تخمین تبخیر - تعرق گیاهان با استفاده از داده های سنجش از دور (RS) و سیستم اطلاعات جغرافیایی (GIS) در حوضه آبخیز تنگ کنشت کرمانشاه
محل انتشار: اولین همایش ملی مدیریت شبکه های آبیاری و زهکشی
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,429
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDNC01_078
تاریخ نمایه سازی: 22 دی 1384
چکیده مقاله:
اخیراً روشهای متعدد زیادی برای تخمین تبخیر- تعرق در مناطق بزرگ توسعه داده شده اند. یکی از این روشهای جدید استفاده از فن آوری سنجش از دور و سیستم اطلاعات جغرافیایی می باشد. بدین منظور مطالعه ای با استفاد از تصویر ماهواره ای Landsat 7 ETM+، نقشه های توپوگرافی و پوشش گیاهی و همچنین داده های هواشناسی انجام شده است. در ابتدا مقادیر تبخیر- تعرق واقعی و گیاه مرجع به ترتیب توسط معادل ههای توازن انرژی و هارگریوز در سرتاسر حوضه محاسبه شدند. سپس برای هر پیکسل از هر پوشش گیاهی، مقدار ضریب گیاهی از تقسیم دو مقدار تبخیر- تعرق فوق محاسبه شد هاست. از آنجاییکه مقدار ضریب گیاهی برای هر تیپ متغیر بوده لذا برای محاسبه مقدار ثابت و مناسب آن برای هر تیپ، از همپوشانی نقشه پوشش گیاهی با نقشه ضریب گیاهی، توزیع فراوانی تجمعی ضرایب گیاهی برای هر یک از تی پها تعیین و برای فراوان یهای تجمعی مختلف، مقدار ضریب گیاهی متناظر با آنها استخراج شد. سپس مربع میانگین خطا بین مقادیر تبخیر- تعرق بدست آمده از حاصلضرب این ضرایب در تبخیر- تعرق گیاه مرجع و مقادیر حاصله از معادله توازن انرژی، محاسبه شد. نتایج نشان داد که ضرایب گیاهی متناظر با فراوانی تجمعی 6/0 کمترین خطا راداشتند. در نهایت مقادیر تبخیر- تعرق محاسبه شده با استفاده از این ضرایب با روش دیگر مورد مقایسه قرار گرفتند. نتایج همچنین همبستگی بالایی را بین این دو روش نشان داد (r2=0/996). این امر نشان دهنده امکان استفاده از ف نآوری سنجش از دور و سیستم اطلاعات جغرافیایی برای تخمین تبخیر- تعرق خصوصاً در مناطق یا حوضه های بزرگ می باشد.
کلیدواژه ها:
نویسندگان
حسن علی اصغرزاده
کارشناس منابع آب سازمان آب و برق خوزستان
حسین ثنائی نژاد
عضو هیئت علمی دانشگاه فردوسی مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :