مقایسه دو روش سنجش از دور تک منبعی و دو منبعی برآورد تبخیر-تعرق واقعی روزانه ذرت در مقیاس مزرعه با استفاده از تصاویر لندست
مصیب مقبلی دامنه
1
(
دانشجوی دکتری هواشناسی کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
)
سیدحسین ثنایی نژاد
2
(
دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
)
مجتبی صادق
3
(
استادیار، گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه ایالتی بویزی، بویزی، آمریکا
)
کلید واژه: تبخیر-تعرق واقعی, الگوریتم SEBAL, الگوریتم TSEB, سنجش از دور,
چکیده مقاله :
بهینه‌سازی مصرف آب آبیاری در کشاورزی را می‌توان یکی از مهمترین کارهای لازم در پژوهش‌های مربوط به بخش کشاورزی دانست زیرا حدود 70 درصد آب مصرفی جهان در این بخش مصرف می‌شود. با توجه به اینکه تقریبا عامل اصلی هدررفت آب در این بخش برابر است با میزان تبخیر-تعرق، بنابرین شناخت این متغیر و برآورد دقیق آن کمک زیادی به هدف اولیه که بهینه‌سازی مصرف آب است، می‌کند. در این پژوهش استفاده از دو الگوریتم مبتنی بر داده‌های سنجش از دور برای برآورد تبخیر-تعرق واقعی روزانه در مقیاس مزرعه مورد بررسی و ارزیابی قرار گرفت. مقادیر تبخیر-تعرق واقعی با استفاده از دو الگوریتم توازن انرژی سطح زمین (SEBAL)، توازن انرژی دو منبعی (TSEB) و داده‌های مستخرج از تصاویر ماهواره‌های لندست 7 و 8 برآورد شد. برای صحت‌سنجی برآوردهای دو روش سنجش از دور، از دو روش یک جزئی و دو جزئی فائو-56 به عنوان مقادیر مرجع تبخیر-تعرق واقعی، استفاده شد. مقایسه خروجی روش‌های سنجش از دور با روش‌های فائو-56 نشان داد هر دو روش سنجش از دور دارای خروجی‌های قابل اعتمادی هستند. میانگین مقدار خطای برآورد براساس دو شاخص آماری متداول ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) در مقیاس روزانه به ترتیب 54/1 و 11/1 میلیمتر برای الگوریتم SEBAL و TSEB در مقایسه با روش‌های مرجع بدست آمد. همچنین شاخص اریبی نشان داد برای برآورد تبخیر-تعرق واقعی الگوریتم SEBAL دارای کم‌برآورد (69/0-) و الگوریتم TSEB دارای بیش‌برآورد (24/1+) است. نتایج بدست آمده از آنالیز آماری در این پژوهش دقت بالاتر الگوریتم TSEB را در برآورد تبخیر-تعرق واقعی برای گیاه ذرت در مقیاس مزرعه را نشان می‌دهد.
چکیده انگلیسی :
Optimizing irrigation in agriculture can be considered one of the most important tasks in research related to the agricultural sector because about 70 percent of the world's water consumption is consumed in this sector. Considering that almost the main factor of water wastage in this sector is equal to the rate of evapotranspiration, therefore, knowing this variable and its accurate estimation helps a lot to the primary goal, irrigation optimization. In this research, the use of two algorithms based on remote sensing data to estimate actual daily evapotranspiration at farm scale was investigated and evaluated. The actual evapotranspiration values were estimated using two remote sensing approaches, Surface Energy Balance Algorithm for Land (SEBAL) and Two Source Energy Balance (TSEB), and data extracted from Landsat 7 and 8 satellite images. To validate remote sensing methods, FAO-56 single and dual crop coefficient methods were used as reference values of actual evapotranspiration. Comparing the output of remote sensing methods with FAO-56 methods showed that both remote sensing methods have reliable output. The average error of the estimations was obtained based on two common statistical indicators, Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) on the daily scale, 1.54 and 1.11 mm, respectively, for SEBAL and TSEB algorithms. Also, the bias index showed that the SEBAL algorithm has an underestimation (-0.69) and the TSEB algorithm has an overestimation (+1.24) in the estimation of actual evapotranspiration. The results obtained from the statistical analysis in this research show the higher accuracy of the TSEB algorithm in estimating the actual evapotranspiration of maize at the field scale.