برآورد تبخیر و تعرق واقعی گندم و کلزا با استفاده از الگوریتم سبال (مطالعۀ موردی: ایستگاه تحقیقات کشاورزی اسماعیل‌آباد استان قزوین)

نوع مقاله : پژوهشی

نویسندگان

1 دانشجو کارشناسی ارشد، گروه مهندسی آب، دانشکده‌های ابوریحان، دانشگاه تهران، تهران، ایران

2 دانشیار گروه مهندسی آب، دانشکده‌های ابوریحان، دانشگاه تهران، تهران، ایران

3 استادیار بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قزوین، سازمان تحقیقات، آموزش و ترویج کشاورزی، قزوین، ایران

چکیده

تبخیر و تعرق پدیدۀ پیچیده‏ای است که به عوامل و داده‏های زیادی وابستگی دارد، بنابراین تعیین آن، بسیار مشکل و پرهزینه است. در اغلب روش‏هایی که بیشتر با هدف برآورد تبخیر و تعرق ارائه شده، ‏از اندازه‏گیری‏های نقطه‏ای برای تخمین این متغیر استفاده شده است. بنابراین، فقط در مقیاس محلّی مناسب است و به‏ سبب پویایی و تغییرات منطقه‏ای تبخیر و‏ تعرق(ET)  قابل تعمیم به حوضه‏های بزرگ نیست. یکی از الگوریتم‏های سنجش از دور برای برآورد تبخیر و‏ تعرق واقعی الگوریتم بیلان انرژی سطح زمین (سبال) است. در این الگوریتم از طریق برآورد همة مؤلفه‏های انرژی در سطح زمین ازجمله شار تابش خالص، شار گرمای خاک، و شار گرمای محسوس و با استفاده از معادلة بیلان انرژی به محاسبة تبخیر و تعرق اقدام می‏شود. هدف از انجام این تحقیق، مقایسۀ برآورد تبخیر و تعرق واقعی با استفاده از الگوریتم سبال در دو محصول گندم و کلزا با نتایج برآورد تبخیر و تعرق به روش پنمن‌ـ مانتیث‌ـ فائو در محدودة ایستگاه تحقیقات کشاورزی اسماعیل‌آباد، در سال‏ زراعی 1398ـ 1399 است. آزمون آماری T تک‌نمونه‏ای شاخص بازتاب دمای سطح زمین نشان داد بازتاب طیفی دو محصول گندم و کلزا طی دورۀ رشد فنولوژیک تفاوت معنا‏داری با هم داشته است. نتایج تحقیق نشان داد مقادیر محاسباتی دو مدل مطابقت نسبتاً خوبی با هم دارند و مقدار میانگین جذر مربعات خطا (RMSE) در برآورد تبخیر و تعرق واقعی برای گیاهان گندم و کلزا به‌ترتیب 04/3 و 09/2 میلی‌متر بر روز به دست آمد و مقدار ضریب تبیین ((R2 نیز به‌ترتیب 78/0 و 81/0 بوده است. نتایج نشان داد مدل الگوریتم سبال در مقایسه با مدل پنمن‌ـ مانتیث‌ـ فائو (براساس داده‏های بهنگام هواشناسی)، مقدار تبخیر و تعرق را برای گیاه گندم و کلزا کمتر برآورد می‏کند.

