ارزیابی مدل‌های سنجش از دور برآورد تبخیر-تعرق واقعی اراضی کشاورزی در حوزه دریاچه ارومیه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو کارشناسی‌ارشد گروه مهندسی و مدیریت آب ، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.

2 دانشیار، گروه مهندسی و مدیریت آب دانشگاه تربیت مدرس

3 استادیار پژوهشی مؤسسه تحقیقات فنی و مهندسی کشاورزی؛ سازمان تحقیقات، آموزش و ترویج کشاورزی؛ کرج؛ ایران

10.22092/jwra.2026.373133.1119

چکیده

پژوهش حاضر با هدف ارزیابی کارایی الگوریتم‌های SEBAL و WaPOR در برآورد ETa و WPET  اراضی کشاورزی حوزه دریاچه ارومیه و مقایسه نتایج آن‌ها با اندازه­گیری­های مزرعه‌ای انجام شد در این تحقیق، 26 مزرعه و باغ منتخب شامل محصولات گندم، سیب‌زمینی، یونجه، چغندرقند، آفتابگردان، پیاز، کدوآجیلی، گوجه‌فرنگی، ذرت، سیب، گردو، بادام، انگور و آلو در استان‌های آذربایجان شرقی و آذربایجان غربی طی سال‌های زراعی 1401-1403 مورد پایش قرار گرفت. داده‌های مزرعه‌ای شامل حجم آب آبیاری، رطوبت خاک، عملکرد محصول، زیست‌توده و سایر پارامترهای مورد نیاز برای محاسبه ETa براساس روش بیلان آب گردآوری شد. سپس خروجی‌های هر دو الگوریتم با داده‌های مزرعه‌ای براساس شاخص‌های آماری، صحت‌سنجی شده و عملکرد الگوریتم‌ها با هدف استفاده وسیع در سطح حوزه­ مورد ارزیابی قرار گرفت. به‌منظور ارزیابی الگوریتم‌ها از شاخص‌های آماری RMSE، R2، MAE، EF، NRMSE و MBE استفاده شد. بر اساس نتایج، هر دو الگوریتم مقادیر ETa را کمتر از مقدار ETa اندازه­گیری شده در مزرعه برآورد کردند .به‌طور متوسط، الگوریتم  SEBAL میزان ETa را 28/48% و WaPOR حدود 33/24% کمتر از مقادیر اندازه‌گیری‌شده مزرعه‌ای برآورد کرد. با این حال، مقادیر WPET  حاصل از الگوریتم  SEBAL نسبت به مقادیر مزرعه‌ای 29/04% و مقادیر برآوردشده با WaPOR، 34/48 % بیشتر از مقادیر مزرعه‌ای بودند. مقدار RMSE در برآورد ETa  در الگوریتم SEBAL  حدود 10/40% کمتر از  WaPORبود که بیانگر دقت بالاتر SEBAL در شرایط منطقه مورد مطالعه است. مقدار RMSE در برآورد WPET در الگوریتم SEBAL حدود 21/72% کمتر از WaPOR بود. همچنین مقدار ضریب تبیین (R2) برای هر دو شاخص ETa و WPET به ترتیب در الگوریتم SEBAL  برابر 0/97 و 0/98 و در الگوریتم WaPOR برابر 94/0 و 981/0 محاسبه شد که بیانگر توان بیشتر SEBAL در بازنمایی تغییرات این شاخص‌ها نسبت به WaPOR است. به‌طور کلی، نتایج این پژوهش نشان داد که الگوریتم SEBAL در مقایسه با WaPOR  از دقت و قابلیت اطمینان بیشتری برای پایش تبخیر–تعرق واقعی و بهره‌وری واقعی آب در مقیاس مزرعه و باغ برخوردار است.

کلیدواژه‌ها

عنوان مقاله [English]

Estimating Actual Evapotranspiration of Agricaltural Lands in the Urmia Lake Basin

نویسندگان [English]

  • Maryam Soltani 1
  • Majid Mirlatifi 2
  • Ali Mokhtaran 3
1 MSc Student, Department of Water Engineering and Management, Tarbiat Modares University, Tehran, Iran.
2 Associate Prof., Department of Water Engineering and Management, Tarbiat Modares University, Tehran, Iran.
3 Assistant Prof.; Agricultural Engineering Research Institute (AERI); Agricultural Research, Education and Extension Organization (AREEO); Karaj; Iran.
چکیده [English]

This study aimed to evaluate the performance of the SEBAL and WaPOR algorithms in estimating ETa and WPET in agricultural lands of the Urmia Lake Basin and to compare their results with field measurements. In this study, 26 selected agricultural fields and orchards, including wheat, potato, alfalfa, sugar beet, sunflower, onion, squash, tomato, maize, apple, walnut, almond, grape, and plum, located in East Azerbaijan and West Azerbaijan provinces, were monitored during the 2022–2024 growing seasons. Field data, including irrigation water volume, soil moisture, crop yield, biomass, and other parameters required for calculating ETa based on the water balance method, were collected. The outputs of both algorithms were then validated against field measurements using statistical indices, and their performance was evaluated for potential application at the basin scale. The statistical indices RMSE, R², MAE, EF, NRMSE, and MBE were used to evaluate the algorithms. The results showed that both algorithms underestimated ETa compared with field-measured ETa. On average, SEBAL estimated ETa 28.48% lower and WaPOR approximately 33.24% lower than the field-measured values. However, the WPET values obtained from SEBAL and WaPOR were 29.04% and 34.48% higher, respectively, than the corresponding field-measured values. The RMSE for ETa estimation using SEBAL was approximately 10.40% lower than that obtained using WaPOR, indicating the higher accuracy of SEBAL under the conditions of the study area. The RMSE for WPET estimation using SEBAL was approximately 21.72% lower than that of WaPOR. Furthermore, the coefficients of determination (R²) for ETa and WPET were 0.97 and 0.98, respectively, for SEBAL, and 0.94 and 0.981, respectively, for WaPOR, indicating the greater ability of SEBAL to represent variations in these indicators compared with WaPOR. Overall, the results showed that SEBAL provided higher accuracy and reliability than WaPOR for monitoring actual evapotranspiration and actual water productivity at the field and orchard scales. .

کلیدواژه‌ها [English]

  • Actual water consumption
  • water saving
  • actual water productivity
  • SEBAL
  • WaPOR

مراجع

  1. اسلامی، امیر، 1395. ابزار اندازه‌گیری آب آبیاری در روش‌های آبیاری سطحی. مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی.
  2. اصغرزاده، حسن و ثنایی‌نژاد، حسین، 1383. برآورد تبخیر-تعرق گیاهان با استفاده از داده‌های سنجش از دور و سیستم اطلاعات جغرافیایی در حوضه آبخیز تنگ کنشت کرمانشاه. همایش ملی مدیریت شبکه‌های آبیاری و زهکشی.
  3. پورمحمدی، سمانه، دستورانی، محمدتقی، و مختاری، محمدحسین، 1388. تعیین و پهنه‌بندی تبخیر-تعرق با استفاده از تکنیک‌های سنجش از دور در حوزه آبریز منشاد یزد. مجله علمی پژوهشی علوم و مهندسی آبخیزداری ایران. 4(2)، صص. 21–
  4. حیدری، نادر، 1398. تشریح و بررسی شاخص بهره‌وری آب کشاورزی مبتنی بر تبخیر-تعرق (مطالعه موردی حوزه آبخیز کرخه). نشریه مدیریت اراضی، 7(2).
  5. فرحزا، محمدنوید، نظری، بیژن، لیاقت، عبدالمجید، و علیزاده، حمزه­علی، 1398. بهره‌وری آب آبیاری محصولات کشاورزی در استان بوشهر. نشریه مدیریت آب در کشاورزی. 6(1)، صص. 95–104.
  6. میان آبادی، آمنه، علیزاده، امین، ثنایی­نژاد، سیدحسین، قهرمان، بیژن، و داوری، کامران، 1395. ارزیابی الگوریتم سبال برای تخمین تبخیر-تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل SWAT .نشریه پژوهش آب در کشاورزی، 30(4).
  7. میرزایی، فرهاد، کشاورز، محمدرضا، و وظیفه‌دوست، مجید، 1397. توسعه الگوریتم SEBAL-SM به منظور محاسبه تبخیر-تعرق واقعی به کمک سنجش از دور. مجله مهندسی منابع آب، 11(38)، صص. 107–128.
  8. Ahmadi, M., Karimi, P. and Bastiaanssen, W.G.M., 2024. Assessment of wheat water use, biomass and water productivity using SEBAL and Landsat data in Urmia basin, Iran. Agricultural Water Management, 290, pp. 106–118.
  9. 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: Food and Agriculture Organization of the United Nations, 300 p.
  10. Bala, A., Rawat, K., Misra, A.K. and Srivastava, A., 2016. Assessment and validation of evapotranspiration using SEBAL algorithm and lysimeter data of IARI agricultural farm. Geocarto International, 31(7) , pp.1–26. doi: 1080/10106049.2015.1076062
  11. 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). Journal of Hydrology, 212–213, pp.198–212. doi: 10.1016/S0022-1694(98)00253-4
  12. Biradar, C., Govind, A., Nangia, V., Mostafa, R.G.I., Zaitouna, R., Jomaa, I., Mazahrih, N., Mosaad, A., El Meknassi, E., Mansouri, A., Haddad, M. and Swelam, A., 2021. Output 9: Comparison between field data and remote sensing data analyzed: Comparing evapotranspiration retrieved through various remote sensing-based models with ground measured data. ICARDA Technical Report, 23 December 2021.
  13. Doorenbos, J., and Pruitt, W.O., 1977. Guidelines for predicting crop water requirements. FAO Irrigation and Drainage Paper 24. Rome: Food and Agriculture Organization of the United Nations.
  14. FAO, 2024. Comparison of WaPOR and METRIC evapotranspiration estimates in Urmia Lake basin. Food and Agriculture Organization Technical Report, Rome.
  15. FAO, 2023. WaPOR database: Monitoring water productivity in Africa. Food and Agriculture Organization of the United Nations, Rome.
  16. Heidari, H., 2018. Improving water productivity in agriculture. Agricultural Water Management, 200, pp.45–56.
  17. Hillel, D., 1990. Role of irrigation in agricultural systems. Irrigation of Agricultural Crops, Madison, WI: ASA-CSSA-SSSA, pp.5–29.
  18. Huang, J., Sehgal, V., Alvarez, L.V., Brocca, L., Cai, S., Cheng, R., Cheng, X., Du, J., El Masri, B., Endsley, K.A., Fang, Y., Hu, J., Jampani, M., Kibria, M.G., Koren, G., Li, L., Liu, L., Mao, J., Moreno, H.A., Rigden, A., Shi, M., Shi, X., Wang, Y., Zhang, X. and Fisher, J.B., 2025. Remotely sensed high‑resolution soil moisture and evapotranspiration: Bridging the gap between science and society. Water Resources Research, 61(5), Article e2024WR037929. doi: 10.1029/2024WR037929
  19. JICA, 2016. Data collection survey on hydrological cycle of Lake Urmia Basin in the Islamic Republic of Iran: Final report. Tokyo: Japan International Cooperation Agency and CTI Engineering International Co., Ltd.
  20. Jones, H. and Vaughan, R., 2010. Remote Sensing of Vegetation: Principles, Techniques, and Applications. Oxford: Oxford University Press.
  21. Kumar, N. and Hamouda, M.A., 2025. Utility of single-source surface energy balance models in estimation of daily actual evapotranspiration in arid regions. Hydrological Sciences Journal, 70(4), pp.664–686. doi: 10.1080/02626667.2024.2446266
  22. Li, J., Zhang, Y. and Chen, H., 2023. Estimation of regional actual evapotranspiration based on the improved SEBAL model. Journal of Hydrology, 619.

doi:10.1016/j.jhydrol.2023.129283

  1. Smith, J., Brown, A. and Johnson, P., 2019. Impact of climate change on lake levels. Journal of Environmental Studies. 45(2), pp.123–135.
  2. Remote Sensing Research Center (RSRC), 2015. Estimation of evapotranspiration, costs and the amount of water saving in agriculture (case study: Urmia Lake basin for 2010). Tehran: EWRC, Sharif University of Technology.
  3. Tesfaye, T., Alemu, B. and Gebremedhin, G., 2025. Comparison of PySEBAL, WaPOR and AquaCrop for wheat evapotranspiration estimation in Middle Awash, Ethiopia, Journal of Water Resources and Ocean Science, 14(2), pp.45–56.
  4. Turner, N.C., Rao, M.V. and Black, R., 2004. Water management and agricultural productivity. Irrigation Science, 23(3), pp.95–105.
  5. Walker, W.R. and Skogerboe, G.V., 1987. Surface Irrigation: Theory and Practice. Englewood Cliffs, NJ: Prentice-Hall.
  6. Waters, R., Allen, R., Tasumi, M., Trezza, R. and Bastiaanssen, W., 2002. SEBAL: Surface Energy Balance Algorithms for Land – Idaho Implementation. Advanced training and user’s manual, Version 1.0. Kimberly, Idaho: University of Idaho
پژوهش آب در کشاورزی
دوره 40، شماره 1
جلد 40 شماره 1 با تاخیر در سامانه بارگذاری میگردد
مهر 1405
صفحه 73-95

فایل ها

هم رسانی

ارجاع به این مقاله

آمار