برآورد تبخیر-تعرق واقعی با استفاده از تصاویر ماهواره‌ای و الگوریتم‌های تک منبعی و دو منبعی در دشت قزوین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی‌ارشد آبیاری و زهکشی، گروه مهندسی آب دانشگاه بین‌المللی امام خمینی (ره)

2 استادیار گروه مهندسی آب دانشگاه بین المللی امام خمینی (ره)

3 دانشیار گروه مهندسی آب دانشگاه بین‌المللی امام خمینی)ره)

4 دانشجوی دکتری آبیاری و زهکشی گروه مهندسی آب دانشگاه بین المللی امام خمینی

چکیده

تبخیر-تعرق مرجع یک پدیده چند متغیره و پیچیده است که به عوامل متعددی وابسته است. دقیق­ترین روش برآورد آن، استفاده از لایسیمتر است که مستلزم صرف وقت و هزینه زیادی است. از این رو هدف اصلی این تحقیق برآورد تبخیر-تعرق واقعی براساس الگوریتم­های تک منبعی SEBALو SSEBو الگوریتم دو منبعی TSEBدر سه سنجنده MODIS ، ETM+وOLI & TIRSاست که در سه مرحله صورت گرفته است. در برآورد تبخیر-تعرق براساس الگوریتم SEBAL، شاخص تعدیل شده پوشش گیاهی(SAVI) و فاکتور تصحیح اثرات زمینه خاک (L)از اهمیت ویژه‌ای برخوردار است به همین منظور این شاخص به عنوان ضریب کالیبراسیون در نظر گرفته شد که با توجه به وضعیت درصد پوشش سبز روی سطح زمین انتخاب شد. نتایج حاصل از هر سه سنجنده نسبت به داده­های لایسیمتری خطای کمتری نسبت به مقدار تبخیر-تعرق بدست آمده با فرض 5/0L= داشته است (mm/day 49/1، 84/0، 76/1=RMSE). برای صحت‌سنجی نتایج حاصل از کالیبراسیون از 30 % باقیمانده داده‌های لایسیمتری استفاده شد. نتایج شاخص­های آماری تفاوت معنی­دار(در سطح 95%) داده­های پیش­بینی شده را بیان می‌کند. نتیجه اینکه، با مقایسه سه الگوریتم در سه سنجنده MODIS،ETM+و OLI & TIRSالگوریتم SSEBدر سنجنده ETM+در سطح معنی­دار( 95%) و مشاهده کمترین میزان خطا (mm/day 41/0=RMSE) به عنوان الگوریتم برتر برای تخمین تبخیر-تعرق در دشت قزوین معرفی شد.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of Actual Evapotranspiration Using Satellite Imageries and Single-Source and Two-Source Surface Energy Balance Algorithms in Qazvin Plain

نویسندگان [English]

  • Bahare Bahman abadi 1
  • Abbas Kaviani 2
  • peyman daneshkar 3
  • Rasta Nazari 4
1 water engineering department of International university of Imam Khomeini
2 Assistant professor of Water Engineering Dep., Imam Khomeini International University
3 Associate Prof., Water Engineering Dept., Imam Khomeini International University, Qazvin, Iran.
4
چکیده [English]

Reference Evapotranspiration is a complex and multivariate phenomenon that depends on several factors and the most accurate way to estimate is lysimeter, though it is costly and time-consuming. Therefore, the main objective of this study was to estimate actual evapotranspiration based on single-source energy balance, i.e. SEBAL and SSEB, and two-source energy balance algorithm, i.e. TSEB, in three sensors MODIS, ETM+ and OLI & TIRS in three steps. In evapotranspiration estimating by SEBAL, Soil Adjusted Vegetation Index and the correction factor for soil effects (L) are particularly important. For this purpose, this index was used as calibration coefficient that is selected based on percentage of vegetation coverage. According to the results, the actual evapotranspiration with L calibrated (L=0/5) had lower error in each of the three sensors (RMSE=1/76, 0/84, and 1/49 mm/day). For verification of calibration results, 30% of the remaining lysimeter data was used. The results of the statistical indices showed significant difference between the predicted data at the 95% level and also in the predictions. Finally, by comparing the three algorithms in the three sensors i.e. MODIS, ETM +, and OLI & TIRS, SSEB algorithm in ETM + sensor was introduced  as the best algorithm in Qazvin plain area, at 95% significance level and RMSE of 0/41 mm/day.

کلیدواژه‌ها [English]

  • SEBAL
  • SSEB
  • TSEB
  • SAVI
  • Soil Adjusted Vegetation Index

مراجع

  1. ابراهیمی پاک، ن. ع.، (1379). تعیین تبخیر –تعرق پتانسیل گیاه مرجع(چمن) به روش لایسیمتر و مقایسه با روش­های تجربی در قزوین. وزارت جهاد کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مرکز تحقیقات کشاورزی و منابع طبیعی قزوین
  2. ابراهیمی، ح. یزدانی، و (1390). محاسبه تبخیر-تعرق فضای سبز به روش SEBAL (مطالعه موردی: پارک ملت مشهد). مجله پژوهش­های آب و خاک (1392) جلد2. شماره 3.
  3. حسن­پور، ب. میرزایی، ف. ارشد، ص و کوثری، ه. (1388). مقایسه الگوریتم­های SEBAL و SSEB در برآورد تبخیر-تعرق در منطقه کرج. نشریه آب و خاک (علوم و صنایع کشاورزی). اسفند 1391 . جلد 26. ص 1371-1360
  4. سیمایی، ا . همایی، م و نوروزی ع. ا. (1392) ارزیابی روش‌های برآورد تبخیر-تعرق با استفاده از اطلاعات سنجنده­های TM و  MODIS. نشریه حفاظت منابع آب و خاک، سال دوم، شماره 4، تابستان1392، ص 29-40.
  5. عصاره مستقیم م.، رحیمی خوب ع.، عصاره مستقیم ل.1395 استفاده از الگوریتم SSEB جهت بررسی روند تغییرات پوشش گیاهی مزرعه نیشکر امیرکبیر با استفاده از تکنیک سنجش از دور.دومین همایش ملی مقابله با بیابان­زایی و توسعه پایدار تالاب­های کویری ایران.1429-1425
  6. علوی پناه، سیدکاظم. (1391). اصول سنجش از دور نوین و تفسیر تصاویر ماهواره­ای و عکس­های هوایی. انتشارات دانشگاه تهران
  7. علیزاده، ا. 1385 . طراحی سیستمهای آبیاری، جلد اول، انتشارات آستان قدس رضوی، 460 ص.
  8. علیزاده، ا.،.1383 اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا، چاپ هفدهم. صفحات489
  9. کاویانی، ع. سهرابی، ت. دانشکارآراسته، پ. (1392). تخمین دمای سطح زمین با استفاده از شاخص نرمال شده (NDVI) در تصاویر سنجنده­های MODIS و ETM+. مجله هواشناسی کشاورزی. جلد1. شماره 1. بهار و تابستان 1392. صفحه­های 25-14
  10. کرباسی م.، مقدم م.، نیکبخت ج.، کاویانی ع.(1395) تخمین تبخیر-تعرق با استفاده از الگوریتم SEBAL (مطالعه موردی منطقه خرم­دره در استان زنجان. مجله اکوهیدرولوژی. 3(3):437-427.
  11. کاویانی. ع، سهرابی. ت و دانش کار آراسته. پ، (1390) کاربرد الگوریتم SEBAL در تخمین تبخیر - تعرق و بهره وری آب کشاورزی در دشت قزوین و مقایسه نتایج آن با دادههای لایسیمتر. مجله آبیاری و زهکشی ایران، جلد 5، شماره 2، صفحه­های 165 تا 175.
  12. میریعقوب زاده، م.، م.ر.، قنبرپور. (1388). بکارگیری دادههای سنجش از دور در برآورد دمای سطح اراضی(مطالعه موردی حوزه آبخیز وردین، آذربایجان شرقی). مجله علمی پژوهشی مرتع، 734-723 :4.
  13. Allen, R., Tasumi, M, Morse, A. and Trezza, R. (2003). A Landsat-based energy balance and evapotranspiration model in Western US water rights regulation and planning. Irrigation and Drainage Systems.
  14. Allen, R., Tasumi, M. and Trezza, R. (2002) SEBAL (Surface Energy Balance Algorithms for Land) Advanced Training and User’s Manual—Idaho Implementation, Version 1.0.
  15. Allen, R.G., Pereira, L.S., Raes, D. and Smith, M. 1998. Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements. FAO Irrigation and Drainage Paper, 56, Rome, Italy, 300 p
  16. Bagheri H., M.H., (2012), Assessment of Remote Sensing Technique for Estimation of Water Balance Components in Basin Scale, Emphasizing on Net Groundwater Exploitation: a case study on Urmia lake basin, Master of Science Thesis, University of Tarbiat Modares, 126.
  17. Bastiaanssen, W. (2000). SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey. J Hydrol229: 87–100.
  18. Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A. and Holtslag, A.A.M. (1998) A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 1. Formulation. Journal of Hydrology, 212-213, 198-212.
  19. Bastiaanssen, W.G.M., Pelgrum, H., Wang, J., Ma, Y., Moreno, J.F., Roenrink, G.J. and van der Wal, T. (1998).Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 2. Validation. Journal of Hydrology, 212-213213-229
  20. Bastianssen,W. G. M, and Chandrapala, L. (2003).water balance variability across Sri Lanka for assessing agricultureal and environmental water use. Agric Water management 58(2):171-191.
