لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این تحقیق به بررسی توزیع مکانی تبخیرتعرق و رابطه آن با سنجش از دور در مقابل داده های لایسیمتری به عنوان شاهد در شهرستان اراک واقع در استان مرکزی در ایران پرداخته شده است. در برآورد مقدار تبخیرتعرق واقعی براساس مدل های SEBAL، SSEB و TSEB در منطقه از 28 تصویر از سنجنده های MODISو سنجنده + ETM در طی سال های1380 تا 1383 استفاده شد. تعدد تصاویر MODIS وقدرت تفکیک زمانی مناسب آن، دلیلی بر میزان خطای کمتر در برآورد تبخیرتعرق مرجع است. طبق نتایج آماری از میان سه مدل مورد بررسی، مدل SEBALبا کمترین میزان RMSE در هر دو سنجنده MODIS وETM+ (97/0و 38/1میلی متر بر روز) به عنوان مدل برتر در منطقه معرفی شد و مدل TSEBضعیف ترین عملکرد را در هر دو سنجنده MODISوETM+ داشته است (mm/day 57/3 و 53/2RMSE=). در مقایسه عملکرد دو سنجنده، سنجنده ETM+ماهواره لندست7 به دلیل قدرت تفکیک مکانی بالاتر، برای برآورد تبخیرتعرق توصیه می شود. علاوه بر این در بررسی پوشش گیاهی، بر اساس شاخص گیاهی NDVI، در ابتدای دوره کشت به دلیل جوانه زنی و تنک بودن پوشش گیاهی، این شاخص در پایین ترین حد خود قرار دارد و به ترتیب با افزایش دمای هوا و پوشش گیاهی، شاخص NDVI رو به افزایش است. فاکتور L اهمیت به سزایی در برآورد SAVI و در نهایت، برآورد تبخیرتعرق برای منطقه مورد مطالعه دارد که به پوشش منطقه وابسته است. در این تحقیق برای منطقه مورد مطالعه در دوره رشد حداکثری گیاه، مقدار6/0 L= تخمین زده شد که در برابر دیگر مقادیر مورد بررسی، دارای کمترین مقدار خطا بود.

تبخیر تعرق به عنوان یکی از مولفه های موثر در چرخه هیدرولوژی نقش قابل ملاحظه ای در اقلیم منطقه ای و جهانی دارد به طوری که به طور متوسط 70% نزولات جوی در کره زمین و 90% آن در کشور ما از طریق تبخیر تعرق به چرخه هیدرولوژی بازمی گردند و از این جهت برآورد دقیق آن حائز اهمیت است.یکی از عوامل مهم و موثر در میزان تبخیر تعرق واقعی در هر منطقه ، دمای سطح زمین است؛ به طوری که افزایش دمای سطح زمین سبب کاهش تبخیر تعرق واقعی و خشکی سطح زمین می گردد. در این پژوهش با استفاده از تصاویر ماهواره Terra MODIS در فاصله زمانی 1381 الی 1387 در حوضه سفید رود ، مقادیر تبخیر تعرق واقعی از طریق الگوریتم SEBAL کوهستانی برآورد گردیده و تاثیر افزایش دمای سطح زمین بعنوان یکی از عوامل موثر در کاهش مقدار تبخیر تعرق واقعی در اثر خشکی سطح زمین و کاهش پوشش گیاهی مورد مطالعه قرار گرفته است. نتایج نشان می دهد که دمای سطح زمین به طور متوسط در حال افزایش و مقدار تبخیر تعرق واقعی در حال کاهش است. عامل اصلی افزایش دمای سطح نیز، کاهش 78% در بارندگی منطقه در سال 87 می باشد.

تخمین دقیق تبخیر تعرق در برنامه ریزی های توسعه ی آبیاری اهمیت ویژه ای دارد. تخمین این پارامتر به صورت پیوسته در مکان و با فواصل زمانی کوتاه، فرصت بسیار باارزشی را برای مدیریت بخش های مختلف شبکه های آبیاری فراهم می آورد. بنابراین، در تحقیق حاضر از داده های لایسیمتر زهکش دار برای صحت سنجی نتایج به دست آمده از تخمین تبخیر-تعرق با استفاده از سه الگوریتم تک منبعی SEBAL، METRIC و SSEB و یک الگوریتم دومنبعی TSEB کمک گرفته شد. به منظور برآورد تبخیر تعرق از تصاویر ماهواره ای سنجنده های MODIS، ETM+ طی سال های 1379 1382 و تصاویر سنجنده ی OLI & TIRS طی سال های 1392-1395 استفاده شد. به دلیل عدم تطابق زمانی تصویربرداری سنجنده ی OLI & TIRS با زمان داده برداری لایسیمتر، نتایج به دست آمده از تصاویر این سنجنده با نتایج روش هارگریوز سامانی (به عنوان روش برتر) ارزیابی شد. نتایج شاخص های آماری از برآوردهای به دست آمده بین الگوریتم های تک منبعی نشان داد الگوریتم SSEB با کمترین میزان جذر میانگین خطا در هر سه سنجنده ی MODIS، ETM+ و OLI& TIRS (میلی متر بر روز 87/0، 41/0 و 92/0RMSE=) و همبستگی زیادی که با داده های لایسیمتری داشت (96/0، 99/0 و 97/0 R=) به عنوان الگوریتم برتر برای تخمین تبخیر تعرق در منطقه ی مطالعه شده است. با توجه به وضوح تصاویر در سنجنده های ETM+ و OLI & TIRS دقت نتایج تخمین تبخیر تعرق در این دو سنجنده پذیرفته است و در نهایت سنجنده ی ETM+ بهترین نتایج را ارائه داد.

تبخیر و تعرق به عنوان عامل مهم در اتلاف آب در مناطق خشک و نیمه خشک، پدیده پیچیده ای است کهبه عوامل و داده های زیادی بستگی دارد. بنابراین برآورد دقیق میزان آن، بسیار مشکل وپرهزینه است. هدف از این مطالعه، بررسی اثرات ریزمقیاس نمایی کوکریجنگ دمای سطح زمین (LST)، برای برآورد تبخیر و تعرق واقعی (AET)، در ژوین 2017 در حوضه زاینده رود است. در این راستا، در روش اول، ریزمقیاس نمایی کوکریجینگ به محصول LST حاصل از ماهواره MODIS اعمال شد. سپس با استفاده از سیستم بیلان انرژی سطح (SEBS)، AET روزانه با وضوح متوسط (250 متری) به دست آمد. در روش دوم، نقشه AET به وضوح متوسط (250 متری) ریزمقیاس نمایی شد. اعتبار سنجی با استفاده از محصولات حاصل از Landsat 8 صورت پذیرفت. نتایج نشان داد مقادیر میانگین AET-SEBS ریزمقیاس نمایی (12/56mm/day) وAET مرجع (13/11mm/day) دارایاختلاف ناچیزهستند. RMSE میان AET مرجع و AET ریزمقیاس نمایی شده برابر با 1/66 میلیمتر/روز (r = 0/73) و میانLST مرجع و ریزمقیاس نمایی شده معادل 4/36K و (r=0/78) بود. این مطالعه نشان داد که مقادیر AET حاصله از دو روش ریزمقیاس نمایی، مشابه یکدیگر هستند، اما AET بدست آمده از LST ریزمقیاس نمایی شده، یک تغییرپذیری فضایی بالاتری را از خود نشان می دهد. مقایسه AET-SEBS با AET حاصل از روش پنمن-مانتیث-فایو نشان دهنده RMSE برابر با 26/2است. بنابراینLST اثر زیادی در تولید نقشه های AET از روی تصاویر سنجش از دور دارد و ریزمقیاس نمایی کوکریجینگ برای ارایه نقشه های AET روزانه با وضوح فضایی متوسط مفید بوده است. در مجموع یافته های پژوهش نشان داد با به کارگیری روش ریزمقیاس نمایی و SEBS، می توان تبخیر و تعرق واقعی را در حوضه زاینده رود و برای مناطق خشک و نیمه خشک با دقت مطلوب محاسبه نمود.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

هدف این مطالعه تولید نقشه های تبخیر-تعرق روزانه با قدرت تفکیک مکانی 30 متر و به صورت روزانه برای اراضی کشت و صنعت امیرکبیر با استفاده از دو سناریو می باشد. در سناریوی اول پارامترهای ورودی مورد نیاز الگوریتم سبال حاصل از تصاویر مادیس به قدرت تفکیک مکانی لندست-8 ریزمقیاس شد، سپس با استفاده از الگوریتم سبال و پارامترهای ورودی ریزمقیاس شده، تبخیر-تعرق واقعی محاسبه شد. در سناریوی دوم تبخیر-تعرق واقعی بدست آمده از سنجنده مادیس به قدرت تفکیک مکانی لندست-8 ریزمقیاس شد. در سناریوهای اول و دوم ریزمقیاس کردن داده ها با سه روش نسبت، رگرسیون و شبکه عصبی مصنوعی و با دو رویکرد مختلف انجام شد. در رویکرد اول فاصله زمانی بین تصویر پایه و تصویر ریزمقیاس شده از 1 روز تا 15 روز متغیر می باشد ولی در رویکرد دوم فاصله زمانی بین دو تصویر پایه و ریزمقیاس شده 1 روز می باشد. با مقایسه تبخیر-تعرق های واقعی ریزمقیاس شده با مقادیر تبخیر-تعرق واقعی بدست آمده از تصویر لندست-8 روش رگرسیون در سناریوی دوم با رویکرد اول با مجذور میانگین مربعات خطا 87/0 میلیمتر در روز دارای بهترین نتیجه و روش شبکه عصبی مصنوعی در سناریوی دوم با رویکرد دوم با مجذور میانگین مربعات خطا 25/2 میلیمتر در روز دارای بدترین نتیجه بود. اگرچه نتایج محاسبه تبخیر-تعرق واقعی حاصل از ریزمقیاس نمایی در تمامی روش ها در هر دو سناریو و با هر دو رویکرد، نسبت به تبخیر-تعرق واقعی بدست آمده از تصویر مادیس با مجذور میانگین مربعات خطا 19/3 میلیمتر در روز دارای صحت بهتری بود.