کاربرد الگوریتم سبال در تعیین حداکثر سهم روزانه گندم دیم از منابع آب سبز با استفاده از تصاویر سنجنده مودیس (مطالعه موردی: شهرستان اهر)

محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری

علی اشرف صدرالدینی ¹ ( استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران )
حامد سبزچی دهخوارقانی ² ( دانشجوی دکتری مهندسی آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران )
امیرحسین ناظمی ³ ( استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران )
ابولفضل مجنونی هریس ⁴ ( دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران )

تاریخ دریافت : 1398/07/19 تاریخ پذیرش : 1399/01/05 تاریخ انتشار : 1399/01/01

کلید واژه: اهر, گندم دیم, الگوریتم سبال, تبخیر و تعرق, تصاویر مودیس,

چکیده مقاله :

کاربرد تکنیک‌های سنجش از دور در برآورد مکانی و زمانی مقادیر تبخیر و تعرق جایگزینی برای اندازه‌گیری‌های‌ میدانی است. هدف از این مطالعه، تعیین حداکثر سهم روزانه گندم دیم از منابع آب سبز در شهرستان اهر با استفاده از اجرای الگوریتم سبال بر روی تصاویر مودیس است. در این پژوهش ابتدا کارایی الگوریتم سبال در برآورد تبخیر و تعرق گندم از مقایسه نتایج آن با روش الگامن افهولدر در اراضی گندم دیم و روش فائو پنمن مانتیث در اراضی گندم آبی ارزیابی شد و سپس حداکثر مقدار روزانه تبخیر و تعرق واقعی گندم دیم با استفاده از الگوریتم مذکور در سطح منطقه بدست آمد. از محصولات بازتاب سطحی و دمای سطح زمین سنجنده مودیس جهت رصد تغییرات مقادیر شاخص تفاضل گیاهی نرمال شده در طول دوره رشد گندم، تهیه نقشه اراضی گندم و برآورد مقادیر تبخیر و تعرق آن در سال 1389 در دوره خوشه رفتن تا طلایی شدن گندم استفاده شد. پس از ارزیابی کارایی الگوریتم سبال در دوره مذکور، حداکثر سهم روزانه گندم دیم از منابع آب سبز در 27 اردیبهشت سال 1398 محاسبه گردید. از مقایسه نتایج الگوریتم سبال با نتایج روش‌های محاسباتی در اراضی گندم میانگین خطای مطلق 0.61 میلی متر بر روز و ضریب همبستگی 0.9 بدست آمد. همچنین مشخص گردید که بیشترین میزان تبخیر و تعرق اراضی گندم در زمان به اوج رسیدن منحنی شاخص گیاهی آن می‌باشد که در این مقطع با استفاده از الگوریتم سبال حداکثر سهم روزانه گندم دیم از منابع آب سبز در سال 1398 حدود 0.93 میلیون مترمکعب برآورد گردید.

چکیده انگلیسی:

Remote sensing techniques have been applied to estimate the spatiotemporal distribution of evapotranspiration as an alternative for field measuring methods. The objective of this study is to estimate the maximum daily demand of rain-fed wheat from green water sources in Ahar county using the SEBAL algorithm and MODIS images. First, the results from the SEBAL algorithm were evaluated by comparing them to the results from the Eagleman-Affholder method in rain-fed wheat fields and to the results from Fao-Penman- Monteith method in irrigated wheat fields and then the wheat maximum daily evapotranspiration values were calculated in the study area. MODIS surface reflectance and land surface temperature images were used to monitor the variation of normalized difference vegetation index during the wheat growth period, to map wheat areas and to estimate wheat evapotranspiration during the wheat booting stage until the wheat yellowing stage in 2010. After evaluating the SEBAL algorithm during the mentioned period, the maximum daily demand of rain-fed wheat from green water sources was estimated on the 17th of July 2019. By comparing the wheat evapotranspiration values from SEBAL and from computational methods, the average absolute error and correlation were calculated as 0.61 mm/day and 0.9 respectively. It was also found that the wheat highest evapotranspiration occurred when the vegetation index curve had reached its peak. In this time, the wheat maximum daily water demand from the green water resources throughout the county in 2019 was estimated almost equal to 0.93 million cubic meters.