تخمین تبخیر-تعرق واقعی با استفاده از الگوریتم مثلثی و دادههای لندست 8 (مطالعه موردی: دشت مشهد-استان خراسان رضوی)
محورهای موضوعی : برنامه های کاربردی در مدیریت منابع آب
مژده سلیمی فرد
1
,
سید حسین ثنائی نژاد
2
,
علیرضا راشکی
3
1 - دانشگاه فردوسی مشهد- دانشکده کشاورزی-گروه مهندسی آب
2 - عضو هیئت علمی دانشگاه فردوسی مشهد-دانشکده کشاورزی-گروه مهندسی آب
3 - دانشیار دانشگاه فردوسی مشهد-دانشکده منابع طبیعی و محیط زیست-گروه مدیریت مناطق خشک و بیابانی
کلید واژه: الگوریتم مثلثی, لندست 8, دشت مشهد, تبخیر-تعرق واقعی,
چکیده مقاله :
یکی از چالشهای منطقهای مهم در بحث مدیریت آب برآورد صحیح تغییرات مکانی تبخیر-تعرق واقعی میباشد. اکثر روشهای محاسبه تبخیر-تعرق واقعی که بر مبنای ضرایب گیاهی (Kc) هستند، به صورت تخمین نقطهای هستند که به منظور استفاده در سطح حوزه و یا منطقه-ای نیازمند بزرگ نمایی مکانی هستند. در این میان، روشهای متنوع سنجش از دوری با پیچیدگی های متنوع به منظور بررسی پارامتر تبخیر-تعرق واقعی در سطوح منطقهای بزرگ بر اساس معادله بیلان انرژی و شرایط پوشش گیاهی توسعه یافتهاند. روش الگوریتم مثلثی که بر پایه رابطه میان دمای سطح زمین و شاخص پوشش گیاهی (NDVI) است از جمله روشهای تخمین تبخیر-تعرق واقعی در مناطق خشک و نیمه خشک است. در این مطالعه از دادههای تصاویرلندست 8 در سال 2020 و الگوریتم مثلثی به منظور محاسبه تبخیر-تعرق واقعی دردشت مشهد استفاده شد. نتایج حاصل از الگوریتم مثلثی با نتایج تبخیر-تعرق واقعی حاصل از روش فائو-پنمن-مانتیث و ضریب گیاهی (Kc) در سطح مزارع گندم و ذرت علوفهای صحت سنجی شدند. نتایج صحت سنجی حاکی از صحت و دقت بالای روش الگوریتم مثلثی در تخمین پارامتر تبخیر-تعرق واقعی داشت بهطوریکه میزان ضریب تبیین (R2) در این مطالعه بالای 7/0 و بیشترین میزان جذر میانگین مربعات خطا (RMSE) و میانگین خطا مطلق (MAE) به ترتیب : 67/1 و 48/1 میلیمتر در روز مشاهده شد.
The estimation of spatially-variable actual evapotranspiration (AET) is a critical challenge to regional water resources management. Most of the available crop coefficient-based ET computation methods provide point-scale estimates which need up scaling to apply at the catchment or command area scale. A variety of remote sensing methods with varying complexity have been developed to generate regional AET estimates based on surface energy balance or vegetation status. The triangle method is used to estimate regional evapotranspiration (ET) in arid and semi-arid regions. In this study, for estimation, actual evapotranspiration was used Landsat 8 data in 2020 and triangle algorithm in Mashhad plain. The results of the triangle algorithm were verified with the evapotranspiration obtained from the FAO Penman-Monteith coupled crop coefficient in wheat and maize farms. The validation results showed high accuracy of the triangle algorithm in actual evapotranspiration estimation so that the correlation coefficient observed more than 0.7 and the maximum Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) was 1.67 and 1.48 mm per day, respectively.
_||_
تخمین تبخیر-تعرق واقعی با استفاده از الگوریتم مثلثی و دادههای لندست 8
(مطالعه موردی: دشت مشهد-استان خراسان رضوی)
چکیده :
یکی از چالشهای منطقهای مهم در بحث مدیریت آب برآورد صحیح تغییرات مکانی تبخیر-تعرق واقعی میباشد. اکثر روشهای محاسبه تبخیر-تعرق واقعی که بر مبنای ضرایب گیاهی (Kc) هستند، به صورت تخمین نقطهای هستند که به منظور استفاده در سطح حوزه و یا منطقهای نیازمند بزرگ نمایی مکانی هستند. در این میان، روشهای متنوع سنجش از دوری با پیچیدگی های متنوع به منظور بررسی پارامتر تبخیر-تعرق واقعی در سطوح منطقهای بزرگ بر اساس معادله بیلان انرژی و شرایط پوشش گیاهی توسعه یافتهاند. روش الگوریتم مثلثی که بر پایه رابطه میان دمای سطح زمین و شاخص پوشش گیاهی (NDVI) است از جمله روشهای تخمین تبخیر-تعرق واقعی در مناطق خشک و نیمه خشک است. در این مطالعه از دادههای تصاویرلندست 8 در سال 2020 و الگوریتم مثلثی به منظور محاسبه تبخیر-تعرق واقعی دردشت مشهد استفاده شد. نتایج حاصل از الگوریتم مثلثی با نتایج تبخیر-تعرق واقعی حاصل از روش فائو-پنمن-مانتیث و ضریب گیاهی (Kc) در سطح مزارع گندم و ذرت علوفهای صحت سنجی شدند. نتایج صحت سنجی حاکی از صحت و دقت بالای روش الگوریتم مثلثی در تخمین پارامتر تبخیر-تعرق واقعی داشت بهطوریکه میزان ضریب تبیین (R2) در این مطالعه بالای 7/0 و بیشترین میزان جذر میانگین مربعات خطا (RMSE) و میانگین خطا مطلق (MAE) به ترتیب : 67/1 و 48/1 میلیمتر در روز مشاهده شد.
واژههای کلیدی: تبخیر-تعرق واقعی، الگوریتم مثلثی ، لندست 8، دشت مشهد
مقدمه :
حدود 45 درصد از مساحت کره زمین را اراضی خشک و نیمهخشک تشکیل دادهاند که 35 درصد از جمعیت جهان در این مناطق ساکن هستند (22). از آنجایی که آب در مناطق خشک و نیمهخشک ازجمله محدودیتهای عمده برای رفاه اقتصادی و توسعه پایدار میباشد، ازاینرو برآورد دقیق مکانی پدیده تبخیر –تعرق که موجب خارج شدن بیش از 80 درصد از آب قابلدسترس سالیانه در این مناطق میشود، در مباحث هیدرولوژی، هواشناسی و کشاورزی اهمیت ویژه دارد (24، 26).
افزایش دقت و صحت تخمین تغییرات مکانی و زمانی پارامترهای موثر بر فرآیند تبخیر-تعرق، موجب افزایش صحت برآورد این پدیده میشود. این در حالی است که در بسیاری از کشورها بهمنظور برآورد میزان تبخیر-تعرق از روشهای توصیه‌شده توسط فائو استفاده میگردد، که در این روشها محاسبه تغییرات مکانی و زمانی پارامترهای مؤثر بر روی تبخیر-تعرق از صحت بالایی برخوردار نیست (19). در مقابل این روشها تکنولوژی سنجش‌ازدور مبتنی بر دادههای ماهوارهای قادر است تبخیر-تعرق را در مقیاس مکانی متفاوت تخمین بزند. مزایای روشهای مبتنی بر دادههای سنجش‌ازدور شامل: 1- دید گسترده و پوشش مکانی پیوسته 2- دادهبرداری از نقاط فاقد ایستگاههای هواشناسی و یا نقاطی که احداث ادوات اندازهگیری مشکل میباشد 3- دسترسی رایگان به حجم بالایی از دادههای موردنیاز برای برآورد تبخیر-تعرق است (20). این روشها معمولاً بر اساس معادله توازن انرژی سطح زمین میباشند که می‌توان پارامترهای موردنیاز را با استفاده از پردازش تصاویر ماهوارهای به دست آورد (15).
