عدم قطعیت‌های برآورد تبخیر-تعرق واقعی در مقیاس حوضه آبریز با استفاده از مدل SEBAL

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران.

2 عضو هیأت علمی گروه مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران.

چکیده

برآورد تبخیر-تعرق واقعی در سطح حوضه آبریز با استفاده از الگوریتم بیلان انرژی سطح (SEBAL) به عنوان یکی از پرکاربردترین مدل‌های مبتنی بر داده‌های سنجش از دور، متاثر از عدم قطعیت‌های ناشی از نحوه انتخاب پیکسل‌های حدی، نوع سنجنده و محدوده مکانی مورد بررسی است. در تحقیق پیش رو، با استفاده از تصاویر ماهواره‌ای MODIS و Landsat 8، همچنین استفاده از مدل‌های بیلان انرژی سطح PySEBAL و MPySEBAL (نسخه اصلاح شده آن) اقدام به بررسی اثر این عدم قطعیت‌ها بر روی نتایج برآورد تبخیر-تعرق واقعی برای محدوده دشت ارومیه شده است. نتایج اعتبارسنجی مدل‌ها با داده‌های لایسیمتری در بازه‌ی زمانی 2010-2011، حاکی از آن است که مدل MPySEBAL نسبت به مدل PySEBAL تا 70 درصد خطای (RMSE) کمتری در برآورد تبخیرتعرق روازنه دارد. همچنین در مناطق ناهمگن و متنوع از نوع کاربری اراضی نظیر دشت ارومیه، استفاده از تصاویر سنجنده MODIS با قدرت تفکیک مکانی کمتر در مقابل تصاویر Landsat 8، متوسط تبخیر-تعرق واقعی روزانه را تا حدود 33 درصد بیشتر برآورد می‌کند. همچنین محدود نکردن تصویر به ناحیه مورد بررسی عدم قطعیتی تا 8 درصد ایجاد می‌کند. در مقایسه نسبی عدم قطعیت‌های ناشی از تنظیمات مدل SEBAL، به ترتیب انتخاب خودکار پیکسل‌های حدی بر اساس تعیین حدود آستانه برای دمای سطح و NDVI، قدرت تفکیک مکانی سنجنده و انتخاب محدوده مکانی ورودی به مدل بیشترین اثرگذاری را در نتایج دارند. نتایج این پژوهش می‌تواند دربهبود دقت مدل‌های تبخیر تعرق و برآورد مصارف آب بخش کشاورزی در مقیاس‌های مزرعه تا سطح حوضه مورد استفاده قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Uncertainties in Estimation of Basin-Scale Actual Evapotranspiration Using SEBAL

نویسندگان [English]

  • Amir Hossein Owlia 1
  • Somayeh Sima 2
1 M.Sc., Faculty of Civil and Environmental Engineering, Tarbiat Modares University, Tehran, Iran.
2 Assistant Professor, Faculty of Civil and Environmental Engineering, Tarbiat Modares University, Tehran, Iran.
چکیده [English]

Estimation of actual evapotranspiration (Eta) at the basin-scale using SEBAL, as one of the commonly used satellite-based models, are affected by uncertainties associated with the selection of the anchor pixels, satellite sensors, and the spatial extent of the input satellite images. This study was conducted to investigate the impacts of aforementioned uncertainties on the actual evapotranspiration estimates in Urmia Plain (in the northwest of Iran) using MODIS and Landsat8 satellite imaginaries and the PySEBAL and MPySEBAL (Modified version) models. Validation results using lysimetric data during 2010-2011, showed that MPySEBAL (with cold pixels on well-irrigated vegetation) has less RMSE up to 70% as compared to PySEBAL model. Moreover, in the heterogeneous areas such as Urmia Plain, MODIS data with less spatial resolution leads to a 33 percent overestimation of daily Eta compared to Landsat 8 results. Furthermore, introducing a satellite image at its original extent rather than cropping the study area will result an uncertainty in the daily Eta estimates up to 8%. Comparing the relative impacts of the three sources of uncertainties indicated that the selection of the anchor pixels based on the surface temperature and NDVI thresholds, the spatial resolution of the sensors, and the spatial extent of the input images introduce the largest uncertainties respectively. Findings of this study can be used to enhance the accuracy of satellite-based Eta models and estimation of the irrigation water consumption from filed to basin scales.

