آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 626 |
| تعداد مقالات | 6,517 |
| تعداد مشاهده مقاله | 8,745,680 |
| تعداد دریافت فایل اصل مقاله | 8,316,241 |
برآورد تبخیر و تعرق واقعی محصول برنج با بکارگیری الگوریتم METRIC در بخشی از شمال ایران | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 6، دوره 24، شماره 6، بهمن و اسفند 1396، صفحه 105-122 اصل مقاله (1.21 M) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwsc.2017.13005.2767 | ||
| نویسندگان | ||
| سرور اسمعیلی1؛ یونس خوشخو* 2؛ خالد بابایی3؛ ابراهیم اسعدی اسکویی4 | ||
| 1دانشجو | ||
| 2استادیار، گروه علوم و مهندسی آب- دانشگاه کردستان | ||
| 3کارشناس ارشد اداره آب منطقه ای استان کردستان | ||
| 4دکتری هواشناسی کشاورزی، سازمان هواشناسی کشور | ||
| چکیده | ||
| سابقه و هدف: با توجه به اینکه کمبود منابع آب در سال‌‌های اخیر در کشور ایران به چالش عمده‌ای تبدیل شده است و در این میان، بیشترین مصرف آب در بخش کشاورزی و مربوط به پدیده تبخیر و تعرق است مدیریت بهینه و پایدار منابع آب مستلزم شناخت و برآورد صحیح تبخیر و تعرق می‌باشد. در بین روش‌های مختلف برآورد تبخیر و تعرق، تکنیک سنجش از دور به دلیل پوشش مکانی و زمانی مناسب، گزینه مناسبی برای برآورد تبخیر و تعرق در مقیاس منطقه‌ای است و با استفاده از این تکنیک می‌توان تبخیر و تعرق یک منطقه را بدون نیاز به دانستن پیشینه‌ای از وضعیت خاک، محصول و نحوه‌ی مدیریت مزرعه با دقت مناسب برآورد کرد. از بین الگوریتم‌های گوناگون ارائه شده مبتنی بر سنجش از دور، در این پژوهش از الگوریتم نسبتاً جدید متریک جهت برآورد تبخیر و تعرق محصول برنج در شهرستان رشت استفاده شد. مواد و روش‌ها: جهت برآورد تبخیر و تعرق محصول برنج در شهرستان رشت، از داده‌های هواشناسی ایستگاه هواشناسی کشاورزی رشت که شامل متغیرهای دمای هوا، رطوبت نسبی، ساعات آفتابی، بارندگی و سرعت باد در مقیاس زمانی 3 ساعته برای 8 روز بدون ابر در مردادماه 1393، تصاویر ماهواره‌ای سنجنده مودیس و داده‌های لایسیمتری استفاده شد و با استفاده از داده‌ها و تصاویر مذکور و با بکارگیری الگوریتم مبتنی بر بیلان انرژی متریک، مقدار تبخیر و تعرق روزانه محصول برنج برآورد گردید و جهت اعتبارسنجی نتایج حاصل از الگوریتم متریک، از داده-های لایسیمتری اندازه‌گیری‌شده در شالیزار مؤسسه تحقیقات برنج رشت که در فصل تابستان سال 1393 در شالیزار کار گذاشته شده‌اند استفاده شد. یافته‌ها: نتایج حاصل از این پژوهش نشان داد که با پیاده‌سازی الگوریتم متریک با استفاده از تصاویر سنجنده مودیس می‌توان مقدار تبخیر و تعرق واقعی محصول برنج را در مقیاس روزانه با دقت قابل قبولی برآورد نمود. مقایسه مقادیر برآورد شده تبخیر و تعرق محصول برنج توسط الگوریتم متریک با مقادیر اندازه‌گیری‌شده لایسیمتری نشان داد که مقادیر شاخص‌های RMSE، MAE و MBE به ترتیب برابر با 21/1، 14/1 و 17/1- میلیمتر در روز بدست آمد که نشان‌دهنده دقت قابل قبول الگوریتم متریک جهت برآورد تبخیر و تعرق روزانه محصول برنج است اما در حالت کلی، این الگوریتم تمایل به کم برآورد کردن مقدار تبخیر و تعرق محصول برنج دارد به گونه‌ای که میانگین مقادیر تبخیر و تعرق در 8 روز مورد مطالعه با استفاده از داده‌های لایسیمتری و الگوریتم متریک به ترتیب 2/9 و 8 میلیمتر در روز بدست آمد. نتیجه‌گیری: به طور کلی استفاده از تکنیک سنجش از دور و الگوریتم متریک و تصاویر ماهواره‌ای به عنوان روشی جدید جهت برآورد تبخیر و تعرق دارای دقت قابل قبول و مناسبی است و منشأ وجود اختلاف بین مقادیر محاسباتی و مشاهداتی و همچنین کم برآورد کردن الگوریتم متریک را می‌توان به عواملی از جمله پایین بودن قدرت تفکیک مکانی تصاویر مودیس و نحوه انتخاب پیکسل‌های گرم و سرد در این الگوریتم نسبت داد. | ||
| کلیدواژه‌ها | ||
| "الگوریتم METRIC"؛ "تبخیر و تعرق"؛ "سنجنده MODIS"؛ "شالیزار برنج"؛ "شمال ایران" | ||
| مراجع | ||
|
