تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روش های مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روش ها دارای محدودیت هایی هستند. به عنوان مثال، از محدودیت های روش های اندازه گیری مستقیم می توان به عدم دقت وسایل اندازه گیری و مسائل مربوط به مقیاس اشاره کرد، در حالیکه روش های غیر مستقیم نظیر معادله پنمن-مانتیث، به پارامترهای اقلیمی روزانه زیادی نیاز دارند. در این تحقیق سعی گردید از روش نگاشت خود-سامان به عنوان یک روش شبکه عصبی مصنوعی غیر نظارت شونده در پیش بینی تبخیر-تعرق با حداقل پارامترهای هواشناسی به عنوان ورودی، استفاده گردد. بر اساس شاخص های ارزیابی خوشه بندی فازی، مقادیر ETo در مشهد به دو خوشه با تبخیر-تعرق کم و زیاد تقسیم شد که با اقلیم منطقه مطابقت نشان داد. همچنین به منظور ارزیابی کارایی مدل ارائه شده از معیارهای آماری شامل (ریشه میانگین مربعات خطا، ضریب تعیین ومعیار ناش-ساتکلیف) استفاده گردید و نتایج حاصله با برآوردهای حاصل از مدل های تجربی مقایسه گردید. نتایج حاصله نشان داد که حتی ساده ترین مدل نگاشت خود-سامان با ترکیب متوسط دمای هوا و حداکثر ساعات آفتابی به عنوان ورودی نیز خطای کمتری نسبت به معادلات تجربی دارد.

هدف اصلی این مطالعه، تجزیه و تحلیل روند تغییرات زمانی تبخیر-تعرق گیاه مرجع (ET0) در ایستگاه همدان (نوژه) است. برای این منظور از اطلاعات این ایستگاه در دوره آماری 1951 تا 2005 استفاده شد. میزان ET0 با روش پنمن-مانتیس (PM) محاسبه شد. برای تجزیه و تحلیل روند از دو روش شامل الف) برازش خط مستقیم برسری زمانی و محاسبه شیب خط روند با روش حداقل مربعات و ب) آزمون من-کندال و محاسبه شیب خط روند با روش Sen's estimator استفاده شد. برای تحلیل حساسیت ET0 به پارامترهای هواشناسی از روش رگرسیون چندگانه خطی گام به گام استفاده شد. نتایج نشان داد که کم ترین مقدار ET0 در ماه ژانویه و بیشترین آن (معادل 7.2 میلی متر بر روز) در ژوئیه اتفاق می افتد. شیب خط روند در تمام ماه های سال (به جزء ژانویه و فوریه) مثبت بود. در شش ماهه گرم سال شیب خط روند از نظر آماری در سطح 1 درصد معنی دار بود. بیشترین مقدار شیب خط روند در ژوئیه مشاهده شد که در سطح یک درصد معنی دار بود. نتایج تحلیل حساسیت نشان داد که در ماه های گرم سال سرعت باد و درجه حرارت حداکثر هوا به ترتیب مهم ترین عوامل موثر بر ET0 بودند.

مهم ترین جزء نیاز آبی، تبخیر-تعرق گیاه می باشد. با توجه به تاثیر عوامل نامطمئن در میزان تبخیر- تعرق گیاه مرجع و جهت تخمین هرچه دقیق تر این پارامتر، از سیستم های استنتاج فازی و شبکه عصبی مصنوعی در این پژوهش استفاده شد. محاسبه تبخیر تعرق گیاه مرجع به روش پنمن-مانتیت نیاز به داده های زیاد پارامترهای جوی دارد. با توجه به محدودیت اطلاعات هواشناسی از نظر زمانی و مکانی، نیاز به مدلسازی تبخیر-تعرق بر اساس داده های موجود می باشد. در منطقه مورد مطالعه (حوزه آبریز رودخانه های کر و سیوند)، تنها پارامتر جوی که در تمام نقاط حوزه و در طول دوره آماری مورد نظر در این تحقیق موجود می باشد، اندازه گیری های مربوط به دمای هوا می باشد. بر این اساس، ابتدا در دو ایستگاه موجود منطقه، مقادیر ETO برای ماه های مختلف در یک دوره 30 ساله و بر اساس روش پنمن- مانتیث محاسبه گردید. در ادامه بر اساس روش شبیه سازی سیستم استنتاج فازی شبکه عصبی وفق پذیر ANFIS، مدل شبیه سازی بین مقادیر محاسبه ETO به روش پنمن-مانتیث و متوسط دمای هوا به صورت ماهانه در یکی از ایستگاه ها تهیه شد. همچنین مقادیر ETO براساس مدل شبیه سازی کامپیوتری و روش پنمن-مانتیت در ایستگاه دیگری محاسبه گردید. بر اساس مدل تخمینی ETO حاصله از داده های ایستگاه اول، مقادیر ETO برای ماه های مختلف در این دوره آماری بر اساس متوسط دمای هوا در ایستگاه دوم محاسبه شد. همچنین مقادیر ETO حاصله از روش پنمن- مانتیت با دو متغیر ورودی متوسط دمای هوا و تبخیر از تشتک کلاس A، بر اساس روش ANFIS نیز شبیه سازی شد. تطابق نتایج حاصله از مدل شبیه سازی تبخیر تعرق پتانسیل بر اساس روش ANFIS و داده های متوسط دمای هوای ماهانه با مقادیر حاصله از روش پنمن-مانتیث، توانایی مدل ANFIS در برآورد مقادیر تبخیر-تعرق ماهانه گیاه مرجع را در شرایط عدم وجود داده های کامل روش پنمن- مانتیث نشان داد.

