ارزیابی روابط بین متغیرهای هواشناسی و تبخیر-تعرق واقعی با استفاده از رگرسیون و خوشه‏‌بندی سلسله مراتبی (مطالعة موردی: کستلوترانو ایتالیا)

نوع مقاله : مطالعه موردی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

2 دانشیار، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

3 دانشیار گروه مهندسی آبخیزداری دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

4 محقق، گروه مهندسی، دانشگاه پالرمو، پالرمو، ایتالیا

چکیده

تبخیر-تعرق به ‏دلیل تأثیر بر میزان نیاز آبی، به‏ عنوان یکی از مهم ‏ترین متغیرهای چرخة هیدرولوژیکی، اهمیت به‏ سزائی دارد. برای بررسی تأثیر متغیرهای هواشناسی بر این عامل در منطقة مورد مطالعه در نزدیکی شهر کستلوترانو در جنوب ایتالیا، از داده‏ های هواشناسی ایستگاه هواشناسی-کشاورزی کستلوترانو و تبخیر-تعرق واقعی استخراج شده و از روش ادی کوواریانس مربوط به سال ‏های 2009 تا 2016 استفاده و با روش‌های رگرسیون ساده و خوشه ‏بندی سلسله ‏مراتبی تجمعی بررسی شد. تحلیل رگرسیون متغیرهای هواشناسی و تبخیر-تعرق واقعی، همبستگی بالایی با یک‌دیگر نشان داد که می‏توان از آن‏ ها به‏ عنوان نماینده در مدل‏ سازی‏ های هیدرولوژیکی استفاده نمود. نتایج روش خوشه‏ بندی سلسله مراتبی ادغامی با 70 درصد تشابه نشان داد، 24 متغیر در هفت خوشة مجزا قرار گرفته و اعضای خوشه‏ها به غیر از خوشة پنج ‏دارای ماهیت یکسانی هستند و این موضوع مؤید همبستگی بالای متغیرهای دارای ماهیت یکسان و استقلال متغیرهای هواشناسی دارای ماهیت متفاوت است. هم‏چنین، در این پژوهش روش رگرسیون دامنة وسیعی از 276 رابطه برای پیش‏بینی همة متغیرهای هواشناسی و تبخیر-تعرق واقعی ارائه می‏ دهد. جمع ‏بندی تحلیل همبستگی روابط نشان می‏دهد رطوبت نسبی، کلیدی ‏ترین متغیر (مناسب‏ ترین پیش‏بینی‌کنندة سایر متغیرها) با اولویت 375/8 و رتبة یک است. ‏علاوه‌براین در پژوهش حاضر نمایندگان خوشه‏ های هفت ‏گانه برای شبیه‏ سازی تبخیر-تعرق واقعی مشخص شد که از این ‏میان تابش کلی خورشید با ضریب همبستگی برابر با 713/0، بهترین متغیر پیش ‏بینی‌کنندة تبخیر- تعرق واقعی بر اساس روش پژوهش است.