1.Allen, R., Waters, R., Tasumi, M., Trezza, R., and Bastiaanssen, W. 2002. SEBAL, Surface energy balance algorithms for land, Idaho Implementation. Advanced Training and User’s Manual, version 1.0. 2.Allen, R.G., Tasumi, M., and Trezza, R. 2007. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC) Model. J. Irrig. Drain. Eng. 133: 380-394. 3.Asadi Oskoi, A. 2016. Partitioning evaporation and transpiration in different irrigation managements and its effect on determination of rice water requirement methods. Thesis Ph.D. In the field of agricultural meteorology. Mashhad Ferdowsi University. (In Persian) 4.Bagheri Haroni, M., Arshad, S., Majnoni, A., and Morid, S. 2012. Comparison of remote sensing models Single source and dual sources Energy flux in the estimation of real evapotranspiration In Tabriz plain. Remote Sensing Society and GIS Iran. 4: 1. 81-96. (In Persian) 5.Bastiaanssen, W.G.M., Noordman, E.J.M., Pelgrum, H., Davids, G., Thoreson, B.P., and Allen, R.G. 2005. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. ASCE J. Irrig. Drain. 131: 85-93. 6.Chavez, J.L., and Mkhwanazi, M.M. 2013. Mapping evapotranspiration with the remote sensing ET algorithms METRIC and SEBAL under advective and non-advective conditions: accuracy determination with weighing Lysimeters. Civil and Environmental Engineering Department Colorado State University Fort Collins, Pp: 67-72. 7.Coll, C., and Caselles, V. 1997. A split-window algorithm for land surface temperature from advanced very high resolution radiometer data: Validation and algorithm comparison. J. Geophysic. Res. 102: 14. 16697-16713. 8.Ferozi Nezam Abadi, F., and Kavyani, A. 2015. Introduction of energy balance algorithms to calculate the actual evapotranspiration using remote sensing techniques. The 1st International Congress on Earth. Space & Clean Energy, Pp: 1-8. (In Persian) 9.Gorbani, A., Faramarzi, M., Karami, J., and Golami, N. 2014. Evaluation and Comparison to evapotranspiration estimation: Case Study Malayer city. J. Spat. Plan. 19: 2. 153-184. (In Persian) 10.King, M.D. 2003. EOS data products handbook (Vol. 1): NASA Goddard Space Flight Center. 11.Li, Y.L., Cui, J.Y., Zhang, T.H., and Zhao, H.L. 2003. Measurement of evapotranspiration of irrigation spring wheat and maize in a semi-arid region of North china. Agricultural Water Management. 61: 1-12. 12.Lian, J., and Huang, M. 2016. Comparison of three remote sensing based models to estimate evapotranspiration in an oasis-desert region. Agricultural Water Management. 165: 153-162. 13.Liang, S. 2001. Narrowband to broadband conversions of land surface albedo I: Algorithms. Remote Sensing of Environment. 76: 2. 213-238. 14.Liaqat, U.W., and Choi, M. 2015. Surface energy fluxes in the Northeast Asia ecosystem: SEBS and METRIC models using Landsat satellite images. Agricultural and Forest Meteorology. 214: 60-79. 15.Liou, Y.A., and Kar, S.K. 2014. Evapotranspiration Estimation with Remote Sensing and Various Surface Energy Balance Algorithms-A Review. Energies. 5: 2821-2849. 16.Mokhtari, M.H., Ahmad, B., Hoveidi, H., and Busu, I. 2013. Sensitivity Analysis of METRIC-Based Evapotranspiration Algorithm. Inter. J. Environ. Res. 7: 2. 407-422. 17.Omidvar, J. 2011. Estimation of actual evapotranspiration using ASTER imagery and metric models. Thesis, Department of Water Engineering, Mashhad Ferdowsi University. (In Persian) 18.Omidvar, J., Davari, K., Arshad, S., Mosavi baegi, M., Akbari, M., and Hosaini, E. 2012. Estimation of Actual Evapotranspiration Using Aster Sensor and Metric Model. J. Irrig. Water. 3: 9. 38-49. (In Persian) 19.Parodi, G.N. 2002. AHAS, AVHRR Hydrological Analysis System. Software developed by Institute for Remote Sensing and Earth Sciences-Water Resources Division. The Netherlands. 20.Pôças, I., Paoç, T., Cunha, M., Andrade, J., Silvestre, J., Sousa, A., Santos, F., and Pereira, L. 2014. Satellite-based evapotranspiration of a super-intensive olive orchard: Application of METRIC algorithm. Biosystem engineering, Pp: 1-13. 21.Tasumi, M. 2003. Progress in operational estimation of regional evapotranspiration using satellite imagery. ProQuest Dissertations and Theses. Thesis Ph.D. University of Idaho. Source: Dissertation Abstracts International. Section: B., 357p. | ||
|
آمار تعداد مشاهده مقاله: 1,077 تعداد دریافت فایل اصل مقاله: 964 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب