Comparison of some evapotranspiration models using lysimeter measurements in arid climate conditions. (30th March 2022)

• Record Type: Journal Article
• Authors: Tarı, Ali Fuat; Nacar, Mehmet Sami; Nacar, Abdullah Suat; Akın, Sabri
• Is Part Of: Irrigation and drainage. Volume 71:Number 4(2022)
• Page Start: 948
• Page End: 958
• Publication Date: 2022-03-30
• Subjects: alfalfa -- crop evapotranspiration -- ET models -- weighing lysimeter; évapotranspiration -- Réseau de mémoire à long terme -- Transformation des ondelettes -- Réseau de neurones artificiels -- Machine d'apprentissage extrême; Irrigation engineering -- Periodicals; Drainage -- Periodicals; Flood control -- Periodicals; Sustainable agriculture -- Periodicals; 627.52
• DOI: 10.1002/ird.2707
• Languages: English
• ISSNs: 1531-0353

Abstract

Abstract: Accurate calculation of evapotranspiration (ET) for all crops plays an important role. This study was conducted to determine the most accurate reference evapotranspiration (ETr ) estimation model for arid climatic conditions using the decision support system (DSS) program for alfalfa plants in south‐east Anatolia, Turkey, in 2019 and 2020. The evapotranspiration of 12 mathematical models (ETr‐m ) and the evapotranspiration of a lysimeter (ETr‐l ) were used to estimate ETr . In 2 experimental years, 1133 and 1270 mm of irrigation water were applied to alfalfa plants, respectively. The actual total ET was calculated as 1288 and 1294 mm in 2019 and 2020, respectively. The root mean square error (RMSE), mean absolute error (MAE), ETr‐m /ETr‐l, and index of agreement ( d ) were calculated separately for each mathematical model. The RMSE, MAE, ETr‐m /ETr‐l and d values for the mathematical models had a range of 1.25–3.57 mm day −1, 0.91–1.98 mm day −1, 0.64–1.04 and 0.56–0.94, respectively. According to the results of the regression analysis with the RMSE, MAE, ETr /ETr‐m and d values obtained from the models, the Businger–Van Bavel model was the most accurate prediction model. The others were the FAO PPP‐17 Penman and the 1982 Kimberly Penman models, respectively. Résumé: L'évapotranspiration (ET) est un élément vital du cycle hydrologique, ET une estimation précise de l'évapotranspiration de référence (ET0) est d'une grande importance dans la planification ET la gestion des ressources en eau en agriculture. Dans cette étude, le réseau de mémoire à long terme (LSTM), le réseau de neurones artificiels (ANN), la machine à apprendre extrême (ELM), et leurs modèles couplés à des ondules ont été utilisés pour l'estimation quotidienne de l'et0. À des fins de comparaison, cette étude a également étudié la capacité d'estimation ET0 de trois modèles empiriques typiques, à savoir l'équation de Hargreaves‐Samani (HS), l'équation de Penman (PM) et l'équation de Priestley‐Taylor (PT). Les données météorologiques journalières ont été obtenues à partir de deux stations météorologiques, Pékin et Baoding, situées dans la partie nord de la plaine du nord de la Chine. Les résultats ont montré que les modèles d'apprentissage automatique simple (ML), par exemple ANN, ELM, LSTM, ont été trouvés plus stables et ont généralement de meilleures performances globales que les modèles ML couplés à des ondelettes. En outre, le modèle LSTM a obtenu de meilleurs résultats parmi les modèles simples ML et est bien supérieur aux modèles HS, PM et PT. Le modèle LSTM a permis à l'erreur carrée moyenne racine (RMSE) et l'erreur absolue moyenne (MAE) des modèles ANN et ELM de diminuer respectivement de 5, 1 à 69, 5 % et de 8, 3 à 72, 7 %. De plus, le modèle LSTM a permis aux modèles empiriques RMSE et MAE de diminuer respectivement de 6, 3 à 83, 0 % et de 5, 7 à 84, 2 %.