دوره 8، شماره 15 - ( بهار و تابستان 1396 )
جلد 8 شماره 15 صفحات 146-137 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
(2017). Potential Evapotranspiration Estimation using Stochastic Time Series Models
(Case Study: Tabriz)
. J Watershed Manage Res. 8(15), 137-146. doi:10.29252/jwmr.8.15.137
URL: http://jwmr.sanru.ac.ir/article-1-850-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-850-fa.html
بابامیری امید، نوذری حامد، معروفی صفر. برآورد تبخیر– تعرق پتانسیل بر اساس مدلهای تصادفی سری‌زمانی (مطالعه موردی ایستگاه تبریز)
پژوهشنامه مديريت حوزه آبخيز 1396; 8 (15) :146-137 10.29252/jwmr.8.15.137
چکیده: (4341 مشاهده)
تبخیر– تعرق یکی از مهمترین اجزای چرخه هیدرولوژی برای برنامهریزی سیستمهای آبیاری و ارزیابی اثرات هیدرولوژی تغییر اقلیم است. مدلسازی و پیشبینی سریهای زمانی تبخیر– تعرق با روش پنمن مانتیث برای ایستگاه سینوپتیک تبریز با استفاده از مدلهای ARIMA و SARIMA به عنوان مدلهای تصادفی خطی مورد مطالعه قرار گرفت. در این تحقیق، از آمار و اطلاعات ایستگاه تبریز در دوره آماری 2010- 1986 استفاده شد و پس از محاسبه تبخیر– تعرق پتانسیل، از 20 سال اول دادهها برای پیشبینی و 5 سال آخر آنها برای صحتسنجی مدل استفاده شد. محاسبات مربوطه در دو حالت متمایز انجام شد. در حالت اول همه دادهها به عنوان یک سری سالانه در نظر گرفته شدند و مدل مناسب آنها برازش داده شد. در حالت دوم سریهای ماهانه به صورت مجزا در طول دوره آماری انتخاب شدند و برای هر یک از آنها، بهترین مدل برازش داده شده انتخاب گردید. نتایج نشان دادکه حالت اول با ضریب تعیین و ریشه میانگین مربعات خطا، به ترتیب 964/0 و 85/14 در مقایسه با حالت دوم با ضریب تعیین و ریشه میانگین مربعات خطا به ترتیب 963/0 و 52/15، تفاوت معنیداری نداشته و علیرغم آنکه روش اول در حدود 67/0 میلیمتر در ماه خطای کمتری در بر داشته است، ولی در مجموع نتایج دو روش اختلاف معنیداری را ندارد و هر دو قابل توصیه میباشند. در حالت کلی روش اول به دلیل در بر گرفتن محاسبات کمتر قابل توصیه میباشد.
فهرست منابع
1. Allen, R.G., J.L. Jensen, J.L. Wright and R.D. Burman. 1989. Operational estimate of evapotranspiration. Agronomy Journal, 81: 650-662. [DOI:10.2134/agronj1989.00021962008100040019x]
2. Allen, R.G., L.S. Pereira., D. Raes and M. Smith. 1998. Crop Evapotranspiration – Guidelines for Computing rop Water Requirements, FAO Irrigation and Drainage Paper 56, FAO, 1998, ISBN 92-5-104219-5.
3. Babamiri, O., Y. Dinpashoh and E. Asadi. 2014. Calibration and evaluation of seven radiation- based reference crop evapotranspiration method at Urmia lake basin. Water and Soil Science, 23: 143-158 (In Persian).
4. Box, G. and G. Jenkins. 1976. Time series analysis forecasting and control. Holden-Day, San Francisco, 220-235.
5. Box, G., G. Jenkinks and G. Reinsel. 1994. Time series analysis: Forecasting and control. Third Edition, Holden-ay, 148-211.
