برآورد بارش موثر به‌کمک سنجش از دور و الگوریتم توازن انرژی سبال و مقایسه آن با روش‌های تجربی ( مورد مطالعه: دشت کشت گندم دیم شهرستان خمین)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

2 استادیار/گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

10.22059/ijswr.2022.349839.669377

چکیده

مدیریت مؤثر و کارآمد منابع آب در مناطق کم برخوردار آبی، نیازمند شناخت دقیق جریان‌های آب‌شناختی است. آگاهی از میزان دقیق کل باران که یکی از اجزای جریان‌های آب‌شناختی محسوب می‌شود و هم‌چنین میزان قابل استفاده یا موثر آن به‌منظور برنامه‌ریزی‌های دقیق‌تر در بخش کشاورزی ضروری است. در این راستا، در این پژوهش، باران مؤثر در اراضی تحت کشت گندم دیم شهرستان خمین با به‌کارگیری سنجش از دور و اجرای الگوریتم سبال برآورد شده است.

داده‌های هواشناختی مورد نیاز از سه ایستگاه از نزدیک‌ترین ایستگاه‌های همدید منطقه مورد مطالعه شامل ایستگاه‌های همدید خمین، محلات و گلپایگان دریافت شده و به روش IDW برای منطقه مورد نظر درون‌یابی شدند. به منظور برآورد بارش موثر، تبخیر تعرق محصول گندم دیم با اجرای الگوریتم سبال بر روی 28 تصویر موجود از لندست 8 در طول دوره رشد گندم دیم برای سال‌های زراعی 1394-1393 تا 1401-1400 در منطقه مطالعاتی مورد نظر محاسبه شد. دقت سبال با روش‌های پنمن مانتیث و تشت تبخیر ارزیابی شده و سپس نتایج به‌دست آمده با روش‌های تجربی برآورد باران موثر (USDA، FAO، درصدی و تجربی) مقایسه و خطای نسبی آن‌ها برآورد شده ‌است.

نتایج نشان می‌دهد، که روش USDA با میانگین خطای نسبی 2/12% کمترین خطا و روش FAO با میانگین خطای نسبی 60 % بیشترین خطا را نسبت به روش سبال داشتند. به‌دلیل اینکه تخمین بارش موثر با روش‌های تجربی عاری از خطا نمی‌باشد، روش‌ سبال از نظر مفهومی کامل‌تر و جامع‌تر نسبت به روش‌های تجربی برآورد بارش موثر در اراضی دیم است. هم‌چنین، با به‌کارگیری الگوریتم سبال علاوه بر تخمین، می‌توان توزیع مکانی بارش موثر را بررسی کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimating effective rainfall using remote sensing and SEBAL energy balance algorithm and comparing it with experimental methods (case study: dry wheat cultivation plain of Khomein city).

نویسندگان [English]

  • Soheila Mohtashami 1
  • Zahra Aghashariatmadari 2
1 Department of Irrigation & Reclamation Engineering, Faculty of agriculture. College of Agriculture & Natural Resources. University of Tehran, Karaj, Iran
2 Assistant Prof., Department of Irrigation & Reclamation Engineering, Faculty of agriculture. College of Agriculture & Natural Resources. University of Tehran, Karaj, Iran
چکیده [English]

Considering the importance of water in the agricultural sector, it is necessary to know the usable and effective amount of precipitation. Therefore, in this research, using remote sensing and implementing the Surface Energy Balance Algorithm (SEBAL) on 28 images from Landsat 8 for the crop years 2014 to 2022 in During the growth period of dry wheat in fields of Khomein city, the rate of evapotranspiration and effective rainfall were estimated. The accuracy of SEBAL has been evaluated with Penman-Monteith and pan evaporation methods, and then the results obtained with experimental methods of effective rainfall estimation have been compared and their relative error (RE) has been estimated. The results showed that the USDA method with a RE of 12.2% had the lowest error and the FAO with a RE of 60% had the highest error compared to the SEBAL.

Introduction

In order to make the best possible use of rainfall for the agricultural sector in rainfed lands, estimating the effective rainfall (ER) is vital. the ER is all spent on evapotranspiration and by accurately estimating the amount of evapotranspiration, the amount of ER can be achieved. Therefore, in this research, the amount of ER was estimated by estimating evapotranspiration using SEBAL in rainfed areas.

Materials and Methods

The study area of this research is the dry wheat cultivation plain located in Khomein city. the SEBAL was implemented on the available images from 2014 to 2022 crop years and evapotranspiration was estimated during the growth period in the desired crop years. Two methods of Penman and pan evaporation were used to verify the validity of SEBAL. In addition, a comparison was made between ER and experimental methods of estimating ER such as FAO, USDA, experimental and percentage, and the error of each experimental method was estimated.

Results and Discussion

Validation tests showed that the Penman method, with a lower RMSE, had a closer estimate compared to the pan evaporation method compared to the SEBAL. Among all the ER estimation methods, the SEBAL is The base method was chosen for comparison with other methods. Because, experimental methods have been developed based on the information collected for specific areas and also do not consider the distribution of ER in the spatial extent. The studies showed that the USDA with the RE of 12.20% has the lowest and the FAO with the RE of 60.07% has the highest error compared to the SEBAL.



The results of the comparisons showed that the experimental methods of estimating the ER are not universal and the generalization of these relationships in the field of agriculture to all regions are not error-free. be Therefore, these methods should be calibrated by taking into account factors affecting the amount of ER.

کلیدواژه‌ها [English]

  • Effective rainfall
  • Evapotranspiration
  • Landsat
  • SEBAL