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

نوع مقاله : مقاله پژوهشی

نویسندگان

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

چکیده

مدیریت مؤثر و کارآمد منابع آب در مناطق کم برخوردار آبی، نیازمند شناخت دقیق جریان­های هیدرولوژیکی است. آگاهی از میزان دقیق کل باران به عنوان یکی از اجزای جریان­های هیدرولوژیکی و هم­چنین میزان قابل استفاده یا موثر آن به منظور برنامه ریزی­های دقیق­تر در بخش کشاورزی ضروری است. در راستای این دیدگاه، در این پژوهش، باران مؤثر در اراضی تحت کشت گندم دیم شهرستان خمین با بکارگیری سنجش از دور و اجرای الگوریتم سبال برآورد شده است.
داده­های هواشناسی مورد نیاز از سه ایستگاه از نزدیک­ترین ایستگاه­های سینوپتیک به منطقه مورد مطالعه شامل ایستگاه­های سینوپتیک 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 می­شود. 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 شده­است.
نتایج مقایسات نشان داد 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. یافته­های پژوهش نشان داد که روش­های تجربی برآورد بارش موثر جهان شمول نمی­باشند. بنابراین، بایستی این روش­ها با در نظر گرفتن عواملی محیطی تاثیرگذار بر مقدار بارش موثر و نوع محصولات کالیبره شوند.

کلیدواژه‌ها


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
  • Zahra Aghashariatmadari
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 or effective amount. 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.

کلیدواژه‌ها [English]

