ارزیابی قابلیت برنامه‌ریزی بیان‌ژن در تخمین تبخیرتعرق پتانسیل در مقایسه با رابطه هارگریوز-‌ سامانی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

2 گروه مهندسی نقشه برداری، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

3 استادیار، گروه مهندسی آب، دانشگاه جیرفت، جیرفت، ایران.

10.22125/iwe.2021.133766

چکیده

در مناطق دارای شرایط اقلیمی گرم، با توجه به کمبود آب، برآورد تبخیرتعرق از اهمیت ویژه‌ای در برنامه­ریزی و مدیریت منابع آب برخوردار است. در این مقاله از رویکرد برنامه‌ریزی بیان­ژن (GEp ) جهت برآورد تبخیر تعرق روزانه در ایستگاه­های سینوپتیک یزد (اقلیم گرم و خشک) و جیرفت (اقلیم گرم و مرطوب) استفاده‌شده است. نتایج این روش و رابطه­ی تجربی هارگریوز-سامانی با نتایج روابط تجربی پنمن مانتیث فائو-56 صحت­سنجی شده است. برای ارزیابی کارایی روش‌های مورد استفاده، از پارامترهای آماری ضریب تعیین (R2)، جذر متوسط مربعات خطا (RMSE) و میانگین خطای مطلق (MAE)استفاده‌شده است. نتایج این پژوهش نشان می‌دهد که مدل GEp با 951/0R2=و mm/day 66/0RMSE=برای یزد و 958/0R2= و mm/day 65/0RMSE= برای جیرفت نسبت به رابطه هارگریوز- سامانی از عملکرد بالاتری برخوردار است. ازاین‌رو استفاده از GEp به‌عنوان مدلی با قابلیت‌های بالا به‌­منظور برآورد تبخیرتعرق در مناطق دارای اقلیم گرم و خشک و همچنین گرم و مرطوب توصیه می­شود.

کلیدواژه‌ها


عنوان مقاله [English]

Gene Expression Programming Capability Assessment in Estimating the Potential Evapotranspiration Compared to Hargreaves-Samani Equation

نویسندگان [English]

  • Ali Barzkar 1
  • Sajad Shahabi 2
  • Saeid Niazmradi 2
  • Mohamad Reza Madadi 3
1 Masters student of Engineering and Water Resources Management, Kerman Graduate University of Advanced Technology, Kerman, Iran
2 Surveying Engineering Department,, Faculty of Civil and Surveying Engineering, Graduate University of Advanced Technology, Kerman, Iran.
3 Assistant professor, Department of Water Engineering, University of Jiroft, Jiroft, Iran.
چکیده [English]

Due to the water scarcity in areas with hot climates, an accurate estimation of evapotranspiration has a significant impact on water resources management and planning. In this paper, the gene expression programming (GEP) approach was used to estimate the daily evapotranspiration in Yazd (hot and dry climate) and Jiroft (warm and humid climate) synoptic stations. The results of this method along with the results of empirical relation of Hargreaves-Samani were validated with those of the empirical relation of Penman Mantis FAO-56. Statistical indices of coefficient of determination (R2), root-mean-square error (RMSE) and mean absolute error (MAE) were employed to evaluate the efficiency of the utilized methods. The results indicated that GEP model (with R2 = 0.951 and RMSE = 0.66 mm/day for Yazd and R2 = 0.958 and RMSE = 0.65 mm/day for Jiroft) had higher performance compared to Hargreaves-Samani relation. Therefore, the use of GEP as a model with high capabilities is recommended for estimation of evapotranspiration in areas with hot-dry and warm-humid climates

کلیدواژه‌ها [English]

  • Empirical equations
  • Jiroft
  • Meteorology
  • Water balance
  • Yazd
وزیری، ژ. و سلامت، ع. 1387. تبخیر و تعرق گیاهان، کمیته آبیاری و زهکشی ایران، تهران، 389صفحه.
سازمان هواشناسی کشور. 1398. سامانه درخواست داده­های هواشناسی، https://data.irimo.ir/.
Alexandris, S., Kerkides, P. and Liakatas, A. 2006. Daily reference evapotranspiration estimates by the “Copais” approach. Agricultural Water Management, 82(3): 371-386.
Allen, R. G., Pereira, L. S., Raes, D. and Smith, M. 1998. FAO Irrigation and drainage paper No. 56. Rome: Food and Agriculture Organization of the United Nations, 56(97), e156.                     
Anderson, M. C., Allen, R. G., Morse, A. and Kustas, W. P. 2012. Use of Landsat thermal imagery in monitoring evapotranspiration and managing water resources. Remote Sensing of Environment, 122: 50-65.
Berengena, J. and Gavilán, P. 2005. Reference evapotranspiration estimation in a highly advective semiarid environment. Journal of Irrigation and Drainage Engineering, 131(2): 147-163.
Deschaine, L. M. 2014. Decision support for complex planning challenges (Doctoral dissertation, Ph. D. Dissertation, Chalmers University of Technology, Göteborg, Sweden. 233p)
Ebtehaj, I., Bonakdari, H., Zaji, A. H., Azimi, H. and Sharifi, A. 2015. Gene expression programming to predict the discharge coefficient in rectangular side weirs. Applied Soft Computing, 35: 618-628.
9. Farzanpour, H., Shiri, J., Sadraddini, A. A. and Trajkovic, S. 2018. Global comparison of 20 reference evapotranspiration equations in a semi-arid region of Iran. Hydrology Research, 50(1): 282-300.
Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. arXiv preprint cs/0102027.
Ferreira, C. 2002. Gene expression programming in problem solving. In soft computing and industry (pp. 635-653). Springer, London.
Gandomi, A. H., Alavi, A. H., Ting, T. O. and Yang, X. S. 2013. Intelligent modeling and prediction of elastic modulus of concrete strength via gene expression programming. In International Conference in Swarm Intelligence (pp. 564-571). Springer, Berlin, Heidelberg.
Gleick, P. H. 2014. Water, drought, climate change, and conflict in Syria. Weather, Climate, and Society, 6(3): 331-340.
Hargreaves, G. H. and Samani, Z. A. 1985. Reference crop evapotranspiration from temperature. Applied engineering in agriculture, 1(2): 96-99.
Mattar, M. A. 2018. Using gene expression programming in monthly reference evapotranspiration modeling: a case study in Egypt. Agricultural Water Management, 198: 28-38.
Mollahasani, A., Alavi, A. H. and Gandomi, A. H. 2011. Empirical modeling of plate load test moduli of soil via gene expression programming. Computers and Geotechnics, 38(2): 281-286.
17 Najafzadeh, M., Barani, G. A. and Hessami-Kermani, M. R. 2013. Group method of data handling to predict scour depth around vertical piles under regular waves. Scientia Iranica, 20(3): 406-413.
Ritter, A. and Muñoz-Carpena, R. 2013. Performance evaluation of hydrological models: Statistical significance for reducing subjectivity in goodness-of-fit assessments. Journal of Hydrology, 480: 33-45.
Sabziparvar, A. A. and Tabari, H. 2010. Regional estimation of reference evapotranspiration in arid and semiarid regions. Journal of Irrigation and Drainage Engineering, 136(10): 724-731.
Shiri, J. 2017. Evaluation of FAO56-PM, empirical, semi-empirical and gene expression programming approaches for estimating daily reference evapotranspiration in hyper-arid regions of Iran. Agricultural water management, 188: 101-114.