تاثیر دمای سطح زمین حسگر مادیس در تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم متفاوت

برآورد تبخیر و تعرق مرجع (ET۰) یک نیاز اساسی در مدیریت آب کشاورزی است. بااین حال، فقدان داده های هواشناسی لازم، تخمین ET۰ را با استفاده از روش فائو-پنمن-مانتیث در مناطق وسیع تر دشوار کرده است. هدف از پژوهش حاضر، بررسی تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم تبریز و رشت، بر اساس دمای سطح زمین سنجنده مادیس (LST) بدست آمده از تصاویر ماهواره­ای است. بر اساس دو مدل جنگل تصادفی (RF) و جنگل تصادفی بهینه شده با الگوریتم ژنتیک (GA-RF) برای تخمین مقادیر ET۰ استفاده شده است. پارامترهای مورد استفاده در هر دو ایستگاه شامل ترکیب پارامترهای دمای سطح زمین روزانه (LSTday)، دمای سطح زمین شبانه (LSTnight) و میانگین دمای سطح زمین در شب و روز (LSTmeant) است. نتایج نشان داد که LSTmeant توانایی مناسبی در تخمین ET۰ در هر دو ایستگاه دارد. در ایستگاه تبریز با اقلیم نیمه خشک، مدل GA-RF-۷ با ۵۱۶/۰=RMSE و در ایستگاه رشت با اقلیم بسیار مرطوب، مدلGA-RF-۵  با  ۸۶۸/۰=RMSE بهترین عملکرد را در بین مدل های مورد مطالعه داشتند. همچنین، ارزیابی­ها نشان داد که دمای سطح زمین شبانه به اندازه دمای سطح زمین روزانه اهمیت داشته و با ترکیب این دو پارامتر نتایج رضایت­بخشی حاصل شد.

کلیدواژه ها:

الگوریتم ژنتیک ، جنگل تصادفی ، سنجش از دور ، فائو-پنمن-مانتیث