برآورد تبخیر-تعرق واقعی گیاهان زراعی به کمک الگوریتم‌های بیلان انرژی در دشت قزوین

نوع مقاله : پژوهشی

نویسندگان

1 دانش آموختۀ کارشناسی ارشد و دانشجوی دکتری آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی(ره)، قزوین

2 استادیار گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی(ره)، قزوین

3 دانشیار گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی(ره)، قزوین

4 دانشجوی دکتری آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی(ره)، قزوین

چکیده

تخمین دقیق تبخیر‌ـ تعرق در برنامه‏ریزی‏های توسعۀ آبیاری اهمیت ویژه‏ای دارد. تخمین این پارامتر به صورت پیوسته در مکان و با فواصل زمانی کوتاه، فرصت بسیار باارزشی را برای مدیریت بخش‏های مختلف شبکه‏های آبیاری فراهم می‏آورد. بنابراین، در تحقیق حاضر از داده‏های لایسیمتر زهکش‏دار برای صحت‏سنجی نتایج به‌دست‌آمده از تخمین تبخیر-تعرق با استفاده از سه الگوریتم تک‌منبعی SEBAL، METRIC و SSEB و یک الگوریتم دومنبعی TSEB کمک گرفته شد. به منظور برآورد تبخیر‌ـ تعرق از تصاویر ماهواره‏ای سنجنده‏های MODIS، ETM+ طی سال‏های 1379ـ 1382 و تصاویر سنجندۀ OLI & TIRS طی سال‏های 1392- 1395 استفاده شد. به دلیل عدم تطابق زمانی تصویربرداری سنجندۀ OLI & TIRS با زمان داده‏برداری لایسیمتر، نتایج به‌دست‌آمده از تصاویر این سنجنده با نتایج روش هارگریوزـ سامانی (به عنوان روش برتر) ‌ارزیابی شد. نتایج شاخص‏های آماری از برآوردهای به‌دست‌آمده بین الگوریتم‏های تک‌منبعی نشان داد الگوریتم SSEB با کمترین میزان جذر میانگین خطا در هر سه سنجندۀ MODIS، ETM+ و OLI& TIRS (میلی‌متر بر روز 87/0، 41/0 و 92/0RMSE=) و همبستگی زیادی که با داده‏های لایسیمتری داشت (96/0، 99/0 و 97/0 R=) به‏عنوان الگوریتم برتر برای تخمین تبخیر‌ـ تعرق در منطقۀ مطالعه‌شده است. با توجه به وضوح تصاویر در سنجنده‏های ETM+ و OLI & TIRS دقت نتایج تخمین تبخیر‌ـ تعرق در این دو سنجنده پذیرفته است و در نهایت سنجندۀ ETM+ بهترین نتایج را ارائه داد.

