تبخیر و تعرق یکی از مولفه‌های مهم در بحث بیلان آب می‌باشد که با روش‌های متعددی اندازه‌گیری و برآورد می گردد. ازآنجاکه این روش‌ها عمدتاً شامل اندازه‌گیری به صورت نقطه‌ای بوده و نیازمند داده‌های اندازه‌گیری شده زمینی زیادی می‌باشند، دارای محدودیت هستند. در این پژوهش، مقادیر تبخیر و تعرق پتانسیل با استفاده از روش پریستلی- تیلور و تکنیک سنجش از دور در منطقه فریمان در استان خراسان رضوی، برای 8 روز در سال‌های 1393 و 1394 و 1395 با استفاده از تصاویر سنجنده لندست 8 تخمین زده شد. جهت تعیین صحت برآورد بدست آمده، نتایج این مطالعه با روش فائو پنمن- مانتیث (روش مرجع برای تخمین تبخیر و تعرق پتانسیل) مقایسه گردید. مقایسه نتایج بدست آمده از روش پریستلی- تیلور با روش فائو پنمن- مانتیث نشان می‌دهد که ضریب تبیین 0.91 (R2) و همچنین خطای جذر میانگین مربعات 0.78 (RMSE)، میلی متر در روز می‌باشد. این نتایج بیانگر دقت بالای روش پریستلی- تیلور در تخمین مقدار تبخیرو تعرق پتانسیل در اقلیم نیمه خشک می‌باشد. Manuscript profile

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. Manuscript profile