گودا و همکاران (7)، مروری بر انواع الگوریتمهای تخمین تبخیر-تعرق داشتند. آن‌ها در این مطالعه میزان صحت هر یک از روشها را بررسی و نشان دادند که میزان دقت روشهای مختلف در تخمین تبخیر-تعرق روزانه بین 67 تا 97 درصد و در مقیاس ماهانه بیش از 94 درصد است. مرشدی و همکاران (16)، امکان استفاده از دو مدل سبال و متریک را برای برآورد و مقایسه تبخیر-تعرق گیاه مرجع یونجه در مقیاس منطقهای با استفاده از دادههای ماهواره لندست ETM+ در مقایسه با برآوردهای حاصل از مدلهای تجربی- ترکیبی مانند : فائو-پنمن-مانتیث، پنمن-مانتیث استانداردشده انجمن مهندسین عمران آمریکا، بلانی کریدل، هارگریوز-سامانی و تشک تبخیر در دشت شهرکرد انجام دادند. به‌طورکلی نتایج این مطالعه نشان داد برآوردهای مدل سبال در مقایسه با برآوردهای مدل هارگریوز-سامانی و دادههای لایسیمتری موجود از صحت بیشتری نسبت به مدل متریک برخورداراست و در شرایط مشابه بامطالعه قابل توصیه میباشد.
تخمین تبخیر- تعرق بر مبنای روشهای تجربی و بالانس انرژی معمولاً در مقیاسهای وسیع مکانی به دلیل بافت ناهمگن محیط، تغییر خصوصیات توپوگرافی و پوششگیاهی و غیره دچار خطا میشوند. همچنین این مدلها علاوه بر دادههای ماهوارهای به دادههای ایستگاهی مانند: دمای سطح زمین، سرعت باد و غیره نیازمندند که معمولاً به علت کمبود این دادهها و یا پراکنش نامناسب ایستگاههای هواشناسی، برای مقیاسهای بزرگ این روشها توصیه نمیشود. ازاینرو بهمنظور غلبه بر این مشکلات و افزایش صحت تخمین تبخیر-تعرق در مقیاسهای وسیع مکانی باید از روشهایی استفاده نمود که تنها متکی بر دادههای ماهوارهای باشند، که ازجمله این روشها می‌توان به روش مثلثی اشاره کرد (24).
برای اولین بار روش مثلثی در سال 1985 بهمنظور بررسی تغییرات رطوبت خاک، پوشش گیاهی و کاربری اراضی و همچنین پایش خشک‌سالی پیشنهاد شد. در این روش فرض میشود که میزان تغییرات پوشش گیاهی در سطح زمین، رابطه مستقیمی با دمای سطحی و تابشهای گرمایی دارد (8). روش مثلثی TS-VI بر مبنای معادله پریستلی-تیلور و بر اساس روابط فیزیکی میان پارامتر کسرتبخیر و پارامترهای سطحی مانند: دمای سطح زمین، رطوبت خاک و میزان پوشش گیاهی میباشد (10).
لو و همکاران (14)، در امریکا از روش مثلثی بهمنظور تخمین تبخیر-تعرق استفاده نمودند. آن‌ها نتایج حاصل از این الگوریتم را با نتایج دادههای به‌دست‌آمده از روشهای مستقیم اندازهگیری مقایسه کردند. در این مطالعه میزان درجه همبستگی (R2) 5/54 تا 6/69 درصد به دست آمد. تانگ و همکاران (24)، میزان ET را در مناطق خشک و نیمهخشک با استفاده از دادههای سنجنده مودیس محاسبه نمودند. آن‌ها در این مطالعه بهمنظور صحتسنجی نتایج به‌دست‌آمده، خروجیهای روش مثلثی را با دادههای حاصل از دستگاه ادی کوواریانس در طی 4 سال در دو سایت تحقیقاتی موردمطالعه ارزیابی قراردادند. نتایج این مطالعه حاکی از پتانسیل بالای روش مثلثی در تخمین تبخیر-تعرق بهخصوص در مناطق خشک و نیمهخشک بود بهطوریکه میزان ریشه مربعات خطا به‌دست‌آمده برای گرمای محسوس و گرمای نهان تبخیر در این مطالعه برابر 54 وات بر مترمربع بود.
استایسن و همکاران (23)، میزان تبخیر-تعرق واقعی را در حوضه رودخانه سنگال با استفاده از الگوریتم مثلثی محاسبه کردند. در این مطالعه آن‌ها میزان کسر از تبخیر (Evaporative Fraction) و تبخیر-تعرق به‌دست‌آمده را با استفاده از مقادیر به‌دست‌آمده از روشهای مستقیم برای یکی از فصول بارانی سال 2005 صحتسنجی نمودند. نتایج این مطالعه برای کسر از تبخیر میزان RMSE ، 13/0 و میزان R2 ، 63/0 و R2 ، 66/0 را برای تبخیر- تعرق واقعی نشان داد. علاوه بر موارد ذکرشده، مطالعات مختلفی در مناطق خشک و نیمهخشک جهان نیز به بررسی توانایی این الگوریتم در تخمین تبخیر-تعرق پرداختند. ازجمله این مطالعات که دارای نتایج قابل قبولی نیز بودند می‌توان به مطالعات (9، 12و 21) اشاره نمود. در برخی از مطالعات نیز روش مثلثی بر اساس فرضیات جدید مورد اصلاح قرار گرفت. به‌طور مثال، ژانگ و همکاران (26)، روش مثلثی جدیدی را در اردن جهت تخمین تبخیر-تعرق واقعی ارائه دادند. آن‌ها در این روش ابتدا منطقه موردمطالعه را بر اساس نقشه توپوگرافی به نواحی ارتفاعی همگن تقسیم‌بندی نمودند و سپس میزان تبخیر-تعرق واقعی را در هر منطقه بر اساس میزان شاخص NDVI و دمای سطح زمین تخمین زدند. استفاده از این روش بسیاری از خطاهای ناشی از تغییرات دمای سطح زمین که بر اساس تغییرات خصوصیات توپوگرافی در منطقه رخ میدهد را کاهش داد.
با توجه به اقلیم خشک و نیمهخشک ایران و ضرورت استفاده صحیح از منابع آبی در بخش کشاورزی و همچنین نبود ابزار مناسب جهت اندازهگیری مستقیم (مانند : نسبت باون، برج شار ادی کوواریانس و غیره ) پدیده تبخیر-تعرق، استفاده از مدلهای سنجش‌ازدوری با دقت و کارایی مناسب جهت تخمین این پدیده بهخصوص در مناطق فاقد ایستگاههای برداشت کننده پارامترهای هواشناسی اهمیت مییابد. هدف از این مطالعه تخمین تبخیر-تعرق در مقیاس مکانی گسترده و بالا بردن دقت مکانی و برآورد صحیح این پارامتر در مناطق با پوشش گیاهی متفاوت با استفاده از الگوریتم مثلثی و تصاویر ماهواره لندست 8 است.
روش تحقیق :
منطقه موردمطالعه :
با توجه به هدف این مطالعه که محاسبه تبخیر-تعرق واقعی میباشد و اهمیت این پارامتر در بخش کشاورزی، منطقه موردمطالعه باید طوری انتخاب گردد که علاوه بر پوششهای طبیعی گیاهی بخش وسیعی از اراضی کشاورزی را نیز شامل گردد. ازاینرو با توجه موقعیت جغرافیایی اراضی کشاورزی در استان خراسان رضوی، دشت مشهد به‌عنوان منطقه موردمطالعه در این پژوهش انتخاب گردید. دشت مشهد با مساحت 6131 کیلومترمربع در عرض جغرافیایی 35 درجه 59 دقیقه تا 37 درجه 04 دقیقه شمالی و طول 58 درجه و 22 دقیقه تا 60 درجه و 07 دقیقه شرقی در استان خراسان رضوی واقع گردیده است (شکل 1). این دشت دارای طول 160 کیلومتر و ارتفاع بین 900 تا 1500 متر میباشد. این منطقه دارای اقلیم خشک و نیمهخشک با متوسط بارندگی 1/222 میلیمتر در سال و میانگین دمای سالانه 8/15 درجه سلسیوس است. کاربری اصلی اراضی این منطقه شامل اراضی کشاورزی آبی در اطراف رودخانه کشف رود هست (17). شکل(2) پراکندگی مناطق کشاورزی (مناطق سبز رنگ) در دشت مشهد را بر اساس تصاویر ماهواره سنتینل 2 با قدر تفکیک مکانی 10 متر نشان میدهد.
شکل1. موقعیت جغرافیایی منطقه موردمطالعه (دشت مشهد)
Fig1. Location of study area (Mashhad plain)
روش تحقیق :
با توجه به هدف این پژوهش که بالابردن صحت تخمین تبخیر-تعرق در مناطق دارای پوشش گیاهی و مناطق فاقد پوشش با استفاده از الگوریتم مثلثی است، باید از دادههای ماهوارهای استفاده شود که علاوه بر دارا بودن باندهای مرئی، مادون‌قرمز نزدیک، و حرارتی دارای رزولوشن مکانی نسبتاً بالایی نیز باشند. ازاینرو در این مطالعه از دادههای ماهواره لندست 8 استفاده شد. کلیه محاسبات مربوط به دادههای سنجش‌ازدور در این مطالعه با استفاده از زبان برنامه‌نویسی JAVA در محیط سامانه (GEE) Google Earth Engine code صورت پذیرفت.
شکل2. کاربری اراضی منطقه موردمطالعه بر اساس تصاویر ماهواره سنتینل 2، ترکیب باندی (باندهای 11، 8 و4).
Fig2. Land use of study area based on Sentinel2 data, RGB (11, 8 and 4) composition.
کلیه تصاویر ماهواره لندست 8 برای بازه زمانی سال 2020 جستجو شد و تصاویری که در منطقه موردمطالعه دارای ابرناکی کمتر از 10درصد بود انتخاب گردید. همچنین دادههای هواشناسی شامل دمای هوا، دمای نقطه شبنم، رطوبت نسبی، فشار هوا، طول روز، ساعت آفتابی و سرعت باد برای تاریخ تصاویر انتخاب‌شده از ایستگاه سینوپتیک مشهد استخراج شد.
الگوریتم مثلثی :
]1[ |
در این معادله LE گرمای نهان تبخیر، Rn تابش خالص جذب‌شده توسط سطح زمین، H شار گرمای محسوس، G شار گرمای خاک هستند. واحدهای انرژی در این معادله همگی بر مبنای (W.m-2) میباشند. تبخیر-تعرق با استفاده از این معادله و میزان گرمای نهان تبخیر در فشار و دمای خاص محاسبه میگردد (6).
الگوریتم مثلثی بر مبنای دادههای شاخص نرمال شده تفاوت پوشش گیاهی(NDVI) و دمای سطح زمین (LST) میباشد. دو فرض اصلی این روش شامل : 1- تمام پیکسلهای تشکیل‌دهنده منطقه موردمطالعه، دارای شرایط رطوبت خاک و پوشش گیاهی متنوعی میباشند. این فرض برای مشخص نمودن لبههای خشک و تر در این الگوریتم ضروری میباشد. 2- تمامی پیکسلهای تشکیل‌دهنده منطقه موردمطالعه دارای ارتفاع یکسانی هستند. این فرض موجب میشود که تغییرات دمای سطح زمین بر مبنای میزان تبخیر از سطح خاک به‌جای تغییرات توپوگرافی در نظر گرفته شود (3).
در روش مثلثی میزان گرمای نهان تبخیر بر اساس معادله (2) محاسبه میگردد :
]2[ |
در این معادله، LE میزان گرمای نهان تبخیر، 
میزان تابش خالص خورشیدی،G شار گرمای خاک برحسب (W/m2)، 
پارامتر ترکیبی تأثیر که برای مقاومت آئرودینامیکی (13)، 
شیب فشار بخارآب اشباع و 
ضریب سایکرومتری برحسب (kpa/C̊) است.
روش مثلثی بر مبنای پراکندگی فضایی دادههای نرمال شده شاخص گیاهی(NDVI) و نرمال شده دمای سطح زمین(LST) در محیطی دوبعدی استوار است ( شکل3).
شکل3. نمودار شماتیک الگوریتم مثلثی که بر مبنای رسم دادههای نرمال شده NDVI و LST در فضای دوبعدی استوار است. 
مقدار ضریب 
در لبه خشک و 
مقدار ضریب در لبه تر برای هر پیکسل میباشد.
Fig3. The schematic diagram of the triangular algorithm based on normalized NDVI and LST data in two-dimensional space. 
is the value of the coefficient of ϕ in the dry edge and 
is the value of the coefficient of ϕ in the wet edge for each pixel.
شکل (3) نموداری شماتیک از روش مثلثی را نمایش میدهد. در این شکل خطوط AB و CB به ترتیب لبه خشک و لبه مرطوب را نمایش میدهد. در لبه خشک میزان پوشش گیاهی برابر صفر و میزان دمای سطح زمین حداکثر است و برعکس در لبه مرطوب حداکثر میزان پوشش گیاهی و کمترین دمای سطح زمین مشاهده میگردد. در این حالت در لبه خشک، خاک نیازمند رطوبت و در لبه مرطوب به دلیل وجود رطوبت کافی حداکثر میزان تبخیر-تعرق رخ میدهد.
]3[ |
]4[ |
، میزان نرمال شده دمای سطح زمین برای هر پیکسل، 
، دمای سطح زمین در هر پیکسل، 
، کمترین دمای سطح زمین در منطقه موردمطالعه و 
، بیشترین دمای سطح زمین در کل منطقه مورد مطالعه. (واحد محاسبه دمای سطحزمین در این مطالعه درجه سلسیوس است.)
در معادله (4) به ترتیب :
، میزان کسر از پوشش گیاهی
، میزان شاخص گیاهی برای هر پیکسل، 
، کمترین میزان شاخص گیاهی در کل منطقه موردمطالعه و
، بیشترین میزان شاخص گیاهی در کل منطقه مورد مطالعه است.
شناسایی دقیق لبه خشک و مرطوب و محاسبه صحیح ضریب برای هرکدام از پیکسلهای منطقه موردمطالعه ازجمله مهم‌ترین بخش محاسبات این مطالعه میباشد.
]5[ |
برای هر یک از پیکسل‌ها مطابق با معادله (5) محاسبه گردید. همان‌طور که در شکل (2) نیز مشاهده میشود حداقل میزان این پارامتر برابر صفر(دمای سطح زمین حداکثر و میزان پوشش گیاهی حداقل) و حداکثر آن برابر 26/1(دمای سطح زمین حداقل و میزان پوشش گیاهی حداکثر) میباشد. این پارامتر به‌صورت خطی با میزان نرمال شده شاخصNDVI تغییر مییابد (24).
که در آن :
]6[ |
حداکثر دمای سطحی برای هر بازه ، 
ضرایب رگرسیونی و مقادیر نرمال شده NDVI که در هر بازه 02/0 قرار میگیرد.
]7[ |
) در گام بعدی میزان کسر تبخیر لحظهای (EF) محاسبه میشود. این پارامتر که به‌صورت نسبت شار گرمای نهان به انرژی در دسترس تعریف میشود از طریق معادله (7) محاسبه میشود:
]8[ |
در معادله (8)، T میانگین دمای هوا برحسب درجه سلسیوس میباشد.
با توجه به زمان گذر ماهواره لندست 8 از روی منطقه موردمطالعه این پژوهش که در ساعت 11 صبح میباشد و همچنین نتایج سایر مطالعات، می‌توان میزان پارامتر کسر از تبخیر لحظهای در زمان گذر ماهواره را به میانگین روزانه این پارامتر تعمیم داد (18).
]9[ |
در معادله (9)، AET مقدار تبخیر-تعرق واقعی برحسب میلیمتر در روز، EF میزان کسر از تبخیر، مقدار تابش خالص روزانه برحسب وات بر مترمربع، G مقدار شار گرمای خاک روزانه برحسب مگا ژول بر مترمربع در روز و L میزان گرمای نهان تبخیر برحسب مگا ژول بر کیلوگرم است.
در این مطالعه مقادیر تابش خالص ، شار گرمای خاک و میزان گرمای نهان تبخیر نیز با استفاده از دادههای سنجش‌ازدوری محاسبه شد. میزان تابش خالص، ابتدا با استفاده از معادله (10) به‌صورت لحظهای در زمان گذر ماهواره محاسبه شد (4). و سپس میزان تابش خالص روزانه با استفاده از معادله (11) برای روزهای موردمطالعه محاسبه شد (2).
]10[ |
در معادله (10)، 
میزان تابش خالص لحظهای برحسب وات بر مترمربع، 
میزان آلبیدو سطحی ، 
تابش طول‌موج کوتاه رسیده به سطح زمین برحسب وات بر مترمربع، 
تابش طول‌موج بلند خروجی از سطح زمین برحسب وات بر مترمربع، 
گسیلمندی حرارتی سطحی و 
تابش طول‌موج بلند رسیده به سطح زمین است.
]11[ |
در معادله (11) 
مقدار تابش خالص روزانه برحسب وات بر مترمربع، T طول روز ، 
فاصله زمانی بین زمان گذر ماهواره و زمان دریافت حداکثر تابش خالص توسط سطح زمین که به‌طورمعمول در ساعت 12:30 ظهر به‌وقت محلی صورت میگیرد (2).
]12[ |
میزان تابش خالص روزانه برحسب وات بر مترمربع، میزان آلبیدو سطحی و T میزان میانگین دمای هوا برحسب درجه سلسیوس است.
]13[ |
]14[ |
بهمنظور صحت سنجی دادههای الگوریتم مثلثی در این مطالعه، ابتدا 4 مزرعه کشاورزی با اطلاعات زراعی دقیق در سطح دشت مشهد انتخاب شدند. این مزارع کمترین فاصله را با ایستگاه سینوپتیک مشهد داشتند. در سه مزرعه، گندم از نوع رقم پیشگام و در یک مزرعه ذرت علوفهای از رقم 704 کشت‌شده بود. در این مزارع بهمنظور محاسبه تبخیر-تعرق مرجع از روش فائو-پنمن-مانتیث در نرمافزار REF-ET استفاده شد. سپس مقادیر ضریب گیاهی 
با توجه به روش فائو 56 (1)، برای دورههای رشد مختلف دو گیاه گندم زمستانه و ذرت علوفهای به دست آمد و با توجه به معادله (14) مقادیر تبخیر-تعرق واقعی برای هر یک از روزهای دوره رشد محاسبه شد. درنهایت ضریب تبیین R2 و ضرایب خطا ، میانگین مربعات خطا RMSE و میانگین قدر مطلق خطا MAE بهمنظور ارزیابی و بررسی نتایج، مطابق با معادلههای (15)، (16) و (17) محاسبه شد. در این معادلات 
میزان دادههای برآورد شده حاصل از الگوریتم مثلثی و 
میزان دادههای اندازهگیری شده بر اساس معادله (14) میباشد.
]15[ |
]16[ |
]17[ |
نتایج :
ابتدا مقادیر دمای سطح زمین (LST) و شاخص نرمال شده تغییرات پوشش گیاهی (NDVI) برای هر یک از روزهای موردمطالعه محاسبه و نرمال‌سازی شدند. پس‌ازآن مقادیر در یک فضای دوبعدی بهمنظور محاسبه لبه خشک و تر در مقابل هم ترسیم شدند. شکل (4) نمودار دوبعدی میزان شاخص گیاهی نرمال شده در برابر دمای نرمال شده سطح زمین برای روز67 را نشان میدهد. جدول (1) تاریخ روزهای موردمطالعه و معادله خط رگرسیون (لبه خشک) را نشان میدهد. مقدار ضریب تبیین معادلات رگرسیونی لبه خشک در کلیه روزهای موردمطالعه بالای 8/0 محاسبه شد.
شکل4. نمودار دوبعدی الگوریتم مثلثی برای روز 67 سال 2020 . دایرههای سیاه‌رنگ ؛ پیکسلهای تشکیل‌دهنده منطقه موردمطالعه هستند. خط قرمز لبه خشک و خط آبی لبه تر را نشان میدهد.
Fig4. Two-dimensional diagram of the triangular algorithm for DOY 67. Black points indicate observed pixels over the study area. The red line shows the dry edge and the blue line shows the wet edge.
جدول 1. تاریخ روزهای موردمطالعه و معادله لبه خشک برای هر یک از روزها.
Table1. Selected days in 2020 and dry edge equation for each DOY.
تاریخ روزهای موردمطالعه به میلادی | تاریخ روزهای موردمطالعه به شمسی | روز ژولیوسی | معادله خط رگرسیون (لبه خشک) | ||||||||||||
08-03-2020 | 18-12-1399 | 67 |
| ||||||||||||
11-05-2020 | 22-02-1399 | 131 |
| ||||||||||||
27-05-2020 | 07-03-1399 | 147 |
| ||||||||||||
12-06-2020 | 23-03-1399 | 163 |
| ||||||||||||
28-06-2020 | 08-04-1399 | 179 |
| ||||||||||||
30-07-2020 | 09-05-1399 | 211 |
| ||||||||||||
15-08-2020 | 25-05-1399 | 227 |
| ||||||||||||
16-09-2020 | 26-06-1399 | 259 |
| ||||||||||||
روز 211 |
روز 147 |
روز 259 |
شکل7. مقادیر تبخیر-تعرق واقعی برحسب (mm/day) بر اساس الگوریتم مثلثی در روزهای 147 ، 211 و 259 سال 2020.
Fig7. Actual evapotranspiration in (mm/day) based on triangle algorithm for DOY 147, 211 & 259.
بهمنظور صحت سنجی الگوریتم مثلثی مقادیر تبخیر-تعرق واقعی به‌دست‌آمده از این روش در سطح مزارع انتخابی در منطقه موردمطالعه با مقادیر تبخیر-تعرق واقعی حاصل از معادله (14) مقایسه شد. جدول (2) مقادیر حداقل، حداکثر و میانگین تبخیر-تعرق واقعی (AET) حاصل از الگوریتم مثلثی برای مزارع کشت گندم (مزارع 2، 3 و 4) و ذرت علوفهای (مزرعه 1) و میزان تبخیر-تعرق واقعی (
) حاصل از معادله (14) را در تاریخ روزهای موردمطالعه نشان میدهد. تاریخ کشت ذرت علوفهای بازه بین 15 تا 30 خردادماه 1399 و تاریخ کشت گیاه گندم برای مزارع بازه میان 15 تا 30 مهرماه 1398 بوده است. همان‌طور که در جدول (2) مشاهده میشود روند تغییرات مقادیر تبخیر-تعرق واقعی حاصل از الگوریتم مثلثی با روند تغییرات تبخیر-تعرق واقعی حاصل از معادله (14) کاملاً مشابه است.
جدول2. مقادیر تبخیر-تعرق واقعی محاسبه‌شده با الگوریتم مثلثی (AET) برحسب (mm/day) و مقادیر تبخیر-تعرق واقعی (ETc)حاصل از معادله (14) برحسب (mm/day) برای مزارع کشت گندم و ذرت علوفهای .
Table2. Actual evapotranspiration (AET),) based on triangle algorithm in (mm/day) and actual evapotranspiration (ETc) based on equation (14) in (mm/day) for wheat and maize farms.
مقادیر تبخیر-تعرق واقعی حاصل از الگوریتم مثلثی (AET) | مقادیر تبخیر-تعرق واقعی | نوع گیاه | روز | ||||||||||||
مزرعه 4 | مزرعه 3 | مزرعه 2 | مزرعه 1 | ||||||||||||
میانگین | حداکثر | حداقل | میانگین | حداکثر | حداقل | میانگین | حداکثر | حداقل | میانگین | حداکثر | حداقل |
| |||
95/3 | 07/5 | 43/2 | 16/4 | 43/6 | 43/1 | 33/5 | 78/6 | 17/2 |
|
|
| 73/2 | گندم
| 67 | |
12/8 | 82/8 | 21/6 | 67/7 | 59/8 | 87/2 | 42/7 | 64/8 | 34/2 |
|
|
| 14/7 | 131 | ||
59/8 | 9/9 | 35/5 | 86/7 | 31/9 | 58/3 | 09/7 | 55/8 | 95/2 |
|
|
| 77/5 | 147 | ||
8/4 | 9/5 | 89/2 | 67/4 | 33/5 | 19/2 | 55/4 | 83/5 | 99/1 |
|
|
| 89/3 | 163 | ||
|
|
|
|
|
|
|
|
| 47/4 | 97/5 | 72/2 | 80/5 | ذرت
| 179 | |
|
|
|
|
|
|
|
|
| 33/7 | 26/8 | 33/5 | 10/10 | 211 | ||
|
|
|
|
|
|
|
|
| 15/9 | 87/9 | 98/7 | 04/10 | 227 | ||
|
|
|
|
|
|
|
|
| 16/6 | 83/6 | 21/5 | 73/5 | 259 | ||
MAE | RMSE |
|
|
36/1 | 62/1 | 72/0 | مزرعه 1 |
21/1 | 49/1 | 75/0 | مزرعه2 |
20/1 | 34/1 | 87/0 | مزرعه3 |
48/1 | 67/1 | 85/0 | مزرعه 4 |
بیشترین ضریب همبستگی در مزرعه شماره 3 کشت گندم به میزان 87 درصد، و کمترین میزان همبستگی در مزرعه شماره 1 که دارای ذرت علوفهای بود به میزان 72 درصد مشاهده شد. ضریب همبستگی بیش از 70 درصد در میان مزارع موردمطالعه حاکی از توانایی بالا الگوریتم مثلثی در تخمین تبخیر-تعرق واقعی بهخصوص در مناطق کشاورزی دارد. کمترین میزان ضرایب خطا در مزرعه شماره 3 کشت گندم به میزان جذر میانگین مربعات خطا(
) 34/1 میلیمتر در روز و میانگین خطا مطلق (
) 20/1 میلیمتر در روز و بیشترین ضرایب خطا در مزرعه شماره 4 کشت گندم با 67/1 میلیمتر در روز و 48/1 میلیمتر در روز مشاهده شد.
در مورد ضرایب خطا توجه به این نکته ضروری است که هر چه میزان ضرایب خطا محاسبه‌شده در میان مدلها و دادههای مشاهداتی کمتر باشد، حاکی از دقت مناسب مدلها در پیشبینی پارامترها دارد. اما موضوع قابل‌بحث درمورد دادههای مشاهداتی این است که این دادهها باید از صحت قابل‌توجه ای برخوردار باشند. به‌طور مثال در مورد پارامتر تبخیر-تعرق در بیشتر مطالعاتی که در خارج از ایران صورت گرفته است به‌طورمعمول دادههای حاصل از مدلهای سنجش‌ازدور با دادههای مشاهداتی حاصل از ابزارهای اندازهگیری مستقیم تبخیر-تعرق مانند لایسیمتر، برج شار کوواریانس که قابلیت نصب در مکان منطقه موردمطالعه را دارند، مقایسه میشوند. این در حالی است که در ایران با توجه به کمبود و در اکثر مواقع نبود تجهیزات اندازهگیری مستقیم در اکثر مطالعات بهمنظور صحت سنجی مدلهای برآورد تبخیر-تعرق از فرمولهای تجربی مانند فائو-پنمن یا هارگریوز-سامانی استفاده میشود که این مدلها نیز با توجه پارامترهای هواشناسی موردمطالعه معمولاً مقادیر تبخیر-تعرق را با خطا محاسبه میکنند.
بهمنظور کاهش خطا در این مطالعه سعی شد تا نزدیک‌ترین مزارع به ایستگاه هواشناسی مشهد انتخاب شود تا تغییرات پارامترهای هواشناسی موردنیاز برای روش تجربی فائو-پنمن-مانتیث به حداقل برسد. بااین‌وجود میزان ضرایب خطا در این مطالعه بیش از 1 میلیمتر محاسبه شد که با توجه به شرایط صحت سنجی، این مقادیر قابل‌قبول است.
بحث و نتیجهگیری :
در این مطالعه از الگوریتم مثلثی و دادههای ماهوارهای جهت برآورد تبخیر-تعرق واقعی در سطح دشت مشهد استفاده شد. نتایج به‌دست‌آمده از مقایسه این روش با مقادیر تبخیر-تعرق واقعی به‌دست‌آمده در سطح مزارع موردمطالعه ، حاکی از صحت قابل‌قبول این روش در تخمین پارامتر تبخیر-تعرق واقعی بهخصوص در سطح مناطق کشاورزی دارد. الگوریتم مثلثی موجب بالا رفتن قدرت تفکیک مکانی تخمین پارامتر تبخیر-تعرق میشود، و روش مناسبی جهت برآورد پارامتر تبخیر-تعرق واقعی در سطح مناطق وسیع جغرافیایی است. نتایج به‌دست‌آمده از استفاده این الگوریتم در سایر مطالعات (24و26) نشان از قابلیت این الگوریتم در تخمین پارامتر تبخیر-تعرق بهخصوص در مناطق خشک و نیمهخشک دارد. ازجمله مزیتهای این الگوریتم ، ساختار ساده و دادههای ورودی کم است، که می‌توان از این روش بهخصوص در مناطقی که کمبود داده جهت محاسبه تبخیر-تعرق واقعی دارند استفاده نمود. استفاده از دادههای ماهوارهای در کنار استفاده از ابزارهای محاسباتی به‌روز مانند سامانه تحت وب (GEE) موجب بالابردن سرعت محاسبات در این مطالعه شد.
محاسبه لبه خشک در این الگوریتم ازجمله منابع ایجاد خطا در این روش است. جهت محاسبات لبه خشک در مناطق بزرگ‌تر با توپوگرافی متفاوت توصیه میشود ابتدا منطقه موردمطالعه بر اساس توپوگرافی به مناطق همگن تقسیم شود و سپس برای هر زیر منطقه لبه خشک و تر محاسبه گردد. همچنین بهمنظور بالابردن سطح اطمینان نتایج به‌دست‌آمده توصیه میشود خروجیهای حاصل از الگوریتم با دادههای مشاهداتی مستقیم مقایسه گردد. با توجه به اینکه در این مطالعه امکان برداشت دادههای مشاهداتی مستقیم نبود، دادههای حاصل از الگوریتم بیش از 1 میلیمتر بیش برآوردنشان دادند.
درنهایت جهت بالا بردن سطح اطمینان توصیه میشود در این روش از دادههای ماهوارهای باقدرت تفکیک مکانی کمتر استفاده شود که میزان تغییرات پوشش گیاهی و همچنین رطوبت خاک با دقت بالاتری تخمین زده شود. این امر موجب محاسبه دقیق لبه خشک و تر در الگوریتم مثلثی و درنهایت بالارفتن صحت تخمین پارامتر تبخیر-تعرق واقعی میشود.
منابع مورداستفاده :
1. Allen, R. G., L. S. Pereira, D. Raes, and M. Smith. 1998. “Crop evapotranspiration-Guidelines for computing crop water requirements- FAO Irrigation and drainage paper 56.” Fao, Rome 300 (9): D05109.
2. Bisht G, Venturini V, Islam S, Jiang L. 2005. Estimation of the net radiation using MODIS (Moderate Resolution Imaging Spectroradiometer) data for clear sky days. Remote Sens Environ.97(1):52-67.
3. Carlson T.2007. An Overview of the “Triangle Method” for Estimating Surface Evapotranspiration and Soil Moisture from Satellite Imagery. Sensors,7(8):1612-1629.
4. da Silva BB, Braga AC, Braga CC, de Oliveira LMM, Montenegro SMGL, Barbosa Junior B. 2016. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Rev Bras Eng Agric e Ambient, 20(1):3-8.
5. Gad HE, El-Gayar SM.2010. Climate parameters used to evaluate the evapotranspiration in delta central zone of Egypt. Fourteenth Int Water Technol Conf IWTC14, (February):529-548.
6. Glenn EP, Nagler PL, Huete AR. . 2010.Vegetation Index Methods for Estimating Evapotranspiration by Remote Sensing. Surv Geophys,31(6):531-555.
7. Gowda PH, Chavez JL, Colaizzi PD, Evett SR, Howell TA, Tolk JA. 2008. ET mapping for agricultural water management: Present status and challenges. Irrig Sci,26(3):223-237.
8. Hassan QK, Bourque CPA, Meng FR, Cox RM. 2007. A wetness index using terrain-corrected surface temperature and normalized difference vegetation index derived from standard MODIS products: An evaluation of its use in a humid forest-dominated region of Eastern Canada. Sensors,7(10):2028-2048.
9. Hoedjes JCB, Chehbouni A, Jacob F, Ezzahar J, Boulet G. 2008. Deriving daily evapotranspiration from remotely sensed instantaneous evaporative fraction over olive orchard in semi-arid Morocco. J Hydrol, 354(1-4):53-64.
10. Jiang L, Islam S. 1999. A methodology for estimation of surface evapotranspiration over large areas using remote sensing observations. Geophys Res Lett,26(17):2773-2776.
11. Kumar U, Sahoo B, Chatterjee C, Raghuwanshi NS. 2020. Evaluation of Simplified Surface Energy Balance Index (S-SEBI) Method for Estimating Actual Evapotranspiration in Kangsabati Reservoir Command Using Landsat 8 Imagery. J Indian Soc Remote Sens, 48(10):1421-1432.
12. Li Z, Jia L, Lu J. 2015. On uncertainties of the Priestley-Taylor/LST-Fc feature space method to estimate evapotranspiration: Case study in an arid/semiarid region in northwest China. Remote Sens, 7(1):447-466.
13. Long D, Singh VP.2012. A Two-source Trapezoid Model for Evapotranspiration (TTME) from satellite imagery. Remote Sens Environ,121:370-388.
14. Luo T, Jutla A, Islam S. 2015. Evapotranspiration estimation over agricultural plains using MODIS data for all sky conditions. Int J Remote Sens,36(5):1235-1252.
15. Mogbeli Damaneh M, Sanaeinejad S.H.2018. Estimate of potential evapotranspiration in Freiman using the priestiley-taylor method and remote sensing techniqe. Journal of RS & GIS for Natural Resources, 9(3): 72-84. (In Persian)
16. Morshedi A, Naderi M, Tabatabaei S H, Mohammadi J.2017. Estimation of Actual Evapotranspiration at Regional Scale using Remote sensing data in Shahrekord Plain (II) Comparing SEBAL and METRIC to Some Mathematical Models of Evapotranspiration . Journal Water and Soil Sci (Sci. & Technol. Agric. & Natur. Resour.), 21 (3) :1-13 (In Persian)
17. Paymard P. Assessment of Land Capability for Different Irrigation Systems by Parametric and Fuzzy Approaches in the Mashhad Plain , Northeast Iran Assessment of Land Capability for Different Irrigation Systems by Parametric and Fuzzy Approaches in the Mashhad Plain . 2015;(May).
18. Peng J, Borsche M, Liu Y, Loew A.2013. How representative are instantaneous evaporative fraction measurements of daytime fluxes? Hydrol Earth Syst Sci,17(10):3913-3919.
19. Pourmohamad Y, Ghandehari A, Davary K, Shirazi P. 2020. Multicriteria Decision-Making Approach to Enhance Automated Anchor Pixel Selection Algorithm for Arid and Semi-Arid Regions. J Hydrol Eng,25(11):04020049.
20. Rango A.1994. Application of remote sensing methods to hydrology and water resources. Hydrol Sci J, 39(4):309-320.
21. Rasmussen MO, Srensen MK, Wu B, Yan N, Qin H, Sandholt I. 2014. Regional-scale estimation of evapotranspiration for the North China Plain using MODIS data and the triangle-approach. Int J Appl Earth Obs Geoinf. 2014;31(1):143-153.
22. Reynolds JF, Stafford Smith DM, Lambin EF, et al. 2007. Ecology: Global desertification: Building a science for dryland development. Science (80- ),316(5826):847-851.
23. Stisen S, Sandholt I, Nørgaard A, Fensholt R, Jensen KH. 2008.Combining the triangle method with thermal inertia to estimate regional evapotranspiration - Applied to MSG-SEVIRI data in the Senegal River basin. Remote Sens Environ,112(3):1242-1255.
24. Tang R, Li ZL, Tang B. 2010. An application of the Ts-VI triangle method with enhanced edges determination for evapotranspiration estimation from MODIS data in arid and semi-arid regions: Implementation and validation. Remote Sens Environ,114(3):540-551.
25. Teixeira AH d. C, Bastiaanssen WGM, Ahmad MD, Bos MG. 2009. Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle São Francisco River basin, Brazil. Part A: Calibration and validation. Agric For Meteorol,149(3-4):462-476.
26. Zhang H, Gorelick SM, Avisse N, Tilmant A, Rajsekhar D, Yoon J. 2016. A new temperature-vegetation triangle algorithm with Variable Edges (TAVE) for satellite-based actual evapotranspiration Estimation. Remote Sens,8(9).
Actual evapotranspiration estimation by Triangle algorithm and landsat8 data (case study: Mashhad plain-Khorasan Razavi province)
Abstract
The estimation of spatially-variable actual evapotranspiration (AET) is a critical challenge to regional water resources management. Most of the available crop coefficient based ET computation methods provide point-scale estimates which need up-scaling to apply at the catchment or command area scale. A variety of remote sensing methods with varying complexity have been developed to generate regional AET estimates based on surface energy balance or vegetation status. The triangle method is used to estimate regional evapotranspiration (ET) in arid and semi-arid regions. In this study, for estimation actual evapotranspiration was used triangle algorithm with Landsat 8 data in 2020 in Mashhad plain. The results of the triangle algorithm were verified with the evapotranspiration obtained from the FAO Penman-Monteith coupled crop coefficient in wheat and maize farms. The validation results showed high accuracy of the triangle algorithm in actual evapotranspiration estimation so that the correlation coefficient observed more than 0.7 and the maximum Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) was 1.67 and 1.48 mm per day, respectively.
