تبخیر-تعرق از اجزاء اصلی چرخه هیدرولوژی است و در تعیین نیاز آبی گیاه، مطالعات بیلان آبی و مدیریت منابع آب نقش مهمی دارد. تاکنون روش­های مستقیم و غیر مستقیم متعددی برای برآورد تبخیر- تعرق گیاه مرجع ارائه شده است، اما هر یک از این روش­ها دارای محدودیت­ هایی هستند. به عنوان مثال، از محدودیت­ های روش­های اندازه­ گیری مستقیم می­ توان به عدم دقت وسایل اندازه­ گیری و مسائل مربوط به مقیاس اشاره کرد، در حالی که روش­های غیر مستقیم نظیر معادله پنمن-مانتیث، به پارامترهای اقلیمی روزانه زیادی نیاز دارند. در این تحقیق سعی گردید از روش نگاشت خود سامان به عنوان یک روش شبکه عصبی مصنوعی غیر نظارت شونده در پیش­بینی تبخیر-تعرق با حداقل پارامترهای هواشناسی به عنوان ورودی، استفاده گردد. براساس شاخص­ های ارزیابی خوشه­ بندی فازی، مقادیر ETo در مشهد به دو خوشه با تبخیر-تعرق کم و زیاد تقسیم شد که با اقلیم منطقه مطابقت نشان داد. همچنین به منظور ارزیابی کارایی مدل ارائه شده از معیارهای آماری شامل (ریشه میانگین مربعات خطا، ضریب تعیین ومعیار ناش-ساتکلیف) استفاده گردید و نتایج حاصله با برآوردهای حاصل از مدل­ های تجربی مقایسه گردید. نتایج حاصله نشان داد که حتی ساده ­ترین مدل نگاشت خود سامان با ترکیب متوسط دمای هوا و حداکثر ساعات آفتابی به عنوان ورودی نیز خطای کمتری نسبت به معادلات تجربی دارد.

کلمات کلیدی