کلیدواژه‌ها


[1]. Lingling Z, Jun X, Chng_yu X, Zhonggen W, Cangrui L. Evapotranspiration estimation methods in hydrological models. Geogr. Sci 2013, 23(2): 359-369
[2]. Alizade A, Irrigation System Design, 1st ed. Mashhad, Emam Reza University, 2007 [In Persian]
[3]. Allen R, Tasumi M, Morse A, Trezza R. A Landsat-based energy balance and evapotranspiration model in Western US water rights regulation and planning. (2003). Journal of Irrigation and Drainage Systems.
[4]. Akbari M, Toomanian N, Droogers P, Bastiaanssen W.G.M, Gieske A. Monitoring irrigation performance in Esfahan, Iran, using NOAA satellite imagery.. 2007. Agricultural water management, 88, 99–109.
[5]. Nishida K, Nemani R, Running S, Glassy J. An operational remote sensing algorithm of land surface evaporation, Journal of geophysical research Atmosphere, (2003),. Volume 108, Issue D9
[6]. Bastiaanssen W.G.M., Menenti M., Feddes R.A, Holtslag A.A.M, A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL), Journal of Hydrology, (1998) , 212-213, 198-212.
[7]. Tasumi M, Allen R.G, Trezza R, and Wright J. L. Satellite-based energy balance to assess within population variance of crop coefficient curves. American Society of Civil Engineers, Journal of Irrigation and Drainage Engineering, 2005, 131(1): 94–109.
[8]. Hong S, Hendricjx J, Brochers B, Up-scaling of SEBAL derived evapotranspiration maps from Landsat (30 m) to MODIS (250 m) scale. Jornal of Hydrology (2009) , Vol 370. P 122-138.
[9]. Omidvar J. Et al., "Evaluation and comparison of the SEBAL and METRIC Algorithms in the Estimation of Evapotranspiration", J. Irri. Water Eng, 2013, Yr. 3,No. 12, Pp. 12-20.. [in Persian]
[10]. Mokhtari M. Estimation of Water Requirementof Olive Trees Using Satellite Remote Sensing Data (Case Study Tarom in Zanjan), Ms.c Thesis, University of Zanjan, 2013.[In Persian]
[11]. Allen, R.G., M. Tasumi, and A. Morse. Satellite-based evapotranspiration by METRIC and Landsat for western states water management. US Bureau of Reclamation Evapotranspiration Workshop. 2005. Feb 8–10, Ft. Collins
[12]. Folhes, M.T., C.D. Renno & J.V. Soares, "Remote Sensing for Irrigation WaterManagement in the Semi-Arid Northeast of Brazil", Agri. Water Manag, 2009, Vol. 96,Pp. 1398- 1408.
[13]..Ghorbani A. Faramarzi M. Karami J. Gholami N. Sobhani B.SEBAL and METRIC evaluation in Malayer. Humanities science portal of humanities science and cultural studies institution. , (2016). P153-184 [in Persian].
[14]. Marofi S. Mosavi R, Nasiri Gheidar O. Evaluation of Spatial and temporal variations of water requirement of Qazvin plain using metric algorithm and Landsat satellite images. Quarterly journal of geographic research, (2017), year thirty-second, number two, P80-92[in Persian].
[15]. Senay G.B, Budde M., Verdin J.P. and Melesse A. A Coupled Remote Sensing and Simplified Surface Energy Balance Approach to Estimate Actual Evapotranspiration from Irrigated Fields, (2007) , Sensors, 7, 979-1000.
[16]. Allen R., Tasumi M. and Trezza R. SEBAL (Surface Energy Balance Algorithms for Land) Advanced Training and User’s Manual—Idaho Implementation, (2002),Version 1.0.
[17]. Bezerra B.G,Silva B,Santos C,Bezerra J,Actual Evapotranspiration Estimation Using Remote Sensing: Comparison of SEBAL and SSEB Approaches. Advances in Remote Sensing,.(2015). Vol.4 (3),234-247
[18]. Asare Mostaghim M. Rahimi Khob A. Asare Mostaghim L,Using SSEB Algorithm to study the process of vegetation changes in Amir Kabir Cane Field using Remote Sensing Technique.. (2016). Second National Conference on Confronting Desertification and Sustainable Development of Desert Mines. 1425-1429
[19]. Norman J.M., Kustas W.P. Humes K.S,Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature. Agricultural and Forest Meteorology, (1995). 77: 263-293
[20]. Kustas W.P Norman J.M. A two-source approach for estimating turbulent fluxes using multiple angle thermal infrared observations. Water Resources Research,. 1997, 33: 1495-1508
