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.

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.

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