برآورد تبخیر و تعرق یکی از مشکل ترین اجزاء چرخه ی هیدرولوژی است. درعین حال در معادله ی بیلان آب سهم عمده مرتبط با این عامل است. در تحقیق حاضر الگوریتم توازن انرژی یا سبال به عنوان یکی از روش های آزموده شده و موفق جهت برآورد تبخیر و تعرق مورد ارزیابی مجدد واقع می گردد. در واقع در روش سبال، میزان تبخیر و تعرق مقدار مجهول در معادله ی تعادل انرژی بر روی سطح زمین است. با توجه به تغییرات کالیبراسیون این سنجنده نسبت به نسل های قبلی ماهواره ی لندست، روش سبال در بخش های خاص مورد بازنگری واقع شد. به منظور آزمون کارایی مدل سبال بر روی این سنجنده، مقادیر اندازه گیری شده در 20 روز مختلف با مقادیر به دست آمده از روش پنمن مونتیث مورد مقایسه واقع گردید. نتایج نشان داد بین مقادیر این دو روش، همبستگی 83/0 با ضریب تعیین 7/0 وجود دارد. ازاین رو می توان با روش سبال اطلاعات تبخیر و تعرق واقعی را به صورت دوره ای و منظم در پهنه های وسیع و با ضریب اطمینان بالا و بدون نیاز به داده های هواشناسی محاسبه و پهنه بندی کرد.

در سال های اخیر با توجه به بروز مشکلات کم آبی و خشکسالی در اکثر نقاط کشور، تبخیر سطحی از مخازن سدها، دریاچه ها و سایر سطوح آبی به عنوان یکی از محل های هدررفت آب، مورد توجه قرار گرفته و لذا، برآورد دقیق تر حجم تبخیر صورت گرفته از این سطوح و راهکارهای کاهش آن از اهمیت زیادی برخوردار شده است. در پژوهش حاضر، مخزن و دریاچه سد زاینده رود با مساحت 54 کیلومتر مربع انتخاب و برای تخمین تبخیر آب از این مخزن، روش های مختلف تجربی شامل روش های مایر، مارسیانو، شاهتین، هنفر، ایوانف، تیچومیروف و روش سازمان عمران اراضی آمریکا مورد استفاده قرار گرفتند. همچنین، الگوریتم بیلان انرژی سطحی (سبال) روی هشت تصویر ماهواره لندست در ماه های خرداد تا شهریور سال 1396 برای برآورد تبخیر از دریاچه سد پیاده سازی گردید. به منظور ارزیابی دقت روش های مختلف، نتایج به دست آمده در هر روش با اندازه گیری های تشت تبخیر در محوطه سد مقایسه شد. نتایج حاصل نشان داد که هیچ یک از روش های تجربی، همبستگی مناسب و قابل قبولی با اندازه گیری های تبخیر در محل ندارند. در مقابل، روش سبال علاوه بر نمایش توزیع مکانی تبخیر در سطح مخزن، دارای ضرایب تبیین، RMSE و MAE به ترتیب 89/0، 28/0 و 31/0 بوده که نشان دهنده دقت بالای این روش در تخمین تبخیر آب نسبت به فرمول های تجربی در برآورد حجم تبخیر سطحی آب از مخازن است. همچنین، با توجه درصد بالای خطای برآورد تبخیر در روش های تجربی، واسنجی ضرایب و پارامترهای آنها نسبت به شرایط اقلیمی مختلف، ضروری خواهد بود.

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

در این مطالعه دو روش برآورد تبخیر و تعرق توسط تصاویر ماهواره ای مورد مقایسه قرار گرفت. اطلاعات مزرعه ای در تابستان سال 1388 با کشت گیاه ذرت در مزرعه اختصاصی موسسه تحقیقات فنی و مهندسی کشاورزی واقع در کرج به دست آمد. در این مطالعه شارهای گرمایی سطح زمین توسط بیلان انرژی نسبت بوون در 6 روز اندازه گیری شد. متعاقبا تصاویر سنجنده مودیس برای برآورد تبخیر و تعرق منطقه با استفاده از دو الگوریتم SEBAL و S-SEBI مورد استفاده قرار گرفت. تفاوت این دو الگوریتم در برآورد شار گرمای محسوس است. نتایج نشان می دهد که ریشه میانگین مربعات خطا در برآورد شار گرمای خالص و شار گرمای خاک به ترتیب 46 و 43 (w/m2) بوده است. الگوریتم SEBAL قادر است شار گرمای محسوس را نسبت به الگوریتم S-SEBI به مراتب بهتر برآورد نماید و بنابراین شار گرمای نهان نیز بهتر برآورد می گردد. مقدار ریشه میانگین مربعات خطا شار گرمای محسوس و شار گرمای نهان برآورد شده توسط الگوریتم SEBAL به ترتیب 58 و (w/m2) 31 بوده و این مقادیر در برآورد الگوریتم S-SEBI به ترتیب 111 و (w/m2) 74 هستند. تفاوت بین این دو الگوریتم به دلیل استفاده از داده های هواشناسی در برآورد شار گرمای محسوس و مقاومت ایرودینامیک در الگوریتم SEBAL است. همچنین نتایج حاصل نشان داد تبخیر و تعرق ساعتی برآورد شده توسط الگوریتم SEBAL، 0.05 میلیمتر در ساعت با مقدار اندازه گیری شده، تفاوت دارد که حدود %1 تبخیر و تعرق ساعتی می باشد. حال آنکه در الگوریتم S-SEBI این مقادیر به ترتیب 0.11 و 11 درصد است. تبخیر و تعرق روزانه برآورد شده توسط الگوریتم 0.4 SEBAL میلیمتر در روز با مقدار اندازه گیری شده، تفاوت دارد و ضریب توده باقیمانده 1 درصد است. حال آنکه در الگوریتم S-SEBI این مقادیر به ترتیب 1 و 12 درصد است.

پژوهش حاضر با هدف ارزیابی الگوریتم سنجش از دور سبال با احتساب اثرات توپوگرافی در تعیین تبخیر-تعرق واقعی در منطقه وردیج واقع در استان تهران انجام شد. برای این منظور از تصاویر ماهواره لندست 8 در تاریخ های 10 ژوئن، 12 جولای، 13 آگوست و 14 سپتامبر 2018 و 15 جولای 2019 استفاده شد. مقدار تبخیر-تعرق مرجع (گیاه یونجه) با استفاده از تبخیر-تعرق حاصل از الگوریتم سبال برای سه نقطه که درآن ها کشت یونجه صورت گرفته بود محاسبه شد. با استفاده از داده های ایستگاه هواشناسی منطقه، تبخیر-تعرق مرجع با روش های تجربی فائو-پنمن-مانتیث، پنمن رایت، هارگریوز سامانی و بلانی کریدل تخمین زده شد. مقادیر حاصل از الگوریتم سبال با روش های مذکور مورد مقایسه قرار گرفت و مشاهده شد که در منطقه مورد مطالعه روش هارگریوز سامانی (0/47 =MAE و 0/62 =RMSE) جواب نزدیکتری به نتایج روش سنجش از دور دارد و در رتبه بعدی روش فائو پنمن مانتیث (1 =MAE و 1/26=RMSE) قرار می گیرد. در ادامه تبخیر-تعرق بدست آمده از الگوریتم سبال با مقدار متناظر بدست آمده از لایسیمتر پورتابل وزنی مورد مقایسه قرار گرفت و نتایج بدست آمده مطابقت خوبی را نشان داد، به طوریکه مقدار تفاضل مطلق 0/81 (mm/day) بدست آمد، که می توان نتیجه گرفت روش سنجش از دور جهت برآورد تبخیر-تعرق واقعی در منطقه مورد مطالعه مناسب می باشد.

