بخشی از مقاله
برآورد تبخیر روزانه با استفاده از دو روش توابع غیرخطی و اسپیلاین رگرسیونی تطبیقی چندمتغیره (MARS)
چکیده
تبخیر یکی از مولفه های مهم چرخه هیدرولوژیکی است که اندازهگیری و تخمین آن برای مدیریت منابع آب، طراحی مخـازن و تحلیل های دیگر متغیرهای هیدرولوژیکی لازم میباشد. به دلیل تأثیر متقابل پارامترهای مختلـف هواشناسـی، محاسـبه تبخیـر پیچیده است. روابط غیرخطی برای تخمین مقدار آن وجود دارد که در صورت تعیین روابط درسـت، از دقـت بـالایی برخـوردار خواهند بود. در این تحقیق، با استفاده از آمار روزانـه هواشناسـی ایسـتگاه تبخیـر سـنجی سـاری واقـع در اسـتان مازنـدران و روش های رگرسیونی چند متغیره به مدل سازی میزان تبخیر روزانه از تشت تبخیر پرداخته شد. ترکیب های مختلف پارامترهای درجه حرارت و رطوبت نسبی به عنوان ورودیهای مدل و تبخیر روزانه از تشت تبخیر بعنوان خروجی مدل در نظر گرفته شد. به منظور تعیین ضرایب مدل و حداقل نمودن خطا از برنامهریزی آرمانی استفاده شد. همچنین بمنظور بررسی تاثیر پارامترهای ورودی در تخمین تبخیر از آنالیز حساسیت استفاده شد. نتایج نشان داد که مدلهای رگرسیونی بـا اسـتفاده از توابـع درجـه 2 نسبت به روش اسپیلاین رگرسیونی تطبیقی چند متغیره MARS از دقت بالایی برخـوردار مـیباشـند. ضـمن اینکـه پـارامتر رطوبت نسبی نسبت به پارامتر درجه حرارت تأثیر بیشتری در تخمین مقدار تبخیر از تشت را دارا میباشند.
کلمات کلیدی: تبخیر، درجه حرارت، رطوبت نسبی، رگرسیون چند متغیره، اسپیلاین، برنامهریزی آرمانی.
مقدمه
فرآیند تبخیر یکی از مؤلفههای اصلی چرخه آب در طبیعت است که نقش اساسی در مطالعات کشاورزی، هیـدرولوژی و هواشناسی، بهرهبرداری از مخازن، طراحی سیستمهای آبیاری و زهکشی، زمانبندی آبیاری و مدیریت منابع آب ایفـا می کند. روش های مستقیم و غیر مستقیم زیادی جهت برآورد شـدت تبخیـر وجـود دارنـد. روش تشـت تبخیـر Pan evaporation جزء روشهای مستقیم است که به طور معمول جهت برآورد تبخیر دریاچهها و مخازن استفاده مـیشـود. در روشهای غیرمستقیم، شدت تبخیر با استفاده از روشهای تجربی (با استفاده از داده های هواشناسـی) و فرمـولهـای مبتنی بر موازنه جرم و بقای انرژی برآورد میشود.
یکی از روشهای استاندارد اندازهگیری تبخیر، تشت تبخیر کلاس A مرکـز هواشناسـی آمریکاسـت کـه در ایسـتگاههـای هواشناسی ایران نیز از این نوع تشت تبخیر استفاده میشود این تشت 1128 میلیمتر قطر و 25 سـانتی متـر عمـق دارد (مفتاح و همکاران، .(1388 نصب تشت تبخیر دارای محدودیتهای ابزاری و مشکلات عملی شامل خطای ناظر، کـدورت آب و مشکلات نگهداری است که به همین دلیل از میزان دقت این ابـزار مـی کاهـد. بنـابراین بـا توجـه بـه مشـکلات و محدودیتهای تشت تبخیر، ارائه روشهایی برای برآورد میزان تبخیر با استفاده از دیگر متغیرهـای هواشناسـی ضـروری است از اینرو محققین مختلفی به ارائه روشهای مختلف جهت پیشبینی و مدلسازی این پارامتر پرداختـهانـد. بـرتن و همکاران (2000)، با استفاده از شبکههای عصبی مصنوعی، تبخیر روزانه از تشتک را مورد بررسی قرار دادنـد. بارنـدگی، درجـه حرارت، رطوبت نسبی، تشعشعات خورشیدی و سرعت باد بعنوان پارامترهای ورودی شبکه و میـزان تبخیـر از تشـتک بعنـوان پارامتر خروجی شبکه مورد استفاده قرار گرفتند. نتایج ایشان نشان داد که روش شبکههـای عصـبی مصـنوعی دارای کمتـرین خطا نسبت به سایر روش ها بوده و خطایی برابر 1/11 میلیمتر در روز داشته است. شالامو و همکاران (2010) بـه مـدلسـازی تبخیر از تشت با استفاده از مدل رگرسیونی و شبکه عصبی پرداختند. نتایج بدست آمده از تحقیقات آنها نشان داد که مدلهای رگرسیونی و شبکه عصبی نتایج یکسانی را ارئه کردهاند و با توجه به اینکـه مـدلهـای رگرسـیونی پیچیـدگیهـای مـدلهـای رگرسیونی را نداشته، مدل رگرسیونی را پیشنهاد نمودهاند. ستاری و همکاران (1390) به بررسی تخمین تبخیر روزانه با استفاه از دو روش رگرسیونی چند متغیره و روش های عمومی پرداختنـد. نتـایج آنهـا نشـان داد کـه روشهـای رگرسـیونی بـه دلیـل انعطافپذیری بیشتر نسبت به روشهای عمومی برتر بوده است.
هدف از این تحقیق مدلسازی روزانه تبخیر از تشت با استفاده از روش های رگرسیونی چند متغیـره و تعـین میـزان تـأثیر هـر کدام از پارامترهای ورودی بر مقدار تبخیر بوده است. در این تحقیق با استفاده از آمار ایستگاه هواشناسـی سـاری و بکـارگیری توابع ریاضی، میزان تبخیر از تشتک تخمین زده شده است. پارامترهای ورودی توابع ریاضی، درجه حرارت هوا و رطوبت نسبی است که بمنظور بررسی اثر این پارامترها از توابع و ترکیبهای مختلف آنها برای تخمین میزان تبخیـر از تشـت اسـتفاده شـده است.
مواد و روشها
در این تحقیق به منظور پیش بینی و مدل سازی تبخیر روزانه، از آمار هواشناسی روزانه ایستگاه تبخیرسنجی خودکار سـاری در ماه فروردین و اردیبهشت سال 1391 استفاده شد. این ایستگاه در موقعیت جغرافیایی 20׳ 34״ْ 53 طـول شـرقی، 27׳ 14״ ْ 36 عرض شمالی قرار گرفته است. پارامترهای روزانه هواشناسی عبارتند از: درجه حرارت،T، رطوبـت نسـبی،RH و تبخیـر،.E پس از اطمینان از صحت دادههای هواشناسی ایستگاه ساری و انجام آزمونهای آماری لازم، به پیشبینی تبخیر پرداختـه شـد. این دادهها به صورت خودکار توسط نرمافزار Automatic Data Gathering گرفته و در داخل سرور ذخیره شـدهانـد. پارامترهـای آماری مجموعه دادهها در جدول (1 ) ارائه شده است. در جـدول (1)، xmean ، میـانگین دادههـا، sx، انحـراف معیـار دادههـا، cv، ضریب تغییرات csx، ضریب چولگی، xmax، مقدار حداکثر، xmin، مقدار حداقل و R، مقدار همبستگی دادهها با تبخیر میباشند.
همانطور که مشخص است، از بین پارامترهای مورد بررسی، متوسط درجه حرارت بیشترین همبستگی و حداقل درجه حـرارت کمترین همبستگی را با تبخیر نشان داده و تأثیر آنها بر میزان تبخیر بیشتر است. با توجه بـه مقـادیر ضـریب چـولگی، دنبالـه کشیده هر چهار پارامتر در سمت چپ قرار دارد. همچنین ضریب چولگی تبخیر نسبت به دیگر پارامترها کمتربوده و تقریبـاً از توزیع نرمال تبعیت میکند.
با توجه به مشکلات و محدودیتهای موجود در اندازه گیری تبخیر به وسیله تشت تبخیر، در این تحقیق به منظور مـدل-سازی تبخیر، از دو روش رگرسیونی غیرخطی چند متغیره و پارامترهای آماری دیگر اندازهگیری شـده در همـان ایسـتگاه هواشناسی استفاده شد.
روش رگرسیونی چند متغیره غیرخطی
در این روش از 5 رابطه ریاضی ارائه شـده در جـدول 2، اسـتفاده شـد. ابتـدا رابطـه ریاضـی موجـود بـین تبخیـر و دیگـر پارامترهای هواشناسی به صورت جداگانه تعیین و با ترکیب آنها با یکدیگر، مدلسـازی تبخیـر روزانـه در مـاه فـروردین و اردیبهشت سال 1391 در ایستگاه ساری انجام گرفته شد.
