ارزیابی الگوریتم سبال برای تخمین تبخیر- تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل SWAT
- سال انتشار: 1395
- محل انتشار: فصلنامه پژوهش آب در کشاورزی، دوره: 30، شماره: 4
- کد COI اختصاصی: JR_WRA-30-4_007
- زبان مقاله: فارسی
- تعداد مشاهده: 410
نویسندگان
دانشجوی دکترای گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
استاد گروه مهندسی آب دانشگاه فردوسی مشهد
دانشیار گروه مهندسی آب-دانشگاه فردوسی مشهد
استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
عضو هیئت علمی گروه مهندسی آب- دانشگاه فردوسی مشهد
چکیده
الگوریتم سبال ابزاری است که از آن برای تخمین توزیع مکانی تبخیر- تعرق واقعی با استفاده از تصاویر ماهوارهای از جمله مودیسو لندست استفاده میشود. اگرچه تصاویر لندست دارای توان تفکیک مکانی بالاتری نسبت به تصاویر مودیس هستند (۳۰ متر در برابر ۱۰۰۰ متر)، اما توان تفکیک زمانی آنها نسبت به تصاویر مودیس کمتر است (هر ۱۶ روز در برابر هر روز). از طرف دیگر، تصاویر هر روزه مودیس به دلیل مشکلاتی از قبیل ابرناکی ممکن است همیشه قابل استفاده نباشد و همچنین تفسیر تصاویر متعدد به شدت زمان بر است. در این مطالعه از بین تصاویر هر روزه مودیس تصاویری انتخاب شد که بتواند تغییرات ناگهانی جوی و بارشهای رخداده را پایش نموده تا بتوان با کاهش زمان مورد نیاز برای تفسیر تصاویر ماهوارهای بدون از دست دادن اطلاعات مفید تصاویر، به تخمینی بهتر از تبخیر-تعرق واقعی دست یافت. با توجه به اهمیت انتخاب پیکسل های سرد و گرم و به دلیل اینکه انتخاب این پیکسلها نیاز به مهارت زیادی دارد و زمانبر میباشد، در این مطالعه از الگوریتم انتخاب خودکار پیکسل سرد و گرم (بدون دخالت کاربر) با کمک تصاویر لندست استفاده شد. در نهایت برای تخمین تبخیر- تعرق سالانه از روی تصاویر روزانه، علاوه بر استفاده از روش درونیابی خطی بین تصاویر، از روش خطی- لگاریتمی نیز استفاده شد. تبخیر- تعرق به دست آمده از الگوریتم سبال با شرایط توصیف شده در بالا، با تبخیر- تعرق حاصل از معادله بیلان آب و خروجی مدل SWAT برای سه سال تر (۱۳۸۴-۱۳۸۳)، نرمال (۱۳۸۵-۱۳۸۴) و خشک (۱۳۸۷-۱۳۸۶) در حوضه نیشابور- رخ مقایسه شد. همچنین برای صحتسنجی نتایج از چارچوب بادیکو نیز استفاده شد. بر اساس نتایج به دست آمده، در مقایسه با مدل SWAT، روش خطی- لگاریتمی نتایج بهتری ارائه داد (RMSE، MBE و MAE برای روش خطی-لگاریتمی به ترتیب ۴/۲۰، ۰۹/۰ و ۴/۱۸ میلیمتر در سال و برای روش خطی به ترتیب ۸/۲۱، ۴/۲-، ۸/۲۰ میلیمتر در سال بود). نتایج همچنین نشان داد که انتخاب خودکار پیکسل سرد و گرم در الگوریتم سبال ، نتایج قابل قبولی برای تخمین تبخیر- تعرق واقعی در مقیاس زمانی سالانه و مقیاس مکانی کل حوضه به همراه دارد. اما در مقیاسهای کوچکتر مکانی (واحدهای پاسخ هیدرولوژیکی) و زمانی (ماهانه) نتایج الگوریتم سبال با خروجی مدل SWAT همبستگی خوبی ندارد. نتایج همچنین گواهی داد که با وارد کردن عمق آبیاری در منحنیهای بادیکو، تبخیر به دست آمده توسط الگوریتم سبال و مدل SWAT از چارچوب بادیکو تبعیت میکند.کلیدواژه ها
بادیکو, درون یابی, لندست, مودیساطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.