مدل‌سازی مکانی تعرق گیاهان جهت پشتیبانی فرآیندهای تصمیم‌گیری در بخش کشاورزی مطالعه موردی: غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 هیئت علمی گروه آب و هواشناسی، دانشکده انسانی، دانشگاه زنجان، زنجان، ایران

2 دانشجو دکتری گروه آب و هواشناسی، دانشکده انسانی، دانشگاه زنجان، زنجان، ایران

چکیده

تعرق گیاهی فرآیندی است که طی آن بخشی از آب موجود در گیاه به‌صورت بخار از روزنه‌های آن خارج می‌شود. آگاهی از مقدار‌ تعرق گیاهی در توسعه راهبردها، جهت پایداری آب مفید است. اندازه‌گیری تعرق گیاهی با برداشت میدانی به‌صورت نقطه‌ای و غیرمکانی بوده و با مسائل زیادی همراه است. هدف از این تحقیق استخراج نقشه تعرق گیاهی با استفاده از تصاویر ماهواره‌ای و مدل‌سازی مکانی جهت شناسایی میزان تأثیرگذاری متغیرهای محیطی بر آن در غرب ایران است. ابتدا با الگوریتم نوشته‌شده در سامانه ابری گوگل ارث اینجین نقشه میانه تعرق گیاهی به‌عنوان متغیر وابسته استخراج شد و سپس لایه‌های تابش خورشیدی، کمبود فشار بخارآب، سرعت باد و دمای حداکثر، شاخص پوشش گیاهی به‌عنوان متغیرهای مستقل جهت مدل‌سازی انتخاب شدند. نتایج نشان داد میزان پراکندگی تعرق گیاهی در محدوده مطالعه بین 0 تا 6/2 میلی‌متر در روز است. جهت صحت سنجی نقشه خروجی از داده‌های میدانی برداشت‌شده 16 مزرعه نمونه مرکز تحقیقات کشاورزی استان کرمانشاه و کردستان استفاده شد و با مقایسه پیکسل‌های نقشه و داده‌های زمینی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف به ترتیب 71/0 و 63/0 به دست آمد. پس از اجرای مدل‌های رگرسیون کلی و رگرسیون مکانی بر اساس شاخص‌های ارزیابی، رگرسیون مکانی قدرت تبیین و برآورد بهتری نسبت به رگرسیون کلی را نشان داد. بر اساس این مدل ضرایب هر متغیر به‌صورت مکانی برآورد شد و این امکان را به وجود آورد که تغییر مکانی روابط بین متغیرها مشخص شود. همچنین نتایج اجرای هر دو مدل نشان داد شاخص‌های پوشش گیاهی و کمبود فشار بخارآب در غرب ایران بیش‌ترین اثر مثبت را در تعرق گیاهی دارند. با استفاده از نتایج این تحقیق می‌توان مناطق در معرض تعرق شدید گیاهی را جهت بهبود مدیریت سیستم‌های آبیاری و ارائه خدمات هوشمندانه کشاورزی شناسایی کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Spatial modeling of plant transpiration to support decision-making processes in agriculture Case Study: Western Iran

نویسندگان [English]

  • hosin mirmosavi 1
  • kohzad raispour 1
  • mohammad kamangar 2
1 Faculty of Climatology, Faculty of Humanities, Zanjan University, Zanjan, Iran
2 PhD Student of Climatology,Faculty of Humanities, Zanjan University, Zanjan, Iran
چکیده [English]

Plant transpiration is a process in which part of the water in the plant is evaporated out of its pores. Knowledge of the amount of plant transpiration is useful in developing strategies for water sustainability. Measurement of plant transpiration by field harvesting is point and non-spatial and is associated with many problems. The purpose of this study is to extract a plant transpiration map using satellite images and spatial modeling to identify the impact of environmental variables on it in western Iran. First, with the algorithm written in Google Earth cloud system, the plant vegetation translocation map was extracted as a dependent variable, and then the layers of solar radiation, water vapor pressure, wind speed and maximum temperature, vegetation index were selected as independent variables for modeling. The results showed that the prevalence of plant transpiration in the study range is between 0 and 2.6 mm per day. Field data collected from 16 sample farms of Agricultural Research Center of Kermanshah and Kurdistan Provinces by comparing the pixels of the map and the ground data, the root mean squares of the error and the Nash Sutcliffe coefficient were 0.71 and 0.63, respectively. After implementing general regression and spatial regression models based on evaluation criteria, spatial regression showed better explanatory and estimation power than general regression. Based on this model, the coefficients of each variable were estimated spatially, making it possible to determine the spatial variation of the relationships between the variables. Also, the results of both models showed that vegetation indices and water vapor pressure deficiency in western Iran have the most positive effect on vegetation transpiration. Using the results of this study, areas prone to severe plant transpiration can be identified to improve the management of irrigation systems and provide intelligent agricultural services.

کلیدواژه‌ها [English]

  • Plant transpiration
  • spatial regression
  • MODIS Sensor
  • Penman Mantis index
  • West of Iran