Published June 8, 2024 | Version v1
Publication Open

Use of gene expression programming to predict reference evapotranspiration in different climatic conditions

Creators

  • 1. Jiangsu University
  • 2. Govind Ballabh Pant University of Agriculture and Technology
  • 3. Abdelmalek Essaâdi University
  • 4. Luleå University of Technology
  • 5. King Saud University
  • 6. Mansoura University

Description

Abstract Evapotranspiration plays a pivotal role in the hydrological cycle. It is essential to develop an accurate computational model for predicting reference evapotranspiration (RET) for agricultural and hydrological applications, especially for the management of irrigation systems, allocation of water resources, assessments of utilization and demand and water use allocations in rural and urban areas. The limitation of climatic data to estimate RET restricted the use of standard Penman–Monteith method recommended by food and agriculture organization (FAO-PM56). Therefore, the current study used climatic data such as minimum, maximum and mean air temperature ( T max , T min , T mean ), mean relative humidity (RH mean ), wind speed ( U ) and sunshine hours ( N ) to predict RET using gene expression programming (GEP) technique. In this study, a total of 17 different input meteorological combinations were used to develop RET models. The obtained results of each GEP model are compared with FAO-PM56 to evaluate its performance in both training and testing periods. The GEP-13 model ( T max , T min , RH mean , U ) showed the lowest errors (RMSE, MAE) and highest efficiencies ( R 2 , NSE) in semi-arid (Faisalabad and Peshawar) and humid (Skardu) conditions while GEP-11 and GEP-12 perform best in arid (Multan, Jacobabad) conditions during training period. However, GEP-11 in Multan and Jacobabad, GEP-7 in Faisalabad, GEP-1 in Peshawar, GEP-13 in Islamabad and Skardu outperformed in testing period. In testing phase, the GEP models R 2 values reach 0.99, RMSE values ranged from 0.27 to 2.65, MAE values from 0.21 to 1.85 and NSE values from 0.18 to 0.99. The study findings indicate that GEP is effective in predicting RET when there are minimal climatic data. Additionally, the mean relative humidity was identified as the most relevant factor across all climatic conditions. The findings of this study may be used to the planning and management of water resources in practical situations, as they demonstrate the impact of input variables on the RET associated with different climatic conditions.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يلعب التبخر والنتح المجرد دورًا محوريًا في الدورة الهيدرولوجية. من الضروري تطوير نموذج حسابي دقيق للتنبؤ بالتبخر والنتح المرجعي (RET) للتطبيقات الزراعية والهيدرولوجية، خاصة لإدارة أنظمة الري وتخصيص الموارد المائية وتقييمات الاستخدام والطلب وتخصيصات استخدام المياه في المناطق الريفية والحضرية. أدى تقييد البيانات المناخية لتقدير ريت إلى تقييد استخدام طريقة بنمان- مونتيث القياسية التي أوصت بها منظمة الأغذية والزراعة (FAO - PM56). لذلك، استخدمت الدراسة الحالية البيانات المناخية مثل الحد الأدنى والحد الأقصى ومتوسط درجة حرارة الهواء ( T max ، T min ، T mean )، ومتوسط الرطوبة النسبية (متوسط RH)، وسرعة الرياح ( U ) وساعات أشعة الشمس ( N ) للتنبؤ بـ RET باستخدام تقنية برمجة التعبير الجيني (GEP). في هذه الدراسة، تم استخدام ما مجموعه 17 مجموعة مختلفة من مدخلات الأرصاد الجوية لتطوير نماذج الطاقة المتجددة. تتم مقارنة النتائج التي تم الحصول عليها لكل نموذج من نماذج المنظور الجنساني مع FAO - PM56 لتقييم أدائها في كل من فترات التدريب والاختبار. أظهر نموذج GEP -13 ( T max ، T min ، RH mean ، U ) أدنى الأخطاء (RMSE، MAE) وأعلى الكفاءات ( R 2 ، NSE) في الظروف شبه القاحلة (Faisalabad و Peshawar) والرطبة (Skardu) بينما كان أداء GEP -11 و GEP -12 أفضل في الظروف القاحلة (Multan، Jacobabad) خلال فترة التدريب. ومع ذلك، فإن GEP -11 في ملتان وجاكوب أباد، GEP -7 في فيصل أباد، GEP -1 في بيشاور، GEP -13 في إسلام أباد وسكاردو تفوقت في فترة الاختبار. في مرحلة الاختبار، تصل قيم نماذج GEP R 2 إلى 0.99، وتراوحت قيم RMSE من 0.27 إلى 2.65، وقيم MAE من 0.21 إلى 1.85 وقيم NSE من 0.18 إلى 0.99. تشير نتائج الدراسة إلى أن تعميم مراعاة المنظور الجنساني فعال في التنبؤ بتكنولوجيا الطاقة المتجددة عندما يكون هناك الحد الأدنى من البيانات المناخية. بالإضافة إلى ذلك، تم تحديد متوسط الرطوبة النسبية باعتباره العامل الأكثر صلة في جميع الظروف المناخية. يمكن استخدام نتائج هذه الدراسة لتخطيط وإدارة الموارد المائية في المواقف العملية، لأنها توضح تأثير متغيرات المدخلات على RET المرتبطة بالظروف المناخية المختلفة.

