عدم قطعیت های برآورد تبخیر-تعرق واقعی در مقیاس حوضه آبریز با استفاده از مدل SEBAL

  • سال انتشار: 1400
  • محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 5
  • کد COI اختصاصی: JR_IJSWR-52-5_003
  • زبان مقاله: فارسی
  • تعداد مشاهده: 128
دانلود فایل این مقاله

نویسندگان

امیرحسین اولیاء

M.Sc., Faculty of Civil and Environmental Engineering, Tarbiat Modares University, Tehran, Iran.

سمیه سیما

Assistant Professor, Faculty of Civil and Environmental Engineering, Tarbiat Modares University, Tehran, Iran.

چکیده

برآورد تبخیر-تعرق واقعی در سطح حوضه آبریز با استفاده از الگوریتم بیلان انرژی سطح (SEBAL) به عنوان یکی از پرکاربردترین مدل های مبتنی بر داده های سنجش از دور، متاثر از عدم قطعیت های ناشی از نحوه انتخاب پیکسل های حدی، نوع سنجنده و محدوده مکانی مورد بررسی است. در تحقیق پیش رو، با استفاده از تصاویر ماهواره ای MODIS و Landsat ۸، همچنین استفاده از مدل های بیلان انرژی سطح PySEBAL و MPySEBAL (نسخه اصلاح شده آن) اقدام به بررسی اثر این عدم قطعیت ها بر روی نتایج برآورد تبخیر-تعرق واقعی برای محدوده دشت ارومیه شده است. نتایج اعتبارسنجی مدل ها با داده های لایسیمتری در بازه ی زمانی ۲۰۱۰-۲۰۱۱، حاکی از آن است که مدل MPySEBAL نسبت به مدل PySEBAL تا ۷۰ درصد خطای (RMSE) کمتری در برآورد تبخیرتعرق روازنه دارد. همچنین در مناطق ناهمگن و متنوع از نوع کاربری اراضی نظیر دشت ارومیه، استفاده از تصاویر سنجنده MODIS با قدرت تفکیک مکانی کمتر در مقابل تصاویر Landsat ۸، متوسط تبخیر-تعرق واقعی روزانه را تا حدود ۳۳ درصد بیشتر برآورد می کند. همچنین محدود نکردن تصویر به ناحیه مورد بررسی عدم قطعیتی تا ۸ درصد ایجاد می کند. در مقایسه نسبی عدم قطعیت های ناشی از تنظیمات مدل SEBAL، به ترتیب انتخاب خودکار پیکسل های حدی بر اساس تعیین حدود آستانه برای دمای سطح و NDVI، قدرت تفکیک مکانی سنجنده و انتخاب محدوده مکانی ورودی به مدل بیشترین اثرگذاری را در نتایج دارند. نتایج این پژوهش می تواند دربهبود دقت مدل های تبخیر تعرق و برآورد مصارف آب بخش کشاورزی در مقیاس های مزرعه تا سطح حوضه مورد استفاده قرار گیرد.

کلیدواژه ها

Agricultural Water Consumption, Surface Energy Balance, PySEBAL, remote sensing

اطلاعات 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.