برآورد صحیح مقدار تبخیر و تعرق اهمیت زیادی در حفاظت بهینه از منابع آب موجود در مناطق خشک و نیمه خشک دارد. زیرا، تبخیر و تعرق بخش مهمی از بیلان آبی مناطق خشک و نیمه خشک است. هدف از این پژوهش، ارزیابی کارآیی مدل SEBAL برای تخمین تبخیر و تعرق در یک منطقه نیمه خشک بود. این پژوهش در بخشی از حوزه آبخیز زنجان رود واقع در استان زنجان که کشت غالب آن گندم آبی و دیم است، انجام شد. با استفاده از تصاویر سنجنده های MODIS (Terra/Aqua) و TM (Landsat-5)، امکان استفاده از مدل SEBAL با داده های بدست آمده از سنجنده های مختلف طی ماه های خرداد تا مرداد 1387 بررسی شد. سپس تبخیر و تعرق روزانه برآورد شده توسط مدل SEBAL برای اراضی آبی و دیم زیر کشت گندم، با استفاده از ارقام دو تشتک تبخیر ارزیابی شد. نتایج آماره های ارزیابی نشان داد، مدل SEBAL از کارآیی مناسبی برای تخمین تبخیر و تعرق واقعی اراضی زیر کشت گندم آبی (RMSE=0.49-1.25) و دیم (RMSE=1.3-2.48) برخوردار است. این مدل، تبخیر و تعرق اراضی آبی را در مقایسه با اراضی دیم با دقتی مطلوب تر برآورد نمود. همچنین، نتایج نشان داد که دقت تصاویر سنجنده TM دو و نیم برابر بیشتر از تصاویر MODIS می باشد. بنابراین می توان نتیجه گرفت که سنجنده TM مستقر بر ماهواره Landsat می تواند با دقتی بیشتر نسبت به سنجنده MODIS مستقر بر ماهواره Terra مقدار تبخیر و تعرق واقعی را برای منطقه مورد مطالعه برآورد کند.

آشکارسازی و شناسایی مناطق مستعد زمین گرمایی سطحی و کم عمق، با استفاده از داده های سنجش از دور یکی از روش های نوین در بسیاری از کاربردها می باشد. هدف این مطالعه شناسایی مناطق مستعد زمین گرمایی سطحی با ترکیب دمای سطح و فلوهای انرژی حاصل از روش سبال با استفاده از داده های لندست 8 در شمال غرب کشور مورد ارزیابی و تجزیه و تحلیل قرار گرفته است. برای این منظور و به دلیل حداقل بودن اثر تشعشعات خورشیدی، دو فریم از داده های لندست 8 به تاریخ 13 اکتبر 2016 مورداستفاده قرار گرفت. سپس با استفاده از دو الگوریتم تک باندی محاسبه دما، معادله انتقال تشعشع حرارتی و الگوریتم جیمز-سوبرینو (SCJM&S)، نقشه دمای مشاهداتی سطح زمین مشخص گردید. همچنین با استفاده از الگوریتم توازن انرژی در سطح زمین (سبال) مقدار تشعشعات خالص دریافتی توسط سطح زمین، انرژی خالص هدایت شده به زمین و مقدار تابش جذب شده خورشیدی توسط سطح محاسبه گردید. برای اولین بار، با ترکیب این لایه های اطلاعاتی با دمای مشاهداتی سطح، مناطق مستعد انرژی زمین گرمایی شناسایی و تعیین گردیدند. نتایج نشان داد که مناطقی مابین شهرهای مرند و تسوج و همچنین مابین شهرهای خوی و قطور مناطق مستعد زمین گرمایی سطحی می باشد که وجود آبگرم طبیعی در منطقه قطور احتمال وجود منابع زمین گرمایی را افزایش داده و موءید این مطلب می باشد. همچنین، نتایج مشابه در مناطقی در جنوب شهر ارومیه و در غرب شهر اشنویه حاصل گردید. این مناطق حاصل، حداکثر فاصله ای که از محل مصرف انرژی (شهرهای ارومیه، خوی، مرند، تسوج، شرفخانه و اشنویه) دارند، برابر 30 کیلومتر میباشد که از لحاظ اقتصادی قابل توجیه بوده و می توانند بخش عظیمی از انرژی مصرفی را در صنعت و شهرها تأمین نموده و محیط زیست سالم و پاک را به ارمغان بیاورد.

