تبخیر و تعرق یکی از اجزای اساسی چرخه ی هیدرولوژی است که تعیین سطح آن در علوم آب از قبیل مطالعات توازن هیدرولوژیکی و مدیریت منابع آب از اهمیت بالایی برخوردار است. تبخیر و تعرق به روش مستقیم با استفاده از لایسی متر انجام می گیرد. اگر چه این روش دارای دقت بالایی است اما مستلزم صرف هزینه های بالا و زمان طولانی است که همیشه امکان پذیر نمی باشد. بنابراین روش های غیر مستقیم توسعه یافتند که در این روش ها با استفاده از عوامل مختلف اقلیمی و گیاهی مؤثر بر نیاز آبی تبخیر و تعرق پوشش گیاهی مورد نظر تخمین زده می شود. در روش تبخیر از تشت برای محاسبه ی تبخیر و تعرق باید ضریب تشت را در مقدار تبخیر از تشت ضرب نمود. مقدار ضریب تشت تبخیر تابعی از عوامل مختلف اقلیمی است که برای محاسبه ی آن از سوی محققان معادله های مختلف نظیر: کونیکا، آلن – پروت، اشنایدر، اشنایدر اصلاح شده و اورنگ ارائه شده است که با استفاده از سرعت باد و رطوبت نسبی به تخمین ضریب تشت می پردازند. بخاطر دشواری و پیچیدگی فرآیند مذکور و با توجه به توانایی شبکه های عصبی مصنوعی به عنوان ابزاری که قابلیت تشخیص روابط غیر خطی پیچیده بین مجموعه اطلاعات ورودی و خروجی بدون تلاش در جهت درک طبیعت پدیده را داراست نیز می توان این ضریب را برآورد نمود. در این تحقیق با استفاده از داده های روزانه: رطوبت نسبی، دمای ماکزیمم، دمای مینیمم، ساعات آفتابی و سرعت باد ایستگاه هواشناسی شیراز برای سال های 2007 – 1992، مقادیر تبخیر و تعرق پتانسیل به روش فائوپنمن مانتیث به عنوان روش مرجع و مقادیر ضریب تشت تبخیر از معادلات تجربی ذکر شده محاسبه گردید. سپس با ضرب ضرائب برآورد شده از معادلات تجربی در مقدار تبخیر از تشت مقادیر تبخیر و تعرق پتانسیل محاسبه شد. نتایج حاصل از این تحقیق نشان داد که استفاده از شبکه های مصنوعی با پارامترهای ورودی رطوبت نسبی،سرعت باد و تبخیر از تشت برای محاسبه تبخیر و تعرق پتانسیل در مقایسه با روش رایج با مقدار ضریب تبیین 89.91 درصد از دقت بالاتری برخوردار است. ...

کلمات کلیدی