تبخیرتعرق بالقوه (PET) یکی از اجزای مهم چرخه آب و تعادل انرژی است. معمولاً مدلهای تجربی تورنتوایت (TH) و پنمنمانتیث (PM) برای محاسبه PET به کار میروند. از آن جایی که مدل TH تنها متغیر دما را به عنوان ورودی در نظر میگیرد، دقت پایینی دارد، در حالی که مدل PM به دلیل استفاده از پارامترهای هواشناسی فراوان بسیار دقیق است. PETحاصل از این دو روش دارای وضوح مکانی پایین بوده و تنها در یک نقطه به دست میآید. بنابراین، در این مقاله با هدف دستیابی به برآورد دقیقتر PET، مدلی بهینه و با وضوح مکانی بالاتر (KPET) توسعه داده شد که با بهرهگیری از حداقل پارامترهای هواشناسی و استفاده از بخار آب قابل بارش (PWV) استخراجشده از سامانههای ماهوارهای ناوبری جهانی (GNSS)، دقت بالایی را در برآورد PET فراهم میکند. بدین منظور، ابتدا اختلاف بین PET بدستآمده از مدلهای PM و TH، یعنی مقدار (DPET) محاسبه شد، سپس با تحلیل رابطه بین DPET و پارامترهای PWV، دما، فشار، موقعیت و زمان یک مدل رگرسیون چندجملهای درجه دو انتخاب شد، و مدل جدید با افزودن DPET برازششده به مقدار اولیه PET حاصل از مدل TH ایجاد شد. نتایج بهکارگیری مدل پیشنهادی در منطقه مطالعاتی لسآنجلس، عملکرد رضایتبخش مدل KPET را نشان داد. از معیارهای آماری ریشه میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و ضریب همبستگی برای ارزیابی مدلهای KPET و TH، نسبت به مدل PMاستفاده و نتایج ارزیابی با یکدیگر مقایسه شد. نتایج آماری به صورت میانگین در تمامی ایستگاههای کنترل، عملکرد برتر مدل KPET را با RMSE برابر 42/0 میلیمتر، MAE برابر 33/0 میلیمتر و ضریب همبستگی برابر 974/0، در مقایسه با مدل TH که دارای RMSE برابر 84/1میلیمتر، MAE برابر 71/1 میلیمتر و ضریب همبستگی برابر 918/0بود، نشان داد. میزان بهبود RMSE در ایستگاههای کنترل به ترتیب 25/72%، 6/82%، 7/79%، 95/78% و 72/62% به دست آمد. این نتایج بیانگر آن است که مدل KPET توسعهیافته در این مطالعه میتواند با دقت و اطمینان بالا PET را با استفاده از دادههای هواشناسی محدود در منطقه، محاسبه کند.