Keywords: Actual evapotranspiration, Triangle algorithm, Landsat8, Mashhad plain
تخمین تبخیر-تعرق واقعی با استفاده از الگوریتم مثلثی و دادههای لندست 8
(مطالعه موردی: دشت مشهد-استان خراسان رضوی)
چکیده :
پیشینه و هدف: حدود 45 درصد از مساحت کره زمین را اراضی خشک و نیمهخشک تشکیل دادهاند که 35 درصد از جمعیت جهان در این مناطق ساکن هستند. از آنجایی که آب در مناطق خشک و نیمهخشک ازجمله محدودیتهای عمده برای رفاه اقتصادی و توسعه پایدار میباشد، ازاینرو برآورد دقیق مکانی پدیده تبخیر –تعرق که موجب خارج شدن بیش از 80 درصد از آب قابلدسترس سالیانه در این مناطق میشود، در مباحث هیدرولوژی، هواشناسی و کشاورزی اهمیت ویژه دارد. افزایش دقت و صحت تخمین تغییرات مکانی و زمانی پارامترهای موثر بر فرایند تبخیر-تعرق، موجب افزایش صحت برآورد این پدیده میشود. این در حالی است که در بسیاری از کشورها بهمنظور برآورد میزان تبخیر-تعرق از روشهای توصیه‌شده توسط فائو استفاده میگردد، که در این روشها محاسبه تغییرات مکانی و زمانی پارامترهای مؤثر بر روی تبخیر-تعرق از صحت بالایی برخوردار نیست. در مقابل این روشها تکنولوژی سنجش‌ازدور مبتنی بر دادههای ماهوارهای قادر است تبخیر-تعرق را در مقیاس مکانی متفاوت تخمین بزند. تخمین تبخیر- تعرق بر مبنای روشهای تجربی و بالانس انرژی معمولاً در مقیاسهای وسیع مکانی به دلیل بافت ناهمگن محیط، تغییر خصوصیات توپوگرافی و پوشش گیاهی و غیره دچار خطا میشوند. همچنین این مدلها علاوه بر دادههای ماهوارهای به دادههای ایستگاهی مانند: دمای سطح زمین، سرعت باد و غیره نیازمندند که معمولاً به علت کمبود این دادهها و یا پراکنش نامناسب ایستگاههای هواشناسی، برای مقیاسهای بزرگ این روشها توصیه نمیشود. ازاینرو بهمنظور غلبه بر این مشکلات و افزایش صحت تخمین تبخیر-تعرق در مقیاسهای وسیع مکانی باید از روشهایی استفاده نمود که تنها متکی بر دادههای ماهوارهای باشند، که ازجمله این روشها می‌توان به روش مثلثی اشاره کرد. با توجه به اقلیم خشک و نیمهخشک ایران و ضرورت استفاده صحیح از منابع آبی در بخش کشاورزی و همچنین نبود ابزار مناسب جهت اندازهگیری مستقیم (مانند : نسبت باون، برج شار ادی کوواریانس و غیره )پدیده تبخیر-تعرق، استفاده از مدلهای سنجش‌ازدوری با دقت و کارایی مناسب جهت تخمین این پدیده بهخصوص در مناطق فاقد ایستگاههای برداشت کننده پارامترهای هواشناسی اهمیت مییابد. هدف از این مطالعه تخمین تبخیر-تعرق در مقیاس مکانی گسترده و بالا بردن دقت مکانی و برآورد صحیح این پارامتر در مناطق با پوشش گیاهی متفاوت با استفاده از الگوریتم مثلثی و تصاویر ماهواره لندست 8 است.
مواد و روشها: با توجه به هدف این مطالعه که محاسبه تبخیر-تعرق میباشد و اهمیت این پارامتر در بخش کشاورزی، منطقه موردمطالعه باید طوری انتخاب گردد که علاوه بر پوششهای طبیعی گیاهی بخش وسیعی از اراضی کشاورزی را نیز شامل گردد. ازاینرو با توجه موقعیت جغرافیایی اراضی کشاورزی در استان خراسان رضوی، دشت مشهد به‌عنوان منطقه موردمطالعه در این پژوهش انتخاب گردید. در این مطالعه از دادههای ماهواره لندست 8 استفاده شد. کلیه محاسبات مربوط به دادههای سنجش‌ازدور در این مطالعه با استفاده از زبان برنامه‌نویسی JAVA در محیط سامانه (GEE) Google Earth Engine code صورت پذیرفت. کلیه تصاویر ماهواره لندست 8 برای بازه زمانی سال 2020 جستجو شد و تصاویری که در منطقه موردمطالعه دارای ابرناکی کمتر از 10درصد بود انتخاب گردید. همچنین دادههای هواشناسی شامل دمای هوا، دمای نقطه شبنم، رطوبت نسبی، فشار هوا، طول روز، ساعت آفتابی و سرعت باد برای تاریخ تصاویر انتخاب‌شده از ایستگاه سینوپتیک مشهد استخراج شد. الگوریتم مثلثی بر مبنای پراکندگی فضایی دادههای نرمال شده شاخص گیاهی(NDVI) و نرمال شده دمای سطح زمین(LST) در محیطی دوبعدی استوار است. در این مطالعه دادههای دمای سطح زمین و دادههای NDVI با استفاده از دادههای باند 10، 5 و 4 ماهواره لندست 8 در تاریخ‌های انتخابی در محیط GEE محاسبه گردیدند، و بهمنظور شناسایی لبه خشک و مرطوب مدل مثلثی نرمال‌سازی شدند. مقادیر نرمال شده وضعیت پوشش گیاهی و دمای سطح زمین برای هر یک از روزهای موردمطالعه وارد نرمافزار مطلب شد و لبه خشک و مرطوب برای هریک از روزهای موردمطالعه و ضریب برای هر یک از پیکسل‌ها محاسبه گردید. پس از محاسبه پارامتر ترکیبی () در گام بعدی میزان کسر از تبخیر لحظهای (EF) محاسبه شد. مقادیر تابش خالص ، شار گرمای خاک و میزان گرمای نهان تبخیر نیز با استفاده از دادههای سنجش‌ازدوری محاسبه شد. بهمنظور صحت سنجی دادههای الگوریتم مثلثی در این مطالعه، ابتدا 4 مزرعه کشاورزی با اطلاعات زراعی دقیق در سطح دشت مشهد انتخاب شدند. این مزارع کمترین فاصله را با ایستگاه سینوپتیک مشهد داشتند. در این مزارع بهمنظور محاسبه تبخیر-تعرق مرجع از روش فائو-پنمن-مانتیث در نرمافزار REF-ET استفاده شد. سپس مقادیر ضریب گیاهی با توجه به روش فائو 56، برای دورههای رشد مختلف دو گیاه گندم زمستانه و ذرت علوفهای به دست آمد و مقادیر تبخیر-تعرق واقعی برای هر یک از روزهای دوره رشد محاسبه شد. درنهایت ضریب تبیین R2 و ضرایب خطا ، میانگین مربعات خطا RMSE و میانگین قدر مطلق خطا MAE بهمنظور ارزیابی و بررسی نتایج محاسبه شد.
نتایج و بحث: ابتدا مقادیر دمای سطح زمین (LST) و شاخص نرمال شده تغییرات پوشش گیاهی (NDVI) برای هر یک از روزهای موردمطالعه محاسبه و نرمال‌سازی شدند. پس‌ازآن مقادیر در یک فضای دوبعدی بهمنظور محاسبه لبه خشک و تر در مقابل هم ترسیم شدند. مقدار ضریب تبیین معادلات رگرسیونی لبه خشک در کلیه روزهای موردمطالعه بالای 8/0 محاسبه شد. مناطقی که دارای پوشش گیاهی انبوهتر بودند دارای دمای سطحی کمتر و میزان ضریب کسر از تبخیر در این مناطق نیز بیشتر شد. در مناطق کشاورزی دشت مشهد که ازلحاظ جغرافیایی در مرکز دشت قرار دارند با توجه به بالا بودن آب قابلدسترس و میزان رطوبت خاک میزان بالاتری از ضریب کسر از تبخیر لحظهای مشاهده شد. میزان شار تابش خالص لحظهای برای منطقه موردمطالعه بازه بین 200 تا 700 وات بر مترمربع و شار تابش خالص روزانه بازه بین 100 تا 400 وات بر مترمربع برای روزهای موردمطالعه به دست آمد. درنهایت میزان تبخیر-تعرق واقعی در بازه رشد گیاهان زراعی در منطقه موردمطالعه با استفاده از الگوریتم مثلثی محاسبه شد. نتایج حاصل از الگوریتم مثلثی با نتایج تبخیر-تعرق واقعی حاصل از روش فائو-پنمن-مانتیث و ضریب گیاهی (Kc) در سطح مزارع گندم و ذرت علوفهای صحت سنجی شدند. نتایج صحت سنجی حاکی از صحت و دقت بالای روش الگوریتم مثلثی در تخمین پارامتر تبخیر-تعرق واقعی داشت بهطوریکه میزان ضریب تبیین (R2) در این مطالعه بالای 7/0 و بیشترین میزان جذر میانگین مربعات خطا (RMSE) و میانگین خطا مطلق (MAE) به ترتیب : 67/1 و 48/1 میلیمتر در روز مشاهده شد.
