انتخاب مناسب‌ترین معادله‌های تجربی تخمین تبخیر-تعرق گیاه مرجع و واسنجی ضرایب آن‌ها برای منطقه رشت

نویسندگان

1 - دانشجوی دکترای آبیاری و زهکشی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران

3 استادیار پژوهش، موسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی،

4 موسسه تحقیقات برنج کشور سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران

چکیده

با توجه به تغییر اقلیم و خشک­سالی­های اخیر، مدیریت صحیح سامانه­های آبیاری و منابع آب، بسیار با اهمیت است. از طرفی رسیدن به میزان محصول بهینه با توجه به کمبود آب، مستلزم برآورد درست میزان آب مورد نیاز گیاه است به­طوری که مانع از هدر رفت آب و یا ایجاد تنش آبی در گیاه شود.در این پژوهش، میزان تبخیر-تعرق گیاه مرجع طی سه سال زراعی با استفاده از لایسیمتر اندازه­گیری شد. سپس با نرم­افزار Ref-ET، میزان تبخیر-تعرق مرجع با 16 معادله تجربی با استفاده از داده­های هواشناسی، برآورد شد. معنی­دار بودن اختلاف مقادیر اندازه­گیری و برآورد شده با استفاده از نرم­افزار SPSSسنجیده شد که معادله­های تجربی هارگریوز و پریستلی تیلور و پنمن (فائو) به عنوان مناسب­ترین روش­ها برای منطقه رشت انتخاب شدند. سپس، برای داده­های به­دست آمده از دو سال زراعی و با اعمال رگرسیون غیرخطیدر نرم­افزار SPSS، ضرایب بهینه برای دو معادله­ی هارگریوز و پریستلی تیلور برآورد شد و با استفاده از داده­های به­دست آمده در سال سوم واسنجی صورت گرفت. مقادیر RMSEو nRMSEبرای ارزیابی محاسبه شد که به­ترتیب برای معادله هارگریوز بهینه شده 20/0 میلی­متر بر روز و 60/4 درصد و برای معادله پریستلیتیلور بهینه شده به ترتیب 22/0 میلی­متر بر روز و 5/4 درصد به­دست آمد.

کلیدواژه‌ها


عنوان مقاله [English]

Selection of the best empirical equations to predict reference evapotranspirationand their coefficient calibration in Rasht region

نویسندگان [English]

  • hedieh Pouryazdankhah 1
  • Mohammad Reza Khaledian 2
  • teymoor Razavipour 3
  • mojtaba rezaie 4
1 PhD student of Irrigation and Drainage, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran, h_pyazdankhah@yahoo.com
2 Assistant Professor, Water Engineering Department, Faculty of Agricultural Sciences, University of Guilan., Rasht., Iran
3 Assistant Professor,Rice Research Institute of Iran, Agricultural Research, Education and Extension Organization (AREEO), Rasht
4 Assistant Professor,Rice Research Institute of Iran, Agricultural Research, Education and Extension Organization
چکیده [English]

Regardingthe climate change and recent droughts, the proper management of irrigation systems and water resources is very important. However, achieving the optimum crop yields due to lack of water requires, the accuracy estimating the amount of water by the plants to prevent water loss and or water stress in plants is needed. In this study, the reference evapotranspiration using lysimeter was measured during three cropping seasons. Applying Ref-ET software, the reference evapotranspiration with 16 empirical equations using meteorological data were estimated, the significant difference between measured and estimated was determined using SPSS software. The empirical equations Hargreaves, Priestley-Taylor and Penman (FAO) were determined as the most suitable methods for the studied area. For the obtained data from two growing seasons and by applying nonlinear regression in SPSS software, optimized coefficients for the two Priestley-Taylor and Hargreaves equations were estimated, and then by using obtained data in the third year, thevalidation was done and RMSE as well as nRMSE values were calculated to assess the equations that for optimized Hargreaves were 0.20 mm/day and 4.60% and for optimized Priestley-Taylor equation were 0.22 mm/day and 4.5%, respectively.

