پذیرفته شده برای پوستر

کد مقاله : 1007-FWMC5

¹water and soil research department,South Khorasan Agriculture and Natural Resources Research and Education Center, AREEO,Birjand,Iran

²Senior Expert in Water Resources Engineering, Regional Water Company of south Khorasan , Water Resources Management Company, Birjand, Iran

برآورد دقیق تبخیر و تعرق برای مدیریت مصرف آب در مزرعه، به ‌ویژه در کشورهای در حال توسعه‌ که با تنش آبی مواجهند، امری مهم است. کمبود فشار بخار یکی از پارامترهای تبخیر و تعرق است که تأثیر قابل‌توجهی بر محاسبه آن دارد. در این مقاله به پیش بینی کمبود فشار بخار با استفاده از تکنیک های مبتنی بر یادگیری ماشین شامل روش های رگرسیون خطی، مدل افزودنی تعمیم یافته، زیرمجموعه تصادفی، جنگل تصادفی و مدل M5P در چهار منطقه مختلف استان خراسان جنوبی پرداخته شد. جهت برآورد کمبود فشار بخار از داده های بازتحلیل بانک اطلاعاتی JRA-55 بین سال های 1958 الی 2023 استفاده شد. این بانک اطلاعاتی شامل انبوهی از دیتاهای باز تحلیل هواشناسی و کشاورزی است که بصورت نقطه ای و رستری قابل دسترس بوده و مزیت مهم این بانک اطلاعاتی کاربرد آن در مناطقی است که دارای فقدان اطلاعات ایستگاه های زمینی است. برای ارزیابی عملکرد مدل‌ها در هر دو مرحله آموزش شامل (70% داده) و تست (30 % داده ) از چهار شاخص آماری ضریب همبستگی ، میانگین خطای مطلق ، ریشه میانگین مربعات خطا و ریشه نسبی میانگین مربعات خطا استفاده شد. عملکرد مدل افزودنی تعمیم یافته به ترتیب در مرحله آموزش و تست بهتر از سایر مدل‌ها بود [0.9994=CC؛ 0.027=MAE؛ 0.0365=RMSEو 0.0004 =RRMSE]، [0.9989=CC؛ 0.0282=MAE؛ 0.0382=RMSEو 0.0008=RRMSE]، این مقاله استفاده از مدل GAM را برای مطالعات آبی - اقلیم‌شناسی و بویزه برای مطالعات مدلسازی و پیش‌بینی کمبود فشار بخار توصیه می‌کند.

کمبود فشار بخار؛ مدل افزودنی تعمیم یافته؛ مدیریت آب مزرعه؛ یادگیری ماشین؛ سازگاری اقلیمی

بهره‌وری آب در کشاورزی