تزداد أهمية التنبؤ باستجابة إنتاجية المحاصيل المختلفة لمستوى الري لدوره في تحديد معدل الـري
الأمثل في ظروف محدودية توافر المياه، و بغية الاستمرار في الإنتاج و تحقيق الريعية العالية. أُجريت هذه
الدراسة بهدف تقييم قدرة البرنامج CropWat على التنبؤ بتأ
ثير الري الناقص فـي محـصول القطـن
و لإيجاد بعض الخيارات البديلة لري محصول القطن. جمعت بيانات إنتاجية المحصول و استهلاكه المـائي
من التجارب الحقلية لثلاثة مواسم متتالية (2007 – 2009) لتقييم مدى استجابة محصول القطن المروي
بالتنقيط للري الناقص (DI).
أجريت حسابات مستمرة للانفضاج التبخري (ET أو LE) باسـتخدام طريقـة Covariance Eddy
و طريقة موازنة الطاقة خلال أكثر من سنة فوق غطاء نباتي غير متجانس في نظام بيئي يمثل واحة جافة
في وسط صحراء سورية. إن طريقة الري السائدة هي الغمر التقليدي، و بتـواتر لتو
زيـع الميـاه كـل
28 يوماً. ركز العمل على دراسة التغيرات الفصلية لموازنة الطاقة خلال سنتين، مع تركيز خـاص علـى
تأثيرات الهطول المطري، و سرعة الرياح، و الموازنة الإشعاعية على الانفضاج التبخري. كان الانفـضاج.
لقد ظهر التأثير المهم لأمطار الشتاء في LE حتى في أثناء تطبيق 1 - التبخري الأعظمي فقط day.mm 5
الري. بينت مقارنة حالتين مختلفتين في حزيران 2002 و حزيران 2003 وجود زيادة بمقدار %13 في قيم
G-Rn/ LE .لقد وجدت القيم الأعظمية للمتوسطات الساعية للانفضاج التبخري عند سرعة رياح قرابـة
. يشير هذا إلى أنه عندما يتجاوز المتطلب التبخري للهواء (أو عجز ضغط بخار الماء vpd (حداً 1-s.3m
معيناً يغلق النبات مساماته بهدف تقليل معدل فقد الماء بالنتج. أظهرت نتائج التحقق من موازنة الطاقـة
وجود فروقات معنوية في ميل علاقة LE+H مقابل G-Rn بين الشهر الحار و الشهر البارد، و يعزى ذلك
إلى الموازنة الإشعاعية الخاصة بالمناطق الصحراوية.
تُعتبر القدرة على التقدير والتنبّؤ الدقيق بالظواهر الهيدرولوجيّة من العوامل الأساسيّة في تنمية وإدارة الموارد المائيّة، ووضع الخطط المائيّة المستقبليّة وفق سيناريوهات التغيّرات المناخيّة المختلفة، ويعد التبخّر نتح أحد أهم العوامل في الدورة الهيدرولوج
يّة ومن أكثرها تعقيداً، كما أنّ القدرة على التنبّؤ الدقيق بقيم هذه الظاهرة هي من العوامل المهمّة في العديد من تطبيقات الموارد المائيّة.
لذلك تهدف هذه الدراسة إلى التنبّؤ بقيم التبخر نتح المرجعي الشهري (ET0) في محطّة حمص المناخيّة، في المنطقة الوسطى من الجمهوريّة العربيّة السوريّة، باستخدام الشبكات العصبيّة الاصطناعيّة (ANNs) ونظام الاستدلال الضبابي (FIS)، بالاعتماد على البيانات المناخيّة المتاحة، والمقارنة بين نتائج هذه النماذج.
تضمّنت البيانات المستخدمة 347 قيمة شهريّة لدرجة حرارة الهواء (T)، الرطوبة النسبيّة(RH) ، سرعة الرياح(WS) وعدد ساعات السطوع الشمسي(SS) (من تشرين الأول 1975 وحتى كانون الأول 2004)، في حين حُسبت قيم التبخّر نتح المرجعي الشهري باستخدام طريقة بنمان مونتيث، والتي هي الطريقة المرجعيّة المعتمدة من قبل المنظمة الدوليّة للزراعة والأغذية التابعة للأمم المتحدة (FAO)، واستُخدمت هذه القيم كمخرجات للنماذج.
أظهرت نتائج الدراسة أنّ نماذج الشبكات العصبيّة الاصطناعيّة ذات التغذية الأماميّة والانتشار العكسي للخطأ تمكّنت من التنبّؤ بقيم التبخّر نتح المرجعي الشهري بنجاح، حيث أعطت النماذج قيماً منخفضة لجذر متوسّط مربّعات الأخطاء (RMSE) ومرتفعة لمعاملات الارتباط(R) ، وكذلك تبيّن أنّ استخدام ترتيب الشهر كمُدخل إضافي يُحسّن من دقّة التنبّؤ للشبكات العصبيّة الاصطناعيّة.
أظهرت النتائج أيضاً القدرة الجيّدة لنماذج الاستدلال الضبابي على التنبّؤ بقيم التبخّر نتح المرجعي الشهري، حيث تبيّن أن عدد ساعات السطوع الشمسي هي أكثر العوامل المناخيّة المنفردة تأثيراً في عمليّة التنبّؤ، حيث بلغ معامل الارتباط 97.71% وجذر متوسّط مربّعات الأخطاء 18.08 mm/month خلال مرحلة الاختبار للنموذج، في حين كان عدد ساعات السطوع الشمسي وسرعة الرياح أكثر عاملين مؤثرين سويةً على عمليّة التنبّؤ بمعامل ارتباط 98.55% وجذر متوسّط مربّعات أخطاء 12.49 mm/month خلال مرحلة الاختبار للنموذج.
أظهر هذا البحث الموثوقيّة العالية لاستخدام الشبكات العصبيّة الاصطناعيّة ونظام الاستدلال الضبابي في التنبّؤ بقيم التبخر نتح المرجعي الشهري، مع وجود أفضليّة بسيطة للشبكات العصبيّة الاصطناعيّة، والتي يمكن أن تضيف ترتيب الشهر إلى طبقة المدخلات الأمر الذي يزيد من دقّة التنبّؤات. توصي هذه الدراسة بالتوسّع في استخدام تقنيّات الذكاء الاصطناعي في نمذجة الظواهر المعقّدة واللاخطيّة المتعلقة بالموارد المائيّة.