روش Sufrace Energy BALance (SEBAL)یکی از پر کاربردترین روش های تعیین تبخیر و تعرق واقعی به کمک سنجش از دور است. با این حال فرض خطی بودن رابطه اختلاف دما و دمای سطح زمین و نیز استفاده از دو پیکسل گرم و سرد که توسط کاربر شناسایی می شوند از نقاط ضعف این روش محسوب می شود. روش Modified SEBAL (M-SEBAL) علاوه بر اصلاح این مشکل، دو مفهوم جدید لبه سرد و گرم را جایگزین پیکسل های سرد و گرم می کند که تاثیر بسزایی در افزایش دقت و نیز خودکارسازی اجرای الگوریتم و عدم نیاز به کاربر ماهر دارد. با این حال تعیین لبه گرم نیاز به محاسبات زیاد و در نتیجه بالا رفتن زمان محاسبه و امکان خطای محاسباتی دارد. در این تحقیق، شکلی ساده شده از روش M-SEBAL با نام Simplified M-SEBAL (SM-SEBAL) توسعه یافته است و نتایج حاصل از اجرای سه روش بر روی بیش از 300 لایه تصویری MODIS با داده های لایسیمتری و نیز داده های زمینی بیلان انرژی مزرعه تحقیقاتی دانشگاه تهران واقع در کرج مقایسه شده است. نتایج حاصل از اجرای سه الگوریتم نشان می دهد که الگوریتم SEBAL تبخیر و تعرق را بیش برآورد و دو الگوریتم دیگر آنرا اندکی کم برآورد می کنند. بیشترین خطای محاسبه شار گرمای محسوس مربوط به روش M-SEBAL با 87/33 درصد و کمترین میزان خطا مربوط به نتایج روش SEBAL (23/11 درصد) می باشد. با این حال حداکثر خطا در مقادیر تبخیر تعرق روزانه در نتایج روش SEBAL (56/3 درصد) و کمترین میزان خطا در روش SM-SEBAL ( 18/1 درصد) مشاهده شد.

برآورد تبخیروتعرق واقعی در حوضه های آبریز به منظور استفاده بهینه از منابع آب و بهبود مدیریت حوضه ها، امری ضروری است. از جمله روش های شناخته شده ای که به این مساله می پردازند، مدل هیدرولوژیکی SWAT و الگوریتم سنجش از دور SEBAL هستند. در این مطالعه، در گام اول، مقادیر تبخیروتعرق حوضه آبریز کرخه، در سه سال خشک، نرمال و تر (به ترتیب: 2008، 2012 و 2015)، با استفاده از مدل SWAT واسنجی شده براساس رواناب و عملکرد محصول و الگوریتم SEBAL به دست آمده است. مدل SWAT با استفاده از 6 ایستگاه هیدرومتری برای دوره های 2009-1993 و 2013-2010، به ترتیب واسنجی و اعتبارسنجی شد که برای دوره واسنجی، مقادیر ضریب تبیین ( R2) بین 45/0 تا 70/0، ضریب نش-ساتکلیف (NS) بین 52/0 تا 67/0 و ریشه میانگین مربعات خطا (RMSE) بین 64/12 تا (m3/s) 02/25 و برای دوره اعتبارسنجی، مقادیر R2 بین 4/0 تا 60/0، NS بین 30/0 تا 56/0 و RMSE بین 08/11 تا (m3/s) 17/23 بوده است. همچنین متوسط عملکرد مشاهداتی و شبیه سازی شده محصول استراتژیک حوضه که گندم است، به ترتیب برابر با 70/4 و 01/5 تن در هکتار بوده است. در ادامه، نتایج الگوریتم SEBAL و مدل SWAT براساس وضعیت سال آبی، با یکدیگر مورد مقایسه قرار گرفتند که همبستگی میان نتایج این دو روش، برای سه سال نرمال، خشک و تر به ترتیب برابر با 74/0، 60/0 و 52/0 بوده است. در گام دوم از این مطالعه، با توجه به داده های زمینی و با استفاده از تصاویر سنجنده MODIS از ماهواره Terra که دارای قدرت تفکیک زمانی مناسب است و سنجنده OLI از ماهواره Landsat8 که دارای قدرت تفکیک مکانی مناسب است، نتایج الگوریتم SEBAL و محدوده تغییرات پارامترهای اصلی این الگوریتم در دشت های پل دختر و روانسر، ارائه شده است. دشت روانسر دارای سطح زیر کشت بالاتر و تغییرات توپوگرافی کم تر است. شبیه سازی عملکرد محصول توسط نرم افزار SWAT، در دشت پل دختر نتیجه بهتری به دست داده است. با توجه به یافته های این تحقیق، مقادیر تبخیروتعرق مستخرج از الگوریتم SEBAL و مدل SWAT می توانند نزدیک به مقادیر واقعی تبخیروتعرق در حوضه باشند.