کلیدواژه‌ها

موضوعات


Aguirre-García, S.D., Aranda-Barranco, S., Nieto, H., Serrano-Ortiz, P., Sánchez-Cañete, E.P., & Guerrero-Rascado, J.L. (2021). Modelling actual evapotranspiration using a two source energy balance model with Sentinel imagery in herbaceous-free and herbaceous-cover Mediterranean olive orchards. Agricultural and Forest Meteorology, 311, 108692. doi:10.1016/j.agrformet.2021.108692
Alexandris, S., Kerkides, P., & Liakatas, A. (2006). Daily reference evapotranspiration estimates by the “Copais” approach. Agricultural Water Management, 82(3), 371-386. doi:10.1016/j.agwat.2005.08.001
Alempour Rajabi, F., Ghorbani, M., & Asadi, A. (2023). Modeling of the evaporation process using the hybrid algorithm of the COOT bird and artificial neural network, Water and Soil Management and Modeling, 4(2), 279-294. doi:10.22098/mmws.2023.12692.1266. [In Persian]
Antonopoulos, V.Z., & Antonopoulos, A.V. (2018). Evaluation of different methods to estimate monthly reference evapotranspiration in a Mediterranean area. Water Utility Journal, 18, 61-77. https://www.ewra.net/wuj/pdf/WUJ_2018_18_06.pdf
Aschonitis, V.G., Antonopoulos, V.Z., & Papamichail, D.M. (2012). Evaluation of pan coefficient equations in a semi-arid Mediterranean environment using the ASCE standardized Penman-Monteith method. Agricultural Sciences, 3(1), 58-65. doi:10.4236/as.2012.31008
Aydın, Y. (2021). Assessing of evapotranspiration models using limited climatic data in Southeast Anatolian Project Region of Turkey. Peer Journal, 9, e11571. doi:10.7717/peerj.11571
Bangdiwala, S.I. (2018). Regression: simple linear. Injury Control and Safety Promotion25(1), 113-115.doi:10.1080/17457300.2018.1426702
Baradaran, F., Mohammadi, E., & Izadpanah, Z. (2018). Evaluation of SIMETAW model for simulation of meteorological parameters and potential evapotranspiration in four different climates. Journal of Irrigation Science and Engineering, 40(2), 237-249. doi:10.22055/JISE.2017.13182. [In Persian]
Blei, D.M., & Lafferty, J.D. (2009). Text mining: Classification, clustering, and applications. chapter Topic Models, Chapman & Hall/CRC. doi.org/10.1201/9781420059458
Brutsaert, W. (2005). Evapotranspiration hydrology: An Introduction; Brutsaert, W., Ed.; Cambridge University Press: Cambridge, UK, 117-158. doi:10.1017/CBO9780511808470
Brutsaert, W.H. (1982). Evaporation into the Atmosphere: Theory, History, and Applications. Springer, Dordrecht, 299. doi:10.1007/978-94-017-1497-6
Cammalleri, C., Rallo, G., Agnese, C., Ciraolo, G., Minacapilli, M., & Provenzano, G. (2013). Combined use of eddy covariance and sap flow techniques for partition of ET fluxes and water stress assessment in an irrigated olive orchard. Agricultural Water Management, 120, 89-97. doi:10.1016/j.agwat.2012.10.003.
Çobaner, M., Çıtakoğlu, H., Haktanır, T., & Yelkara, F. (2016). Determining the most appropriate Hargreaves–Samani equation for the Mediterranean region. Engineering Journal, 7(2), 181-190.
Fu, C., Wu, H., Zhu, Z., Song, C., Xue, B., Wu, H., Ji, Z., & Dong, L. (2021). Exploring the potential factors on the striking water level variation of the two largest semi-arid-region lakes in northeastern Asia. Catena, 198, 105037. doi:10.1016/j.catena.2020.105037
Efthimiou, N., Alexandris, S., Karavitis, C., & Mamassis, N. (2013). Comparative analysis of reference evapotranspiration estimation between various methods and the FAO56 Penman-Monteith procedure. European Water, 42, 19-34.
Ganji, H., & Kajisa, T. (2019). Assessing reference evapotranspiration using Penman-Monteith and Pan methods in the West region of Afghanistan. International Journal of GEOMATE, 16(56), 209-216. doi:10.21660/2019.56.5305
Jato-Espino, D., Charlesworth, S.M., Perales-Momparler, S., & Andrés-Doménech, I. (2017). Prediction of evapotranspiration in a Mediterranean region using basic meteorological variables. Hydrologic Engineering, 22(4), 04016064. doi:10.1061/(ASCE)HE.1943-5584.0001485
Khari, D., Agdarnejad, A., & Ebrahimi Pak, N. (2023). Comparison of artificial intelligence models and experimental models in estimating reference evapotranspiration (Case study: Ramhormoz synoptic station). Water and Soil Management and Modeling, 3(2), 112-124. doi:10.22098/mmws.2022.11293.1117. [In Persian]