کلیدواژه‌ها [English]

  • Agricultural Water Consumption
  • Surface Energy Balance
  • PySEBAL
  • Remote Sensing
Allen, R. G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C., & Trezza, R. (2013). Automated Calibration of the METRIC-Landsat Evapotranspiration Process. JAWRA Journal of the American Water Resources Association, 49(3), 563–576. https://doi.org/10.1111/jawr.12056
Allen, R. G., Tasumi, M., Trezza, R., Waters, R., & Bastiaanssen, W. (2002). Surface Energy Balance Algorithm for Land (SEBAL)–Advanced training and Users Manual. In Kimberly: Idaho Implementation. https://doi.org/10.1002/2014GL060003.Received
Bagheri, M. H., Morid, S., & Arshad, S. (2017). Application of Remotely-Sensed Data to Estimate a Water Budget for Data-Scarce Endorheic Basins: A Case Study of Lake Urmia basin, Iran. Journal of the Indian Society of Remote Sensing, 45(1), 101–112. https://doi.org/10.1007/s12524-015-0522-9
Bastiaanssen, W. G. M., Menenti, M., Feddes, R. A., & Holtslag, A. A. M. (1998). A remote sensing surface energy balance algorithm for land (SEBAL): 2. Validation. Journal of Hydrology, 212213(1–4), 213–229. https://doi.org/10.1016/S0022-1694(98)00254-6
Research Institute for Water Engineering and Management (RIWEM) at Tarbiat Modares University, 2018.  Collaborative land cover mapping of the Lake Urmia Basin, Iran.
Hessels, T., van Opstal, J., Trambauer, P., Bastiaanssen, W. G. M., Faouzi, M., Mohamed, Y., & Er-Raji, A. (2017). pySEBAL Version 3.3.7. https://pypi.org/project/SEBAL/
Houshmandi, A. (2020). Comparative Assessment of Evapotranspiration Models and ET Products at Basin Scale (Case Study: Urmia Basin)(Unpublished Master’s Dissertation). University of Tarbiat Modares, Tehran, Iran. (In Farsi).
Huntingford, C., Verhoef, A., & Stewart, J. (2000). Dual versus single source models for estimating surface temperature of African savannah. In Hydrology and Earth System Sciences (Vol. 4, Issue 1, pp. 185–191). https://doi.org/10.5194/hess-4-185-2000
Javadian, M., Behrangi, A., Gholizadeh, M., & Tajrishy, M. (2019). METRIC and WaPOR Estimates of Evapotranspiration over the Lake Urmia Basin: Comparative Analysis and Composite Assessment. Water, 11(8), 1647. https://doi.org/10.3390/w11081647
JICA. (2019). Data Collection Survey on Improvement of the Hydrological Cycle Model of Lake Urmia Basin . April 2019.
Karimi, P., & Bastiaanssen, W. (2015). Spatial evapotranspiration, rainfall and land use data in water accounting – Part 1: Review of the accuracy of the remote sensing data. Hydrology and Earth System Sciences, 19(1), 507–532. https://doi.org/10.5194/hess-19-507-2015
Karimi, P., Pareeth, S., & Michailovsky, C. (2019). Satellite derived gap-free monthly Actual EvapoTranspiration using SEBAL and spatio-temporal interpolation for Urmia Lake Basin METHODOLOGY DOCUMENT Rapid Assessment of the Water Accounts in Urmia Lake Basin.
Mahmoud, S. H., & Gan, T. Y. (2019). Irrigation water management in arid regions of Middle East: Assessing spatio-temporal variation of actual evapotranspiration through remote sensing techniques and meteorological data. Agricultural Water Management, 212(July 2017), 35–47. https://doi.org/10.1016/j.agwat.2018.08.040
Ning, T., Li, Z., Feng, Q., Liu, W., & Li, Z. (2018). Comparison of the effectiveness of four Budyko-based methods in attributing long-term changes in actual evapotranspiration. Scientific Reports, 8(1), 1–10. https://doi.org/10.1038/s41598-018-31036-x
Nishida, K., Nemani, R. R., Running, S. W., & Glassy, J. M. (2003). An operational remote sensing algorithm of land surface evaporation. Journal of Geophysical Research D: Atmospheres, 108(9). https://doi.org/10.1029/2002JD002062
Ramírez-Cuesta, J. M., Allen, R. G., Zarco-Tejada, P. J., Kilic, A., Santos, C., & Lorite, I. J. (2019). Impact of the spatial resolution on the energy balance components on an open-canopy olive orchard. International Journal of Applied Earth Observation and Geoinformation, 74(September 2018), 88–102. https://doi.org/10.1016/j.jag.2018.09.001
Taheri, M., Emadzadeh, M., Gholizadeh, M., Tajrishi, M., Ahmadi, M., & Moradi, M. (2019). Investigating the temporal and spatial variations of water consumption in Urmia Lake River Basin considering the climate and anthropogenic effects on the agriculture in the basin. Agricultural Water Management, 213(November 2018), 782–791. https://doi.org/10.1016/j.agwat.2018.11.013
Tasumi, M. (2019). Estimating evapotranspiration using METRIC model and Landsat data for better understandings of regional hydrology in the western Urmia Lake Basin. Agricultural Water Management, 226(October), 105805. https://doi.org/10.1016/j.agwat.2019.105805
Zhang, K., Kimball, J. S., & Running, S. W. (2016). A review of remote sensing based actual evapotranspiration estimation. Wiley Interdisciplinary Reviews: Water, 3(6), 834–853. https://doi.org/10.1002/wat2.1168