Translated Description (French)

Résumé L'évapotranspiration joue un rôle central dans le cycle hydrologique. Il est essentiel de développer un modèle informatique précis pour prédire l'évapotranspiration de référence (RET) pour les applications agricoles et hydrologiques, en particulier pour la gestion des systèmes d'irrigation, l'allocation des ressources en eau, les évaluations de l'utilisation et de la demande et les allocations d'utilisation de l'eau dans les zones rurales et urbaines. La limitation des données climatiques pour estimer les RET a limité l'utilisation de la méthode standard Penman–Monteith recommandée par l'organisation pour l'alimentation et l'agriculture (FAO-PM56). Par conséquent, la présente étude a utilisé des données climatiques telles que la température minimale, maximale et moyenne de l'air ( T max , T min , T moyenne ), l'humidité relative moyenne (HR moyenne ), la vitesse du vent ( U ) et les heures d'ensoleillement ( N ) pour prédire la RET en utilisant la technique de programmation de l'expression génique (PEG). Dans cette étude, un total de 17 combinaisons météorologiques d'entrée différentes ont été utilisées pour développer des modèles RET. Les résultats obtenus de chaque modèle de PEG sont comparés à ceux de la FAO-PM56 pour évaluer ses performances à la fois dans les périodes de formation et de test. Le modèle GEP-13 ( T max , T min, RH moyenne , U ) a montré les erreurs les plus faibles (RMSE, MAE) et les rendements les plus élevés ( R 2 , NSE) dans des conditions semi-arides (Faisalabad et Peshawar) et humides (Skardu) tandis que GEP-11 et GEP-12 sont les plus performants dans des conditions arides (Multan, Jacobabad) pendant la période d'entraînement. Cependant, GEP-11 à Multan et Jacobabad, GEP-7 à Faisalabad, GEP-1 à Peshawar, GEP-13 à Islamabad et Skardu ont surperformé en période de test. En phase de test, les valeurs R 2 des modèles GEP atteignent 0,99, les valeurs RMSE allaient de 0,27 à 2,65, les valeurs MAE de 0,21 à 1,85 et les valeurs NSE de 0,18 à 0,99. Les résultats de l'étude indiquent que la PEG est efficace pour prédire les RET lorsqu'il y a peu de données climatiques. De plus, l'humidité relative moyenne a été identifiée comme le facteur le plus pertinent dans toutes les conditions climatiques. Les résultats de cette étude peuvent être utilisés pour la planification et la gestion des ressources en eau dans des situations pratiques, car ils démontrent l'impact des variables d'entrée sur les RET associées à différentes conditions climatiques.