6. Box, G. and D.R. Cox. 1964. An analysis of transformations, Journal of the Royal Statistical 26: 211-252.
7. Burlando, P., A. Montana and R. Raze. 1996. Forecasting of storm rainfall by combined use of radar, rain gages and linear models. Atmospheric Research, 42: 199-216. [DOI:10.1016/0169-8095(95)00063-1]
8. Chattopahyay, N. and M. Hulme. 1997. Evaporation and potential evapotranspiration in India under conditions of recent and future climate change. Agricultural and Forest Meteorology, 87: 55-73. [DOI:10.1016/S0168-1923(97)00006-3]
9. Cohen S., A. Iantez and G. Stanhill. 2002. Evaporative climate changes at Bet Dagan 1964-1998. Agricultural and Forest Meteorology, 111: 83-91. [DOI:10.1016/S0168-1923(02)00016-3]
10. Dodangeh, A., J. Abedikoupai and A. Gohari. 2012. Application of Time Series Modeling to Investigate Future Climatic Parameters Trend for Water Resources Management Purposes. Journal of Water and Soil Science, Science and Technology of Agriculture and Natural Resources, 59: 59-17 (In Persian).
11. Fooladmand, H. 2010.Monthly prediction of reference crop evapotranspiration in Fars province. Water and Soil Science, 1: 157-169 (In Persian).
12. Ghahreman, N. and A. Gharekhani. 2012. Evaluation stochastic time series models in pan evaporation estimating (case study Shiraz station). Journal of Water Research in Agriculture, 25. 1:75-81 (In Persian).
13. Gundekar, H.G., U.M. Khodke and S. Sarkar. 2008. Evaluation of pan coefficient for reference crop evapotranspiration for semi-arid region. Irrigation Science, 26: 169-175. [DOI:10.1007/s00271-007-0083-y]
14. Hulme, M.Z., C. Zhao and T. Jiang. 1994. Recent and future climate change in East Asia. International Journal of Climatology, 14: 637-.658.
15. Kochekzade, M. and A. Bahmani. 2004. Evaluating the artificial neural network reducing the need parameters to archive reference evapotranspiration. Agricultural Sciences, 11:87-96.
16. Landeras, G., A. Ortiz-Barredo and J.J. López. 2009. Forecasting weekly evapotranspiration with ARIMA and artificial neural network models. Journal of Irrigation and Drainage Engineering, 135: 323-334. [DOI:10.1061/(ASCE)IR.1943-4774.0000008]
17. Niroomand, H.A. 2009. Time series Analysis. Mashhad University, 145-220 (In Persian).
18. Peterson, T.C. 2002. Analysis of trends in US and the former USSR pan evaporation. National Climate Data Center. NOAA16:95-111.
19. Psilovikos, A. and M. Elhag. 2013. Forecasting of remotely sensed daily evapotranspiration data over Nile Delta Region, Egypt. Water Resources Management, 27: 4115-4130. [DOI:10.1007/s11269-013-0368-2]
20. Salas, J.D. 1993. Analysis and modeling of hydrological time series. In: Handbook of Hydrology, Edited by Maidment, D.R, McGraw-Hill, New York, USA 410-455.
21. Shirwani, A. and T. Honar. 2012. Application of time series models for evapotranspiration forecasting in Bajgah station. Shahrekord University Electronic Journal Database, IWRJ. 8: 135-142 (In Persian).
22. Szilagy, J. 2001. Modeled area evaporation trend over the conterminous United States. Journal of Irrigation and Drainage Engineering, 127: 196-200. [DOI:10.1061/(ASCE)0733-9437(2001)127:4(196)]
23. Thomas, A. 2000. Spatial and temporal characteristics of potential evapotranspiration trends over China. International Journal of Climatology, 20: 381-396.
https://doi.org/10.1002/(SICI)1097-0088(20000330)20:4<381::AID-JOC477>3.0.CO;2-K [DOI:10.1002/(SICI)1097-0088(20000330)20:43.0.CO;2-K]
24. Zahedi, M., B. Sarisaraf and J. Jamei. 2006. Modeling the rainfall stations Urmia and Tabriz. Journal of Geography and Regional Development Research Journal, 7: 1-16 (In Persian).
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