کلیدواژه‌ها

مراجع

  • Niroumand HA. Applied multivariate statistical analysis. Mashhad: Ferdowsi University of Mashhad; 1999 [Persian].
  • Karimi AR. Evaluation of remote sensing algorithms (SEBAL and SEBS) for calculation of evapotranspiration using satellite images. MSc. Thesis, Razi University, Kermanshah, 105 pages. 2011. [Persian].
  • Bastiaanssen W, Ahmad MD, Chemin Y. Satellite surveillance of evaporative depletion across the Indus Basin. Water Resources Research. 2002: 38(12): 1273–1281.
  • Ramos JG, Cratchley CR, Kay J, Casterad M A, Martínez -Cob A, Dominguez R. Evaluation of satellite evapotranspiration estimates using ground -meteorological data available for the Flumen District into the Ebro Valley of NE Spain. Agricultural water management. 2009; 96(4): 638 -652.
  • Awada H, Di Prima S, Sirca C, Giadrossich F, Marras S, Spano D, et al. Daily Actual Evapotranspiration Estimation in a Mediterranean Ecosystem from Landsat Observations Using SEBAL Approach. Forests. 2021; 12(189): 1-20.
  • Li X, Xu X, Wang X, Xu S, Tian W, Tian J, et al. Assessing the Effects of Spatial Scales on Regional Evapotranspiration Estimation by the SEBAL Model and Multiple Satellite Datasets: A Case Study in the Agro-Pastoral Ecotone, Northwestern China. Remote Sensing. 2021; 13(1524): 1-22.
  • Karimi A, Farhadi Bansouleh B, Hesadi H. Estimation of Regional Evapotranspiration Using LANDSAT TM Images and SEBAL Algorithm. Iranian Journal of lrrigation and Drainage. 2013; 4(6): 353-364 [Persian].
  • Khoshnavaz F, Honar T, Daneshkar Arasteh P. Estimation of Agricultural Water Productivity Using Remote Sensing Technology (Case Study: Qazvin Plain Irrigation Network). Water and Soil Science. 2015: 25(1-4): 57-68 [Persian].
  • Karbasi M, Moghadam M, Nikbakht J, Kaviani A. Estimation of Crop Actual Evapotranspiration Using SEBAL Algorithm (Case study: Khoramdareh Region at Zanjan province). Iranian Journal of Ecohydrology. 2017; 3(3): 427-437 [Persian].
  • Malekpour M, Babazadeh H, Kaveh F, EbrahimiPak NA. Estimation of Actual Evapotranspiration and Water Productivity of Wheat Using SEBAL Algorithm and Landsat 5TM Images. Journal of Water Research in Agriculture. 2017; 30(4): 569-582 [Persian].
  • Zamansani E, Khoorani A, Sadeghi-e-lari A, Sadidi J. Evaluation of Evapotranspiration of Wheat Using SEBAL Algorithm (Case Study: Agricultural Research Station of Haji Abad). 2018; 49(4): 667-681 [Persian].
  • Ghaderi A, Dasineh M, Shokri M, Abraham J. Estimation of Actual Evapotranspiration Using the Remote Sensing Method and SEBAL Algorithm: A Case Study in Ein Khosh Plain, Iran. Hydrology. 2020; 7(36): 1-14.
  • Mahmodzadeh E, Anvari S. Verification of Estimated Evapotranspiration by Surface Energy Balance Algorithm for Land and the Information of OLI and TIRS Sensors. Watershed Engineering and Management. 2021; 13(1): 150-159 [Persian].

 