  21. Bastianssen,W. G. M, and Chandrapala, L. (2003).water balance variability across Sri Lanka for assessing agricultureal and environmental water use. Agric Water management 58(2):171-191.
  22. Betts, A. K., J. H. Ball, and A. C. M. Beljaars, Comparison between the land surface response of the ECMWF model and the FIFE-(1987) data, Q. J. R. Meteorol. Soc., 119, 975-1001, 1993.
  23. Bezerra,B.G.,Silva,B.,Santos,C.,Bezerra,J.(2015). Actual Evapotranspiration Estimation Using Remote Sensing: Comparison of SEBAL and SSEB Approaches. Advances in Remote Sensing, Vol.4 (3),234-247
  24. Casa, R. Rossi, M. Sappa, G. Trotta, A. (2008). Assesing Crop water Demand by Remote Sensing and GIS for the Pontina Plain, Central Italy. Water resource management, July 2009, Vol 23, Issue 9, pp 685-1712.
  25. Colaizzi, P. D., Kustas, W. P., Anderson, M. C., Agam, N.,Tolk, J. A., Evett, S. R., Howell, T. A.,Gowda, P. H., and O’Shaughnessy, S. A.: Two-source energy balance model estimates of evapotranspiration using component and compositesurface temperatures, Adv. Water Resour., 50, 134–151,doi:10.1016/j.advwatres.2012.06.004, (2012a).
  26. French, A., Jacob, F., Anderson, M., Kustas, W., Timmermans, W., Gieske, A., Su, Z., Su, H., Mccabe, M. and Li, F. (2005). Surface energy fluxes with the Advanced Spaceborne Thermal Emission and Reflection radiometer (ASTER) at the Iowa 2002 SMACEX site (USA). Remote Sensing of Environment, 99: 55-65
  27. Gowda, P.,Senay, G.,Howell, T.,Marek,T.H.(2009).Lysimetric Evaluation of Simplified surface Energy Balance Approach in the TEXAS High Plains. Applied Engineering in agriculture , 25(5):665-669
  28. Huntingford, C., Verhoef, A. and Stewart, J. 2000. Dual versus single source models for estimating surface temperature of African savannah. Hydrology and Earth System Sciences, 4:185-191.
  29. Kustas, W. P. and Anderson, M.: Advances in thermal infrared remote sensing for land surface modeling, Agr. Forest Meteorol.,149, 2071–2081, doi:10.1016/j.agrformet.2009.05.016, 2009
  30. Kustas, W.P. Anderson, M.C. Cammalleri, C. Alfieri, J.G. (2013). Utility of a Termal-base Two- source Energy Balance Model for Estimating Surface flux over Complex Landscapes. Procedia Enviromental science. Vol. 19, 2013. Pp224-230.
  31. Li, F., Kustas, W. P., Prueger, J. H., Neale, C. M., and Jackson, T.J.: Utility of remote sensing-based two-source energy balance model under low-and high-vegetation cover conditions, J. Hydrometeorol., 6, 878–891, doi:10.1175/JHM464.1, 2005.
  32. Norman, J.M., Kustas, W.P. and Humes, K.S. (1995). Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature. Agricultural and Forest Meteorology, 77: 263-293
  33. Qi J, Chehbouni A., Huete A.R., Kerr Y.H., 1994. Modified Soil Adjusted Vegetation Index (MSAVI). Remote Sens Environ 48:119-126
  34. Senay, G.B., Budde, M., Verdin, J.P. and Melesse, A. (2007) A Coupled Remote Sensing and Simplified Surface Energy Balance Approach to Estimate Actual Evapotranspiration from Irrigated Fields. Sensors, 7, 979-1000.
  35. Stewart J.L., Watts C.J., Rodriguer J.C., De Bruin H.A.R., Van De Berg A.R., and Garatuza-Payan J. 1999. Use of satellite data to estimate radiation and evaporation for Northwest Mexico. Agricultural Water Management, 38:181-193
  36. Trezza, R. and Allen, R. (2003). Crop Water Requirement from A Remote Sensing Model for the SNAKE PLAIN AREA IN IDAHO Geoenseñanza, año/vol. 8,number 1 Universidad de los Andes San Cristobal, Venezuela. GEOENSEÑANZA, 8: 83-90
  37. Wenjing L.,"Sattelite based Regional-Scale Evapotranspiration in the Hebi Plain, Northeastern China" ,MSc Thesis, Geo-Information science and Earth Observation, international institute for Geo-Information science and Earth Observation Enschede , the Netherland, 2006
پژوهش آب در کشاورزی
دوره 32، شماره 2
تیر 1397
صفحه 227-246

فایل ها

هم رسانی

ارجاع به این مقاله

آمار