مدل سازی سری زمانی تبخیر روزانه از تشت در ایستگاه سینوپتیک اهواز

تبخیر از تشت علاوه بر کاربرد در پژوهش های هیدرولوژی، در برآورد تبخیر و تعرق و نیاز آبی گیاهان نیز کاربرد فراوانی دارد. مدل سازی این پارامتر مهم می تواند در تخمین اعداد گم شده و همچنین مدیریت منابع آب کاربرد داشته باشد. بنابراین در این پژوهش با استفاده از چند مدل آماری شامل مانند مدل نرم سازی نمایی، هالت، آریما، مدل روند خطی براون و وینترز به مدل سازی تبخیر روزانه از تشت در ایستگاه اهواز پرداخته شد. برای این هدف از داده های تبخیر روزانه در بازه زمانی سال های ۲۰۲۰-۲۰۰۰ استفاده شد. جهت ارزیابی نتایج مدل ها، از آزمونBox-Ljung و شاخص های آماری جذر میانگین مربعات خطا، ضریب تبیین و ضریب نش- ساتکلیف استفاده شد. نتایج نشان داد که مدل های مورد بررسی در این پژوهش توانایی مدل سازی داده های تبخیر روزانه در ماه های ژانویه، ژوئن، جولای، اکتبر، نوامبر، دسامبر و همچنین فصل تابستان و مقیاس سالانه را ندارند. در مقابل برخی مدل ها به خوبی میزان تبخیر از تشت در ماه های فوریه، مارس، آپریل، می، آگوست، سپتامبر و همچنین فصول زمستان، بهار و پاییز را شبیه سازی نمودند. بهترین نتایج بدست آمده در این پژوهش در ماه فوریه مشاهده شد. برای این ماه مدل آریما با ضریب تبیین ۹۳/۰ و ضریب نش ۹۱/۰ بهترین شبیه سازی را نشان داد. میزان خطای این مدل نیز تنها ۱۴/۰ میلی متر در روز بود. در بین فصول سال نیز فصل پاییز با مدل هالت و با خطای ۲۹/۰ میلی متر در روز بهترین نتایج را نشان داد.