  • Farshi AA, Shariati MR, Jarollahi R, Ghaemi MR, Shahabifar M, Tavallaei MM. An Estimate of Water Requirement of Main Field Crops and Orchards in Iran. 1 edition. Karaj: Agricultural Education and Extension Research Organization.1997 [Persian].
  • Moayeri M. Determination of Water Requirement and Comprehensive Irrigation Management of Rapeseed Farms. Institute of Agricultural Engineering and Technical Research, Agricultural Education and Extension Research Organization. 2019 [Persian].
  • Rouse J, Haas R, Schell J, Deering D. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium NASA. 1973; 309-317.
  • Boegh E, Soegaard H, Broge N, Hasager CB, Jensen NO, Schelde K, et al. Airborne multispectral data for quantifying leaf area index, nitrogen concentration, and photosynthetic efficiency in agriculture. Remote Sensing of Environment. 2002; 81: 179-193.
  • Faris Beg AA, Al-Sulttani AH, Ochtyra A, Jarocińska A, Marcinkowsk A. Estimation of Evapotranspiration Using SEBAL Algorithm and Landsat-8 Data-A Case Study: Tatra Mountains Region. Journal of Geological Resource and Engineering. 2016; 6: 257-270.
  • Ihlen V, Zanter K. Landsat 8 (L8) Data Users Handbook. Department of the Interior. U.S. Geological Survey. Version 5.0. 2019.
  • Alizadeh A. Soil, Water, Plant Relationship. 14th Mashhad: Sadjad University; 2014 [Persian].
  • Allen R, Tasumi M, Trezza R. SEBAL (Surface Energy Balance Algorithms for Land) Advanced Training and User’s Manual. Idaho Implementation, Version 1.0. 2002.
  • Bastianssen WGM. Regionalization of surface flux densities and moisture indicators in composite terrain: A remote sensing approach under clear skies in Mediterranean climates. Ph.D. Dissertation, CIP Data Koninklijke Bibliotheek, Den Haag, The Netherlands. 1995
  • Papadavid G, Hadjimitsis D, Toulios L, Michaelides S. A Modified SEBAL Modeling Approach for Estimating Crop Evapotranspiration in Semi -arid Conditions. Water Resources Management. 2013; 27(9): 3493 -3506.
  • Kaviani A, Sohrabi T, Daneshkar Arasteh P. Evapotranspiration and Water Productivity Estimation Using SEBAL Algorithm and Comparison With Lysimeter Data. Iranian Journal of Irrigation and Drainage. 2011; 5(2): 165-175 [Persian].
  • Kaviani A, Sohrabi T, Daneshkar Arasteh P. Estimation of Agricultural Water Productivity in Qazvin Plain Using MODIS, AVHRR Images and Lysimeter Data. Iranian Water Researches Journal. 2013; 7(2): 1-10 [Persian].
  • Abdollahi Dehaki Z. Study of Irrigation Adequacy and Determination of Irrigated Area of Qazvin Network Using Satellite Imagery and SEBAL Algorithm. MSc. Thesis, Imam Khomeini International University, Qazvin, 115 pages. 2015 [Persian].
  • Nazari R, Kaviani A. Evaluation of the Results of Evapotranspiration Estimation of Grass Reference Plant Using METRIC and SEBAL Models in Qazvin Plain. Journal of Water Research in Agriculture. 2016; 30(2): 187-199 [Persian].
  • Firuzi NezamAbadi F, Kaviani A, Moghadasi M, BahmanAbadi B. Comparison Result of Evaluating Actual Evapotranspiration of Crops and Orchards by SEBS and SEBAL Algorithms (Case study: Qazvin plain). Iranian Journal of Irrigation and Drainage. 2019; 12(5): 1266-1280 [Persian].
  • Allen RG, Morse A, Tasumi M, Trezza R, Bastiaanssen W, Wright JL, et al. Evapotranspiration from a satellite -based surface energy balance for the Snake Plain Aquifer in Idaho. Proc. USCID Conference. 2002.
  • Khodarahmi Z, EbrahimiPak NA. Determining the water requirement of wheat in the Qazvin plain by using plant coefficient in real conditions and comparing the results with lysimeter data and the country's national water document. The 11th International Seminar on Irrigation and Evaporation Reduction. Shahid Bahonar University of Kerman, Kerman, Iran. 2011 [Persian].
  • Zare Abyaneh H, Heidari A, Daneshkar Arasteh P. Evaluation of Water Management Performance in Irrigation Network of Qazvin Plain. Journal of Irrigation and Water Engineering. 2020, 10(2): 76-88 [Persian].
اکوهیدرولوژی
دوره 9، شماره 3
مهر 1401
صفحه 475-487

فایل ها

سابقه مقاله

  • تاریخ دریافت: 08 اسفند 1400
  • تاریخ بازنگری: 30 فروردین 1401
  • تاریخ پذیرش: 31 اردیبهشت 1401
  • تاریخ اولین انتشار: 01 مهر 1401
  • تاریخ انتشار: 01 مهر 1401

هم رسانی

ارجاع به این مقاله

آمار