پیش بینی تبخیر-تعرق پتانسیل با استفاده از مدل های سری زمانی(مطالعه موردی: ارومیه)

نوع مقاله : مقالات پژوهشی

نویسندگان

چکیده

تبخیر-تعرق پتانسیل یکی ازمهمترین و موثرترین مولفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب می باشد. یکی از روشهای تخمین تبخیر-تعرق استفاده از سری های زمانی است. در این تحقیق، کاربرد سری های زمانی مختلف همچون AR و ARMA در پیش بینی ماهانه تبخیر-تعرق پتانسیل در ایستگاه سینوپتیک ارومیه مورد ارزیابی قرار گرفت. در این فرایند تبخیر-تعرق پتانسیل ماهانه از سال 1350 تا 1389 محاسبه شده و 35 سال داده اولیه برای واسنجی مدل و 5 سال داده آخر برای صحت سنجی آن مورد استفاده قرار گرفت. پس از انتخاب بهترین مدل، با استفاده از آن، مقادیر تبخیر-تعرق پتانسیل برای 5 سال آینده پیش بینی گردید. نتایج نشان داد که مدل سری زمانی AR(11) دارای نتایج بهتری در مقایسه با دیگر مدل ها بوده و روند تغییرات سری زمانی AR(11)خطای کمتری داشت. مقادیر R2 و RMSE در مدل AR(11) به ترتیب 96/0 و 85/1 میلیمتر در ماه بدست آمد.

کلیدواژه‌ها


عنوان مقاله [English]

Predicting Potential Evapotranspiration Using Time Series Models(Case Study: Urmia)

نویسندگان [English]

  • J. Behmanesh
  • M. Montaseri
چکیده [English]

Potential evapotranspiration is one of the most important and effective factors for optimizing agricultural water consumption and water resources management. One of methods for prediction of evapotranspiration is to use the time series models. In this research, application of different time series models, such as AR and ARMA, in order to predicting monthly potential evapotranspiration in Urmia synoptic station were evaluated. In this process, monthly potential evapotranspiration since 1971 to 2010 was determined and the first 35 years and last 5 years were used for model calibration and validation respectively. After selecting the best model, the potential evapotranspiration were predicted for the next 5 years. The results showed that AR(11) time series model had the best results in comparing the other models and the trend of AR(11) time series model had least error. The values of R2 and RMSE in AR(11) model were 0.96 and 1.85 mm/month, respectively.

کلیدواژه‌ها [English]

  • AR
  • ARMA
  • Predicting
  • Potential Evapotranspiration
  • Time Series
  • Urmia Synoptic Station
CAPTCHA Image