Translated Description (Spanish)

Resumen La evapotranspiración juega un papel fundamental en el ciclo hidrológico. Es esencial desarrollar un modelo computacional preciso para predecir la evapotranspiración de referencia (RET) para aplicaciones agrícolas e hidrológicas, especialmente para la gestión de sistemas de riego, asignación de recursos hídricos, evaluaciones de utilización y demanda y asignaciones de uso de agua en áreas rurales y urbanas. La limitación de los datos climáticos para estimar la ter restringió el uso del método estándar de Penman–Monteith recomendado por la organización de alimentación y agricultura (FAO-PM56). Por lo tanto, el estudio actual utilizó datos climáticos como la temperatura mínima, máxima y media del aire ( T max , T min , T media ), la humedad relativa media (RH media ), la velocidad del viento ( U ) y las horas de sol ( N ) para predecir RET utilizando la técnica de programación de expresión génica (GEP). En este estudio, se utilizaron un total de 17 combinaciones meteorológicas de entrada diferentes para desarrollar modelos de RET. Los resultados obtenidos de cada modelo GEP se comparan con FAO-PM56 para evaluar su desempeño tanto en periodos de entrenamiento como de prueba. El modelo GEP-13 ( T max , T min , RH media , U ) mostró los errores más bajos (RMSE, MAE) y las eficiencias más altas ( R 2 , NSE) en condiciones semiáridas (Faisalabad y Peshawar) y húmedas (Skardu), mientras que GEP-11 y GEP-12 se desempeñan mejor en condiciones áridas (Multan, Jacobabad) durante el período de entrenamiento. Sin embargo, GEP-11 en Multan y Jacobabad, GEP-7 en Faisalabad, GEP-1 en Peshawar, GEP-13 en Islamabad y Skardu tuvieron un rendimiento superior en el período de prueba. En la fase de prueba, los valores de R 2 de los modelos GEP alcanzan 0,99, los valores de RMSE oscilaron entre 0,27 y 2,65, los valores de MAE entre 0,21 y 1,85 y los valores de NSE entre 0,18 y 0,99. Los hallazgos del estudio indican que GEP es eficaz para predecir RET cuando hay datos climáticos mínimos. Además, la humedad relativa media se identificó como el factor más relevante en todas las condiciones climáticas. Los hallazgos de este estudio pueden utilizarse para la planificación y gestión de los recursos hídricos en situaciones prácticas, ya que demuestran el impacto de las variables de entrada en la RET asociadas con diferentes condiciones climáticas.

Files

s13201-024-02200-8.pdf.pdf

Files (6.0 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:5d9cd0f4159a6bef3a2e29ba636bb59f
6.0 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
استخدام برمجة التعبير الجيني للتنبؤ بالتبخر والنتح المرجعي في الظروف المناخية المختلفة
Translated title (French)
Utilisation de la programmation de l'expression génique pour prédire l'évapotranspiration de référence dans différentes conditions climatiques
Translated title (Spanish)
Uso de la programación de expresión génica para predecir la evapotranspiración de referencia en diferentes condiciones climáticas

Identifiers

Other
https://openalex.org/W4399464389
DOI
10.1007/s13201-024-02200-8

Is supplement to
https://openalex.org/W2390166155 (Other)
https://openalex.org/W2358274547 (Other)
https://openalex.org/W2357574271 (Other)
https://openalex.org/W2350550488 (Other)
https://openalex.org/W2120643273 (Other)
https://openalex.org/W2091782719 (Other)
https://openalex.org/W2084722163 (Other)
https://openalex.org/W2034133462 (Other)
https://openalex.org/W1982775134 (Other)
https://openalex.org/W1968560158 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Morocco