[21]. Tang R, Li Z. L, Sun X. Temporal upscaling of instantaneous evapotranspiration: An intercomparison of four methods using eddy covariance measurements and MODIS data. Remote Sensing of Environment, (2013). 138, 102–118.
[22]. Kustas W.P. Anderson M.C. Cammalleri C. Alfieri J.G. Utility of a Termal-base Two- source Energy Balance Model for Estimating Surface flux over Complex Landscapes. Procedia Enviromental science. (2013). Vol. 19, 2013. Pp224-230.
 [23]. Bagheri M.H. Et al., "Compression Remote Sensing Single Source and two Sources Models Energy Flux in the Real Evapotranspiration Estimate", J. Rem.Sen. GIS, 2012, Yr. 4, No. 1, Pp. 81-96,. [in Persian]
[24]. Ebrahimi pak N.A. Determination of evapotranspiration potential of reference plant (grass) by lysymeter method and comparison with experimental methods in Qazvin. Ministry of Agricultural Jihad, Agricultural Research, Education and Promotion Organization, Qazvin Agricultural and Natural Resources Research Center [In Persian]
[25]. Rahmani N,Shahedi K,Miryaghobzadeh M. Evaluation of vegetation indices in Remote Sensing, Geomatic Conference. 2011. [In Persian]
[26]. Alavi Panah K. Principles of modern remote sensing and interpretation of stellite imageries and aerial photoes. 2nd edition, Tehran University press. 2011 [In Persian]
[27]. Farid Hoseini A, Astarae A. Sanaee Nejad s.A, Mirhoseini Mosavi P. Estimation of Leaf Area Index using IRS satellite data in Neyshabur, Journal of the Agriculture of Iran. Ferdowsi University. 2012 Volume 10, Issue 3. Pages 577–582. [In Persian]
[28]. Jensen J.R. Remote sensing of the environment:An Earth Perspective. 2000
[29]. Gillespie A, Rokugawa S,Mastunaga T, Cothern J.S,Hook S., Kahle A. B, A Temperture and emissivity sepration alghorithm for advanced spaceborn termal emission and reflection radiometer(ASTER) Images, IEEE Transactions on Geoscience and Remote Sensing, 1998, Vol, 36. Pp 1113-1126.
[30]. Sabziparvar A.A, Fakhrizadeh shirazi E, Marofi S, Rezaei Y. Estimating the land surface albedo using Level1-G and CDR Landsat-7satellite images. Journal of Agricultural Meteorology. 2016.Vol. 3, No. 2, Autumn & Winter 2015, pp.45-54. [In Persian]
[31]. Bastiaanssen W.G.M., Molden D.J. Makin I.W. Remote sensing for irrigated agriculture: examples from research and possible applications. Agricultural water management, 2000, 46: 137-155
[32]. Allen R.G, Tasumi M, Morse A , Trezza R. A Landsat-based energy balance and evapotranspiration model in Western US water rights regulation and planning. Irrigation and Drainage systems, 2005.19: 251-268
[33]. Senay GB. et al, Operational Evapotranspiration Mapping Using Remote Sensing and Weather Datasets: A New Parameterization for the SSEB Approach. Journal of the American Water Resources Association. (2013). Volume 49, Issue 3. Pages 577–591
[34]. Choudhury B, Idso S, Reginato R. Analysis of an empirical model for soil heat flux under a growing wheat crop for estimating evaporation by an infrared-temperature based energy balance equation. Agricultural and Forest Meteorology,1987., 39: 283-297.
[35]. Santanello J.A, Friedl M. Diurnal covariation in soil heat flux and net radiation. Journal of Applied Meteorology. 2003 :42, 851 862.
[36]. Alavi Panah, K. The principles of remote sensing and the interpretation of satellite images and aerial photographs. Tehran University Press. 2012 [In Persian].
[37]. Nazari R and Kaviani A. Evaluation of Potential Evapotranspiration and Pan Evaporative Methods by Lysimeter Data in a Semiarid Climate (Case Study: Qazvin Plain). Journal of Eco-Hydrology,. 2016, Spring 3: 19- [In Persian]
 [38]. Alavi Panah K. Principles of modern remote sensing and interpretation of stellite imageries and aerial photoes. 2nd edition, Tehran University press. 2011 [In Persian]
دوره 5، شماره 4
دی 1397
صفحه 1103-1117
  • تاریخ دریافت: 11 بهمن 1396
  • تاریخ بازنگری: 19 اردیبهشت 1397
  • تاریخ پذیرش: 25 خرداد 1397
  • تاریخ اولین انتشار: 01 دی 1397
  • تاریخ انتشار: 01 دی 1397