در این تحقیق، کارایی دو نرم افزار شبکه عصبی مصنوعی (ANN) در برآورد تبخیر - تعرق گیاه مرجع (ET0) بررسی گردید. بدین منظور از داده های 2 سال لایسیمتری به عنوان ارقام شاهد برای ارزیابی استفاده شده و دو نرم افزار مرسوم NS و NW  با قابلیت به کارگیری الگوریتم های متفاوت، به کار رفت. جهت ارزیابی اجرای دو نرم افزار برای آرایش ها، قواعد یادگیری و توابع محرک مختلف، از شاخص های آماری جذر میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب تعیین (R2) استفاده شد. با اجرای نرم افزار NS آرایش مطلوب با ویژگی حداقلRMSE ، MAE  و حداکثر R2 در مقایسه با ارقام مشاهداتی (لایسیمتری) به ترتیب معادل 0.08 (میلی متر در روز)، 0.07 (میلی متر در روز) و 0.87 بدست آمد. نتایج تحقیق نشان داد نرم افزار NS با آرایش مطلوب که ویژگی مدل آموزشی گرادیان مزدوج و تابع محرک سیگمویید را دارا باشد، نسبت به نرم افزار NW با توجه به تعداد تکرار کمتر و زمان محاسباتی کوتاه تر برتری دارد. نتایج نشان داد وجود دو لایه پنهان نسبت به یک لایه پنهان بر دقت تبخیر - تعرق برآورد شده از نرم افزار، تاثیری نداشت. بررسی حساسیت مدل شبکه عصبی مصنوعی نشان داد که تبخیر - تعرق بیشترین وابستگی را به حداکثر دمای هوا و کمترین وابستگی را به حداقل رطوبت نسبی دارد.

یکی از مهم ترین عوامل در برآورد نیاز آبی گیاهان گلخانه ای، تخمین دقیق تبخیر-تعرق گیاه مرجع است. پارامترهای متعددی بر میزان تبخیر-تعرق گیاه مرجع اثر می گذارند که شناخت مهم ترین آن ها، منجر به کاهش خطای شبیه سازی و افزایش دقت پیش بینی خواهد شد. به دلیل وجود اختلاف بین فرضیات و ساختار ریاضی روش های غیرمستقیم، رفتار تبخیر-تعرق گیاه مرجع در پاسخ به تغییر فاکتورهای هواشناسی متفاوت است. بنابراین، تحلیل حساسیت و هم چنین تعیین درجه تاثیرپذیری تبخیر-تعرق گیاه مرجع نسبت به تغییر پارامترهای هواشناسی در هر روش، ضروری است. در این پژوهش، حساسیت روش های پنمن-مانتیت، ایرماک، کپیس و والیانتزس به تغییر پارامترهای هواشناسی شامل حداکثر و حداقل دمای روزانه، حداکثر و حداقل رطوبت نسبی و تابش طول موج کوتاه در گلخانه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه تهران تحلیل شد. ضرایب حساسیت با تغییر پارامترهای هواشناسی در بازه [20، 20-] درصد با فواصل 5 درصد محاسبه شدند. نتایج نشان داد، در تمامی روش ها متغیر تشعشع اثرگذارترین پارامتر در تعیین تبخیر-تعرق گیاه مرجع در شرایط گلخانه بود. به طوری که میزان ضریب حساسیت به دست آمده برای این متغیر در روش های پنمن-مانتیت، ایرماک، کپیس و والیانتزس به ترتیب برابر با 78/0، 71/0، 68/0 و 63/0 بود. در مقابل کم اهمیت ترین پارامتر هواشناسی در روش های پنمن-مانتیت، کپیس و والیانتزس متغیر رطوبت حداقل و در روش ایرماک دمای حداقل بود. هم چنین نتایج نشان داد، بین روش های مورد بررسی، روش پنمن-مانتیت حساس ترین روش نسبت به تغییر پارامترهای هواشناسی است. درنتیجه، در صورت کاربرد روش پنمن-مانتیت برای تخمین تبخیر-تعرق گیاه مرجع داخل گلخانه، دقت کافی و اطمینان از عملکرد صحیح وسایل اندازه گیری پارامترهای هواشناسی، ضروری است.

هدف این مطالعه مقایسه و واسنجی چهار روش مختلف تخمین تبخیر- تعرق گیاه مرجع مبتنی بر درجه حرارت هوا در مقیاس ماهانه در حوضه دریاچه ارومیه می باشد. روش های انتخاب شده شامل هارگریوز، تورنت وایت، بلانی کریدل و لیناکر بودند. برای این منظور از اطلاعات پارامترهای هواشناسی ده ایستگاه در دوره آماری 1986 تا 2010 استفاده شد. نتایج روش های مذکور با خروجی روش فائو پنمن-مانتیث مقایسه شدند. واسنجی روش ها در دو حالت متمایز انجام شد. در حالت اول تنها یک ضریب واسنجی برای ایستگاه ها تخمین زده شد. در حالت دوم ضریب واسنجی هر ایستگاه برای یکایک ماه های سال محاسبه شد. ارزیابی روش های مورد مطالعه با آماره های، RMSE، MBE و MAE انجام شد. میزان اثر بخشی عمل واسنجی روش ها با آماره ارزیابی شد. نتایج نشان داد که قبل از واسنجی نتایج روش های مختلف اختلاف زیادی با روش فائو پنمن-مانتیث داشت و واسنجی روش ها در عملکرد آنها بهبود قابل ملاحظه ای ایجاد کرد، همچنین نتایج نشان داد که واسنجی روش ها در حالت دوم بسیار مناسب تر از حالت اول است. برای حوضه مورد مطالعه قبل و بعد از واسنجی (درحالت اول) روش هارگریوز به عنوان بهترین روش شناخته شد. پس از هارگریوز روش های لیناکر و بلانی کریدل به ترتیب به عنوان روش های مناسب تخمین تبخیر- تعرق گیاه مرجع (پس از واسنجی در حالت اول) تشخیص داده شدند. روش تورنت وایت خطای زیادی داشته و برای تخمین تبخیر- تعرق گیاه مرجع در منطقه مورد مطالعه مناسب تشخیص داده نشد. بعد از واسنجی (در حالت دوم) روش لیناکر به عنوان بهترین روش برای تخمین تبخیر- تعرق گیاه مرجعدر حوضه دریاچه ارومیه شناخته شد. روش های هارگریوز، بلانی کریدل و تورنت وایت به ترتیب در رده های دوم تا چهارم قرار گرفتند.

این تحقیق به منظور ارزیابی هفت روش محاسباتی تبخیر- تعرق گیاه مرجع چمن در گلخانه موسسه تحقیقات گیاه پزشکی کشور که در تهران واقع شده است (عرض جغرافیایی "41'35 شمالی و طول جغرافیایی ''19'51 شرقی و ارتفاع 1190 متر از سطح دریا)، اجرا شد. داده های هواشناسی (دمای هوا، تابش خورشیدی، رطوبت هوا و سرعت باد) در داخل گلخانه به صورت دستی اندازه گیری شد و به طور همزمان تبخیر- تعرق گیاه مرجع چمن با استفاده از میکرولایسیمتری که درون آن چمن کشت گردیده بود، اندازه گیری شد. با استفاده از داده های اندازه گیری شده، تبخیر ـ تعرق سطح مرجع با هفت روش محاسبه گردید. نتایج نشان داد که روش پنمن- مانتیث- فائو با جذر میانگین مربعات خطا 1.39 میلی متر در روز و ضریب همبستگی 0.69 از دقت بیشتری برخوردار بود و روش بلانی ـ کریدل اصلاح شده با جذر میانگین مربعات خطا 1.54 میلی متر در روز و و ضریب همبستگی 0.49 کمترین دقت را داشت. علاوه بر این با استفاده از داده های تشت تبخیر کوچک در طول دوره آزمایش، مقدار ضریب تشت (Kp) برابر 0.4562 و ضریب همبستگی برای داده های تشت تبخیر و لایسیمتر 0.82 بدست آمد.

با توجه به اهمیت تبخیر - تعرق در کشاورزی و برنامه ریزی منابع آب کشور، الگوسازی و شبیه سازی آن همواره مورد توجه پژوهشگران بوده است. روش مدلسازی باکس - جنکینز برای دست یابی به این هدف با توجه به تکرارپذیری داده های تبخیر - تعرق از کارایی بیشتری برخوردار است. در این پژوهش متوسط تبخیر- تعرق ماهانه بر اساس داده های هواشناسی 22 ساله در پنج ایستگاه استان کرمانشاه از روش پنمن مانتیث فائو 56 محاسبه شد، و تغییرات سری زمانی تبخیر - تعرق آن ها مورد مطالعه قرار گرفت. از 21 سال اطلاعات تولیدی برای مدلسازی بر اساس روش SARIMA استفاده شد، و شروط نرمال، تصادفی و مستقل بودن باقی مانده های مدل های برازش داده شده بررسی شد. بدین ترتیب، الگوهای نهایی تبخیر- تعرق برای ایستگاه های کرمانشاه SARIMA(0,1,2)×(1,1,1)12، کنگاور SARIMA(1,1,3)×(1,1,0)12، سرپل ذهاب SARIMA(2,1,2)×(1,1,1)12، روانسر SARIMA(1,1,3)×(1,0,1)12 و اسلام آباد غرب SARIMA(1,1,1)×(1,1,0)12 پیشنهاد می شوند. در نهایت از مدل های انتخاب شده برای پیش بینی تبخیر - تعرق 12 ماهه که در انتخاب مدل دخالت داده نشده بودند (مدل آموزش ندیده است) استفاده و نتایج آن با مقادیر واقعی محاسبه شده مقایسه شد. دقت پیش بینی ها در سال 2009، به ترتیب با توجه به مقادیر RMSE و r، در ایستگاه های کرمانشاه 0.38 میلی متر و 0.99، سرپل ذهاب 0.37 میلی متر و 0.99 و کنگاور 0.40 میلی متر و 0.99 نسبت به ایستگاه های روانسر 1.03 میلی متر و 0.99 و اسلام آباد 0.91 میلی متر و 0.98 بهتر است.

افزایش تولید محصول به تامین نیاز آبی گیاه وابسته است، لذا تخمین صحیح نیاز آبی گیاه نه تنها به تولید محصول کمک می کند، بلکه در مدیریت منابع آب نیز موثر است. بر همین اساس، هدف از پژوهش حاضر، بررسی نتایج تبخیر و تعرق گیاه مرجع چمن حاصل از اجرای مدل های متریک و سبال با تصاویر ماهواره های لندست هفت و هشت و ترا در دشت قزوین است. ابتدا برآوردهای مدل های متریک و سبال با مجموع 10 تصویر از تصاویر سنجنده MODIS ماهواره ترا و سنجنده  ETM+ماهواره لندستهفت با داده برداری های لایسیمتری گیاه مرجع چمن در سال 1380 مورد ارزیابی قرار گرفت. سنجنده MODIS با RMSE=1.91 ،R=0.88 و  SE=0.85میلی متر بر روز و سنجنده ETM+ با SE=0.09 ،RMSE=0.91 ،R=1.00 و انحراف از معیار 0.59 میلی متر بر روز در مدل متریک در مقایسه با مدل سبال در سطح معنی دار 95 درصد برآورد دقیق تری را نسبت به داده برداری های صورت گرفته توسط لایسیمتر نشان داده اند. سپس، نتایج مدل های متریک و سبال حاصل از تصاویر سنجنده  OLI & TIRSماهواره لندست هشت (به دلیل عدم وجود داده برداری لایسیمتری در زمان بررسی) با نتایج حاصل از اجرای مدل متریک بر روی سنجنده ETM+ ارزیابی شد. نتایج ارزیابی ها حاکی از آن است که مدل متریک با SE=0.29 ،RMSE=0.28 ،R=0.96 و انحراف از معیار 0.61 میلی متر بر روز نسبت به مدل سبال در سطح معنی دار 90 درصد، به عنوان مدل برتر برای برآورد تبخیر و تعرق گیاه مرجع در منطقه دشت قزوین قابل توصیه است.