References

  • https://openalex.org/W1123274752
  • https://openalex.org/W1501347617
  • https://openalex.org/W1542869478
  • https://openalex.org/W1812453514
  • https://openalex.org/W1916899590
  • https://openalex.org/W1963496479
  • https://openalex.org/W1972641521
  • https://openalex.org/W1978128908
  • https://openalex.org/W1984974391
  • https://openalex.org/W1992656882
  • https://openalex.org/W1993752546
  • https://openalex.org/W1996750440
  • https://openalex.org/W2002115844
  • https://openalex.org/W2003696872
  • https://openalex.org/W2006104326
  • https://openalex.org/W2009203913
  • https://openalex.org/W2010004439
  • https://openalex.org/W2011412119
  • https://openalex.org/W2017198208
  • https://openalex.org/W2040895345
  • https://openalex.org/W2045106323
  • https://openalex.org/W2062631119
  • https://openalex.org/W2063109543
  • https://openalex.org/W2063756720
  • https://openalex.org/W2069346125
  • https://openalex.org/W2088704524
  • https://openalex.org/W2089342818
  • https://openalex.org/W2106721205
  • https://openalex.org/W2133615664
  • https://openalex.org/W2142775068
  • https://openalex.org/W2151571212
  • https://openalex.org/W2152236704
  • https://openalex.org/W2159215977
  • https://openalex.org/W2167140044
  • https://openalex.org/W2169690625
  • https://openalex.org/W2171675708
  • https://openalex.org/W2172396214
  • https://openalex.org/W2196207709
  • https://openalex.org/W2247666031
  • https://openalex.org/W2272340793
  • https://openalex.org/W2274744025
  • https://openalex.org/W2323316069
  • https://openalex.org/W2338227759
  • https://openalex.org/W2338540254
  • https://openalex.org/W2493022751
  • https://openalex.org/W2605471345
  • https://openalex.org/W2607361996
  • https://openalex.org/W2619390517
  • https://openalex.org/W2744070334
  • https://openalex.org/W2748741876
  • https://openalex.org/W2749106749
  • https://openalex.org/W2776334266
  • https://openalex.org/W2791896807
  • https://openalex.org/W2792214562
  • https://openalex.org/W2795493439
  • https://openalex.org/W2798019963
  • https://openalex.org/W2803292397
  • https://openalex.org/W2807996033
  • https://openalex.org/W2888611374
  • https://openalex.org/W2892089788
  • https://openalex.org/W2901988499
  • https://openalex.org/W2920819147
  • https://openalex.org/W2921467030
  • https://openalex.org/W2944755434
  • https://openalex.org/W2948651089
  • https://openalex.org/W2953807054
  • https://openalex.org/W2962705023
  • https://openalex.org/W2968910527
  • https://openalex.org/W2994036105
  • https://openalex.org/W3007521077
  • https://openalex.org/W3011744717
  • https://openalex.org/W3014183577
  • https://openalex.org/W3016654606
  • https://openalex.org/W3021295700
  • https://openalex.org/W3030428089
  • https://openalex.org/W3090808744
  • https://openalex.org/W3120410098
  • https://openalex.org/W3122717461
  • https://openalex.org/W3126780384
  • https://openalex.org/W3179175769
  • https://openalex.org/W3185216501
  • https://openalex.org/W3198482670
  • https://openalex.org/W3203655502
  • https://openalex.org/W3215877144
  • https://openalex.org/W4200073531
  • https://openalex.org/W4200407991
  • https://openalex.org/W4213059379
  • https://openalex.org/W4213075471
  • https://openalex.org/W4220890252
  • https://openalex.org/W4229016253
  • https://openalex.org/W4229443943
  • https://openalex.org/W4245407374
  • https://openalex.org/W4281550409
  • https://openalex.org/W4281758198
  • https://openalex.org/W4281907808
  • https://openalex.org/W4283644410
  • https://openalex.org/W4284898335
  • https://openalex.org/W4285793930
  • https://openalex.org/W4289278167
  • https://openalex.org/W4292553393
  • https://openalex.org/W4292999419
  • https://openalex.org/W4296741931
  • https://openalex.org/W4306686594
  • https://openalex.org/W4377233488
  • https://openalex.org/W4379507672
  • https://openalex.org/W4386742170
  • https://openalex.org/W4388228481
  • https://openalex.org/W4388732500
  • https://openalex.org/W4389355737
  • https://openalex.org/W4390013159
  • https://openalex.org/W4390539533
  • https://openalex.org/W4391309074
  • https://openalex.org/W4391748811
  • https://openalex.org/W4392136849