  • Effective rainfall
  • Evapotranspiration
  • Landsat
  • SEBAL
Adnan, Sh. & Hayat Khan, A. (2008). Effective rainfall for irrigated agriculture plains of Pakistan. Pakistan. Journal of Meteorology, 6, 61-72.
Allen, R.G., Tasumi, M., Trezza, R., (2007). Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—model. J. Irrig. Drain. Eng, 133, 380.
Allen, R.G.; Pereira, L.S.; Raes, D.; Smith, M. (1998).Crop Evapotranspiration: Guidelinse for Computing Crop Water Requirements. Fao Irrigation and Drainage, FAO-Food and Agriculture Organization of the United Nations Rome: Rome, Italy. Paper 56.
Asadzade shorfe, H., Raof, M., Mahmoodifard garmi, Z. (2015). The best method of calculation in Ardabil plain. The second national conference on protection of natural resources and environment, Ardabil. (In Persian)
Azizi, Gh. (2000).Estimation of effective rainfall in relation to dry wheat cultivation (Case: Khorram Abad). Journal of Geographical Research Quarterly, 32(39), 115-123 .(In Persian)
Bastiaanssen, W., Menenti, M., Feddes, R., Holtslag, A., (1998a). A remote sensing surface energy balance algorithm for land (SEBAL). Formulation. JHyd, 212, 198–212.
Bastiaanssen, W., Plegruma, H., Wang, J., Ma, Y., Moreno, J.F., Roerinka, G.J., van der Wal, T., (1998b). A remote sensing surface energy balance algorithm for land (SEBAL). Validation. JHyd 212, 213–229.
Bastiaanssen, W.G., Menenti, M., Feddes, R., Holtslag, A., (1998c). A remote sensing surface energy balance algorithm for land (SEBAL). Formulation. JHyd, 212, 198–212.
Ghamarnia, H. & Rezvani, S.V. (2014). Calculation and Zoning of Evapotranspiration using SEBAL method  In the West of Iran (Miandarband Plain). Journal of Water and Soil, 28 (1), 72-81. (In Persian)
 Han, N., Lou, G., Wang, Y., Zhou, Q.,  Jin,G., Li, S., Ye, L. (2019). Calculation of Effective Rainfall in the Spring Maize Growing Period. HAL science, .143-151.
Hasheminasab Khabisi, F., Mousavi baygi, M., Bakhtiari, B., Bannayan, M. (2014). The Effects of Rainfall on Dryland Wheat Yield and Water Requirement Satisfaction Index at Different Time Scale. Journal of Irrigation and Water Engineering,  5(17), 1-13. (In Persian)
Jakson, R, D., Hatfield, J, L., Reginato, S, B., Pinter, Jr. (1983). Estimation of daily evapotranspiration from one time-of-day measurements. Agriculture water management, 7, 351-362.
Jamshidi, S., Zand-Parsa, S & Niyogi, D. (2020). Assessing Crop Water Stress Index of Citrus Using In-Situ Measurements, Landsat, and Sentinel-2 Data. International Journal of Remote Sensing, 42(5), 1893-1916.
Joel E. Cahoon, C. Dean Yonts, Steven R. Melvin. (1992). Estimating Effective Rainfall. NebGuide. G92-1099.
Khaleghi, N. (2016). Comparison of effective rainfall estimation methods in agriculture. Journal of Water and Sustainable Development, 2(5), 51-58. (In Persian)
Khoshal Dastjerdi, J. & Joshani, A, R. (2012).Estimating the most appropriate method of calculating effective rainfall for autumn wheat cultivation in the Namak lake area. Journal of Geographical studies of dry areas, 3(9-10), 153-169. (In Persian)
Kirkham, M. B. (2014). Principles of Soil and Plant Water Relations. Academic Press, Kansas State University, 387–392 pages.
Kişi Ö, Öztürk Ö. (2007). Adaptive neurofuzzy computing technique for evapotranspiration estimation. Journal of Irrigation and Drainage Engineering, 133(4), 368-379
Mojarad, F. & Nasiri, Sh. (2006).Estimates of return periods and confidence intervals of effective rainfall for rice cultivation in Mazandaran Province. Journal of Human Sciences, 10(45), 159-182. (In Persian)
Omidi, R. & Radmanesh, F. (2013). Estimation of reference evaporation and transpiration using artificial neural network. The 4th National Conference on Management of Irrigation and Drainage Networks. Chamran University, Ahvaz, Faculty of Water Science Engineering, Ahvaz, Iran (In Persian)
Orang, M. (1998). Potential accuracy of the popular non-linear regression equations for estimating pan coefficient values in the original and FAO-24 tables. Unpublished California Department of Water Resources Report, Sacramento, Calif.
Pourgholam, M., Hooshmand, M., Raja, O., Liaghat, A. (2019).Effective Rain Zoning In Khuzestan Province under Autumn Rainfed Wheat Cultivation.Journal of Water and Irrigation Management. 9 (2), 211-230. (In Persian)
Rahimi, J., Bazrafshan, J., Khalili, A. (2013).A Comparative Study on Empirical Methods for Estimating Effective Rainfall for Rainfed Wheat Crop in Different Climates of Iran. Physical Geography Research, 45 (3), 31-46. (In Persian)
Rahimzadegan, M., Janani, A. (2019). Estimating evapotranspiration of pistachio crop based on SEBAL algorithm using Landsat 8 satellite imagery. Agricultural Water Management, 217: 383-390.
Rahman M. M. Islam M.O. and Hasanuzzaman M. (2008). Study of effective rainfall for irrigated agriculture in South-Eastern part of Bangladesh. World Journal of Agricultural Science, 4 (4), 453-457.
Saeidi, R., Ramezani Etedali, H., Sotodehniya, A., Kaviani, A., Nazari, B. (2018). Determination of the Relationships between Yield and Evapotranspiration of Maize under Salinity Stress and Nitrogen Deficiency Conditions. Journal of Water Research in Agriculture, 32 (3), 351-366. (In Persian)
Jamshidi, S., Zand-Parsa, Sh. & Dev Niyogi (2021) Assessing Crop Water Stress Index of Citrus Using In-Situ Measurements, Landsat, and Sentinel-2 Data, International Journal of Remote Sensing, 42 (5), 1893-1916.
Su, Z. (2002). The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes. HESSD, 3 (6), 85–100.
Waters, R., Allen, R., Tasumi, M., Trezza, R., Bastiaanssen, W. (2002). Surface Energy Balance Algorithms for Land. Idaho Implementation. Advanced Training and Users Manual. Idaho Department of Water Resources.