچنین از روش فائو پنمن مونتیث ۵۶ جهت برآورد تبخیر- تعرق گیاه مرجع و به دست آوردن خروجی مدل استفاده شد. در این مقاله، شبکه عصبی پرسپترون چند لایه(MLP) با قانون آموزش پس انتشار خطا به کار گرفته شد. نتایج نشان دهنده کارایی بالای شبکه عصبی مصنوعی در برآورد میزان تبخیر- تعرق گیاه مرجع در منطقه مورد مطالعه می باشد.