نتیجهگیری: الگوریتم مثلثی به خوبی میتواند تاثیرات تغییرات سطح زمین و استرس آب بر روی تبخیر-تعرق واقعی به خصوص در مناطق نیمهخشک نشان دهد. ازجمله مزیتهای این الگوریتم ، ساختار ساده و دادههای ورودی کم است، که می‌توان از این روش بهخصوص در مناطقی که کمبود داده جهت محاسبه تبخیر-تعرق واقعی دارند استفاده نمود. نتایج به‌دست‌آمده از مقایسه این روش با مقادیر تبخیر-تعرق واقعی به‌دست‌آمده در سطح مزارع موردمطالعه ، حاکی از صحت قابل‌قبول این روش در تخمین پارامتر تبخیر-تعرق واقعی بهخصوص در سطح مناطق کشاورزی دارد. الگوریتم مثلثی موجب بالا رفتن قدرت تفکیک مکانی تخمین پارامتر تبخیر-تعرق میشود، و روش مناسبی جهت برآورد پارامتر تبخیر-تعرق در سطح یک منطقه وسیع میباشد. استفاده از دادههای ماهوارهای در کنار استفاده از ابزارهای محاسباتی به‌روز مانند سامانه تحت وب (GEE) موجب بالابردن سرعت محاسبات در این مطالعه شد.
واژگان کلیدی: تبخیر-تعرق واقعی، الگوریتم مثلثی ، لندست 8، دشت مشهد
Actual evapotranspiration estimation by Triangle algorithm and landsat8 data (case study: Mashhad plain-Khorasan Razavi province)
Abstract
Background and Objective: Dry and semi-arid lands cover about 45% of the earth's area, and 35% of the world's population lives in these areas. Where water in arid and semi-arid regions is one of the major limitations for economic welfare and sustainable development, Evapotranspiration is the largest component of water loss from the Earth’s land surface, accounting for the consumption of more than 80% of the annual available water in semi-arid environments, hence the accurate spatial estimation of evapotranspiration is important in hydrology, meteorology, and agriculture. In several countries, the recommended method by FAO has been utilized. However, the spatial and temporal variations of the surface characteristics cannot be taken into account with high accuracy by this method. In contrast to these methods, remote sensing technology based on satellite data is able to estimate evapotranspiration at a different spatial scale. Evapotranspiration estimation based on experimental methods and energy balance usually has errors in the extended area due to the heterogeneous texture of the environment, changes in topography and vegetation, etc. In addition, some of these models need station data like (land surface temperature, wind speed, etc.), which are not recommended for large-scale areas. In order to overcome the latter problem, attempts have been made to develop a parameterization of regional ET with only satellite-derived surface parameters, such as the triangle method. Considering the arid and semi-arid climate of Iran and the necessity of proper use of water resources in the agricultural area, as well as the lack of suitable tools for direct measurement (such as Bowen ratio, Eddy covariance flux tower, etc.) the ET estimation by using RS models with appropriate accuracy and efficiency is important, especially in areas without meteorology stations. The purpose of this study is ET estimation by triangle algorithm and Landsat 8 satellite images on large scale areas and increase the spatial accuracy and high correct estimation of ET in areas with different vegetation coverage.
Material and Methods: Considering the purpose of this study, which is ET estimation, and the importance of this parameter in the agricultural lands, the studied area should include agricultural lands and natural plant covers. Therefore, according to the location of agricultural lands in Khorasan Razavi province, Mashhad Plain was selected as the study area in this research. Landsat 8 satellite data was used in this study. All calculations related to remote sensing data in this study were done using JAVA programming language in the Google Earth Engine code (GEE) system environment. All Landsat 8 satellite images for 2020 were collected and the images with less than 10% cloudiness were selected. Also, meteorological data including air temperature, dew point temperature, relative humidity, air pressure, day length, sunshine hours, and wind speed were collected from Mashhad synoptic station. A triangular algorithm is based on the spatial distribution in the two-dimensional space of normalized vegetation index (NDVI) and normalized land surface temperature (LST) data. In this study, land surface temperature and NDVI data were calculated using Landsat 8 band 10, 5, and 4 in the GEE and, in order to identify the dry and wet edges of the triangular algorithm were normalized. In order to wet and dry edges calculation for each day, normalized NDVI and LST were used. All calculation related to the wet and dry edges was done in MATLAB software. After that ϕ coefficient was estimated for each pixel. In the next step, the instantaneous evaporation fraction (EF) was estimated for each pixel. Net radiation, soil heat flux, and latent heat of evaporation values were also estimated using remote sensing data. For validation of the triangular algorithm in this study, four farms were selected that have exact data on growing levels. These farms had the shortest distance from Mashhad synoptic station. Reference evapotranspiration is computed by the Fao-Penman-Monteith method using the REF-ET software for each farm. After that, coefficient Kc was obtained based on the FAO-56 method for different growth periods of two plants (winter wheat, and maize), and the actual ET values were calculated for each day of the growth period. For the result validation, the correlation coefficient R2 and root mean squared error RMSE, and mean absolute error MAE was calculated.
Result and Discussion: First, the values of land surface temperature (LST) and normalized vegetation change index (NDVI) were calculated and normalized for each of the studied days. After that, the values were plotted in a two-dimensional space to calculate the dry and wet edges. The correlation coefficient of dry edge regression equations was above 0.8 on all studied days. Areas with dense vegetation covers had a low land surface temperature and the EF was high in these areas. In the agricultural areas of Mashhad plain, which are located in the center of the plain, due to the high availability of water and soil moisture, a higher amount of EF was observed. The instantaneous net radiation flux for the study area was between 200 and 700 W/m2 and the daily net radiation flux was between 100 and 400 W/m2 for the studied days. Finally, the actual evapotranspiration during the growing period of agricultural plants was estimated using the triangular algorithm. The results of the triangle algorithm were verified with the evapotranspiration obtained from the FAO- Penman-Monteith coupled crop coefficient in wheat and maize farms. The validation results showed high accuracy of the triangle algorithm in actual evapotranspiration estimation so that the correlation coefficient observed more than 0.7 and the maximum Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) was 1.67 and 1.48 mm per day, respectively.
Conclusion: The triangle algorithm can effectively address the combined influence of terrain and water stress on AET estimates in semi-arid environments. As the triangle algorithm has a simple structure and low data requirements, it provides an efficient solution to the increasing need for evapotranspiration estimation in data-scarce areas. The results obtained from the comparison of the triangle algorithm with the actual ET values obtained from farms indicate the acceptable accuracy of this method in estimating the actual ET parameter, especially in agricultural areas. The triangular algorithm increases the spatial resolution of ET estimating and it is a suitable method for use in extended areas. The use of satellite data and the web-based system (GEE) increased the speed of calculations in this study.
Keywords: Actual evapotranspiration, Triangle algorithm, Landsat8, Mashhad plain
مقالات مرتبط
-
بررسی تغییرات کاربری اراضی و ارتباط آن با سطح آب‌های زیرزمینی (مطالعه موردی: دشت اردبیل)
تاریخ چاپ : 1400/01/01 -
بررسی تغییرات سطحی آب دریاچه ارومیه با استفاده از ادغام داده های ماهواره لندست-8 و سنتینل-2
تاریخ چاپ : 1401/07/01
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400