Kitsara, G., Papaioannou, G., Zygoura, E., & Kerkides, P. (2015). Trends of reference evapotranspiration over Greece in a future climate. In E-proceedings of 9th World Congress of EWRA “Water resources management in a changing world: challenges and opportunities”, Istanbul, Turkey. I-1. session (Vol. 4).
Maina, M.M., Amin, M.S.M., Aimrun, W., & Asha, T.S. (2012). Evaluation of different ET0 calculation methods: a case study in Kano State, Nigeria. Philipp Agric Scientist95(4), 378-382.
Manca G., (2003). Analisi dei flussi di carbonio di una cronosequenza di cerro (Quercus cerris L.) dell’Italia centrale attraverso la tecnica della correlazione turbolenta. Ph.D. Thesis, Universita` degli Studi della Tuscia, Viterbo, Italian.
Mehdizadeh, S., Behmanesh, J., & Khalili, K. (2017). Using MARS, SVM, GEP and empirical equations for estimation of monthly mean reference evapotranspiration. Computers and Electronics in Agriculture139, 103-114. doi:10.1016/j.compag.2017.05.002
Mohammadi, M., Jahantigh, H., & Zulfiqari, F. (2023). Monthly prediction of pan evaporation using individual and combined approach of data mining models in arid regions, Water and Soil Management and Modeling, 4(2), 227-240.  doi:10.22098/mmws.2023.12728.1270. [In Persian]
Naoum, S., & Tsanis, I.K. (2003). Hydroinformatics in evapotranspiration estimation. Environmental Modelling & Software18(3), 261-271. doi:10.1016/S1364-8152(02)00076-2
Norusis, M.J. (2010). Cluster Analysis in PASW Statistics 18 Statistical Procedures Companion Upper Saddle River, NJ: Prentice-Hall.
Paraskevas, C., Georgiou, P., Ilias, A., Panoras, A., & Babajimopoulos, C. (2013). Evapotranspiration and simulation of soil water movement in small area vegetation. International Agrophysics27(4), 445-453. doi:10.2478/intag-2013-0015
REDDY, K.C. (2014). Evaluation of reference evapotranspiration estimation methods in Nellore region, Civil, Structural, Environmental and Infrastructure Engineering Research and Development, 4(2), 111, 118. https://www.academia.edu/download/33647009/13._Civil_-_Evaluation_-_K._Chandrasekhar_Reddy.Pdf
Sakellariou-Makrantonaki, M., & Vagenas, I. (2006). Mapping crop evapotranspiration and total crop water requirements estimation in Central Greece. European Water13(14), 3-13. http://ewra.net/ew/pdf/EW_2006_13-14_01.pdf
Steduto, P., Caliandro, A., Rubino, P., Ben Mechlia, N., Masmoudi, M., Martinez Cob, A, Faci,M.j. & Snyder, R.L. (1996). Penman-Monteith reference evapotranspiration estimates in the mediterranean region. in: evapotranspiration and irrigation scheduling. in evapotranspiration and irrigation scheduling. Proceedings of the International Conference.  364-367. https://www.cabidi
gitallibrary.org/doi/full/10.5555/19971911218
Talebi, H., Samdian Fard, S., & Valizadeh Kamran, Kh. (2023). A novel method based on Landsat 8 and MODIS satellite images to estimate monthly reference evapotranspiration in arid and semi-arid climates, Water and Soil Management and Modeling, 3(3), 180-195. doi:10.22098/mmws.2023.12048.1198. [In Persian]
Tan, P., Steinbach, M., & Kumar, V. (2005). Cluster Analysis: Basic Concepts and Algorithms. Introduction to Data Mining, Addison-Wesley, Boston, USA, 487-568. doi:10.1016/j.jhydrol.
2012.12.034
Tryon, R. (1939). Cluster Analysis: Correlation Profile and Orthometric (factor) Analysis for the Isolation of Unities in Mind and Personality. Edwards Brothers Malloy, AnnArbor, Michigan, USA. https://www.scirp.
org/reference/referencespapers?referenceid=1866589
Tsakiris, G., & Vangelis, H.J.E.W. (2005). Establishing a drought index incorporating evapotranspiration. European Water9(10), 3-11.http://danida.vnu.edu.vn/cpis/files/Refs/Drought/Establishing%20a%20Drought%20Index%20Incorporating%20Evapotranspiration.pdf
UNESCO, & UN-Water. (2020). United Nations World Water Development Report 2020. Paris, France.https://aquadocs.org/handle/1834/42227
Trajković, S., & Stojnić, V. (2008). Simple daily ET0 estimation techniques. Facta universitatis-series: Architecture and Civil Engineering6(2), 187-192. doi:10.2298/FUACE0802187T
Valiantzas, J.D. (2006). Simplified versions for the Penman evaporation equation using routine weather data. Hydrology331(3-4), 690-702. doi:10.1016/j.jhydrol.2006.06.012
Yim, O., & Ramdeen, K.T. (2015). Hierarchical cluster analysis: comparison of three linkage measures and application to psychological data. The Quantitative Methods for Psychology11(1), 8-21. doi:10.20982/tqmp.11.1.p008