وحید مونس خواه - دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
محمد خالدی علمداری - دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
معین هادی - دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد - گروه مهندسی آب، دانشگاه تبریز

یکی از متغیرهای هواشناسی که در مطالعات اقلیمی و برآورد تبخیرتعرق اهمیت زیادی داشته و عموما دارای خلا.های آماری نسبتا زیادی می باشد، ساعات آفتابی است. در پژوهش حاضر به منظور باز سازی داده های این کمیت در ایستگاه های تبریز، سراب، سهند و مراغه در دوره آماری ۱۳۶۹ تا ۱۳۹۸ از روش های هوشمند رگرسیون ماشین بردار پشتیبان (SVR)، شبکه های عصبی مصنوعی (ANN) و جنگل های تصادفی (RF) و روش های آماری شامل نسبت نرمال (NR)، مختصات جغرافیایی (GC) و ضریب همبستگی وزنی (CCW) استفاده شده است. ، برای ارزیابی و مقایسه نتایج از شاخص های ضریب همبستگی، جذر میانگین مربعات خطا، میانگین انحرافات مطلق و دیاگرام تیلور استفاده گردید. نتایج نشان داد که در حالت کلی، روش های ANN و مختصات جغرافیایی به ترتیب در بین روش های هوشمند و آماری، بالاترین دقت را در بازسازی داده های ساعات آفتابی دارند. در ایستگاه های تبریز و سهند، روش مختصات جغرافیایی به ترتیب با RMSE معادل ۰۴/۱ و ۱۳/۱ ساعت، در سراب روش SVR با RMSE معادل ۵۸/۱ ساعت و در مراغه روش نسبت نرمال با RMSE معادل ۴۵/۱ ساعت، بالاترین دقت را در بازسازی داده های ساعات آفتابی دارند. همچنین روش RF، کمترین دقت را بازسازی داده های ساعت آفتابی از خود نشان داد. به عنوان یک نتیجه کلی چنین می توان بیان نمود که در ایستگاه های تبریز، سراب و سهند، هر دو دسته روش های هوشمند و آماری دقت تقریبا مشابهی دارند ولی در ایستگاه مراغه، روش های آماری برآوردهای دقیق تری در بازسازی داده های ساعات آفتابی دارند.

خلاء آماری, حوضه دریاچه ارومیه, دیاگرام تیلور, ساعات آفتابی