کلیدواژه‌ها [English]

  • Hargreaves
  • Non-linear regression
  • optimization
  • Priestly-Taylor
  • Rasht
ابراهیمی‌راد، ح. 1389. بررسی تغییرات کیفیت آب آبیاری شبکه سفیدرود در دوره­های مختلف رشد بر عملکرد برنج، پایان‌نامه کارشناسی ارشد، دانشگاه آزاد اسلامی.
انتصاری،م.ر.، نوروزی،م.، سلامت،ع.ر.، احسانی،م.، توکلی،ع.ر. 1375. مقایسه روش پنمن- مانتیث با سایر روش‌های توصیه شده جهت مجاسبه تبخیر- تعرق پتانسیل (ET0) در چند منطقه مختلف ایران، مجموعه مقالات هشتمین سمینار کمیته ملی آبیاری و زهکشی ایران. 11: 237-221.
بی­نام. 1387. آمار سالیانه هواشناسی استان گیلان، سازمان هواشناسی استان گیلان.
رحیم‌زادگان،ر. 1370. جستجوی روش مناسب برآورد تبخیر-تعرق  در منطقه اصفهان.. مجله‌ علوم کشاورزی ایران. شماره 22. 1 - 2: 9-1.
زارع ‌ابیانه،ح.، بیات ورکشی،م.، سبزی‌پرور،ع.ا.، معروفی،ص.، قاسمی،ع. 1389. ارزیابی روش‌های مختلف برآورد تبخیر - تعرق گیاه مرجع و پهنه‌بندی آن در ایران، پژوهش‌های جغرافیای طبیعی: 110-95.
صمدی،ح.، مجدزاده،ب. 1382. مقایسه تبخیر - تعرق گیاه مرجع محاسبه شده به وسیله فرمول‌های تجربی با لایسیمتر در کرمان، مجموعه مقالات هشتمین سمینار آبیاری و کاهش تبخیر: 22-19.
علیزاده،ا. 1383. رابطه آب و خاک و گیاه. انتشارات دانشگاه امام رضا. مشهد.
علیزاده،ا. 1386. طراحی سیستم‌های آبیاری سطحی (جلد اول)، انتشارات دانشگاه امام رضا. مشهد.
محمدیان،ا. 1385. اندازه‌گیری تبخیر- تعرق از روش بیلان انرژی و مقایسه آن با روش مستقیم و غیرمستقیم. پایان­نامه کارشناسی ارشد هواشناسی کشاورزی، دانشگاه فردوسی مشهد.
موسوی بایگی،م.، عرفانیان،م.، سرمد،م. 1388. استفاده از حداقل داده‌های هواشناسی برای برآورد تبخیر- تعرق گیاه مرجع و ارایه ضرایب اصلاحی (مطالعه موردی: استان خراسان رضوی). مجله آب و خاک شماره 23. 1: 99-91.
نورانی،و.، سیاح­فرد،م. 1392. آنالیز حساسیت داده­های ورودی به شبکه عصبی مصنوعی به منظور برآورد مقدار تبخیر روزانه، آب و فاضلاب. 3: 100-88.
Allen,R.G. 2001. REF-ET reference evapotranspiration software, version 2.0. For FAO and ASCE standardized equations. Kimberly, Idaho: University of Idaho Research and Extension Center.
Allen,R.G., Pereira,L.S., Raes,D., Smith,M. 1998. Crop evapotranspiration (Guidelines for computing crop water requirements), FAO irrigation and drainage Paper No. 56. Food and Agricultural Organization of the United Nations, Rome, 300p.
Aytek,A. 2008. Co-active neuro-fuzzy Inference system for evapotranspiration modeling, soft computing-a fusion of foundations, Methodologies and Applications. 13.7: 691-700.
Blaney,H.F., Criddle,W.D. 1950. Determining Water Requirements in Irrigated Area from Climatological Irrigation Data, US Department of Agriculture, Soil Conservation Service, Technical Paper 96, 48p.
Melo,G.L., Fernandes,A.L.T. 2012. Evalution of empirical methods to estimate reference evapotranspiration in Uberaba, State of Minas Gerais, Engenharia Agricola. 32. 5: 875-888.
Djaman,K., Balde,A.B., Sow,A., Muller,B., Irmak,S., NDiaye,M., Manneh,B., Moukoumbi,Y.D., Futakuchi,K., Saito,K. 2015. Evalution of sixteen reference evapotranspirstion methods under sahelian condition in the Senegal River Valley. Journal of Hydrology: Regional Studies. 3: 139-159.
Doorenbos,J., Pruitt,W.O. 1977. Crop Water Requirements. Irrigation and Drainage Paper 24, Food and Agriculture Organization of the United Nations: Rome, Italy. 144 p.
Fathi,P., Kochakzadeh,M. 2004. Estimate of greenhouse cucumber transpiration by artifical neural networks. Journal of Soil and Water Science. 18.2: 213-220.
Gundekar,H.G., Khodke,U.M., Sarkar,S. 2008. Evalution of pan coeffient for reference crop evapotranspiration for reference crop evapotranspiration for semi-arid region. Irrigation Science. 26: 169-175.
Hargreaves,G.L., Samani,Z.A. 1985. Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture. 1.2: 96-99.
Irmak,S., Irmak,A., Allen,R.G., Jones,J.W. 2003. Solar and net radiation based equations to estimate reference evapotranspiration in humid climates, Journal of Irrigation and Drainage Engineering. 129: 336-347.
Jamieson,P.D., Porter,J.R., Wilson,D.R. 1991. A test of the computer simulationmodel ARC-WHEAT1 on wheat crops grown in New Zealand. Field CropsResearch. 27: 337-350.
Kostinakis,K., Xystrakis,F., Theodoropoulos,K., Stathis,D., Eleftheriadou,E and Matzarakis,A. 2011. Estimation of reference potential evapotranspiration with focus on vegetation science-the EmPEst software. Journal of irrigation and drainage engineering. 616-619.
Lin,C.H., Chao,C., Chen,W.F.2008. Estimation of regionalevapotranspiration by adaptive network-based fuzzy inference system forDan-Shui basin in Taiwan, Journal of the Chinese Institute of Engineers. 30.6: 1091-1096.
Liu,Y and Luo,Y. 2010. A consolidated evaluation of the FAO-56 dual crop coefficient approach using the lysimeter data in the North China Plain. Agriculture water management. 97: 31-40.
Maina,M.M., Amin,M.S.M., Rowshon,M.d.K., Aimrun,W., Samsuzana,A.A and Yazid,M.A. 2014. Effects of crop evapotranspiration estimation techniques and weather parameterson rice crop water requirement. Australian Journal of Crop Science. 8.4: 495-501.
Priestley,C.H.B., Taylor,R.J. 1972. On the assessment of surface heat flux and evaporation using large scale parameters. Monthly Weather Review. 100: 81-92.
Racz,C., Nagy,J., Dobos,A.C. 2013. Comparison of Several Methods for calculation of reference evapotranspiration. Acta Silvatica and Lignaria Hungarica. 9: 9-24.
Rahimi Khoob,A. 2008. Artificial neural network estimation of reference evapotranspiration from pan evaporation in a semi-arid environment. Irrigation Science.27: 35-39.
Razi,MA., Athappilly,K. 2005. A comparative predictive analysis of neural networks (NNs), nonlinear regression and classification and regression tree (CART) models, Expert System with Applications. 29:65-74.
Stagnitti,F., Parlange,J.Y., Rose,C.W. 1989. Hydrology of a small wet catchment. Hydrological Processes. 3: 137-150.
Turc,L. 1961. Estimation of irrigation water requirements, potential evapotranspiration: a simple climatic formula evolved up to date, Annals of Agronomy. 12: 13-49.
Xu,C.-Y and Singh,V.P. 2002. Cross comparison of empirical equations for calculating potential evapotranspiration with data from Swizerland. Water Resources Management. 16: 197-219.