بهاره بهمن آبادی؛ عباس کاویانی
چکیده
شناخت و ارزیابی تبخیر و تعرق از سطوح گیاهی یک ابزار اساسی در محاسبه بیلان آب و تخمین نیاز آبی و دسترسی به آن است. در این تحقیق بهمنظور بررسی توزیع مکانی تبخیروتعرق و رابطه آن با سنجش از دور در مقابل دادههای لایسیمتری به عنوان شاهد در منطقه برازجان واقع در استان بوشهر، ایران انجام شد. در این پژوهش از 46 تصویر بدون ابر و روزانه از سنجنده ...
بیشتر
شناخت و ارزیابی تبخیر و تعرق از سطوح گیاهی یک ابزار اساسی در محاسبه بیلان آب و تخمین نیاز آبی و دسترسی به آن است. در این تحقیق بهمنظور بررسی توزیع مکانی تبخیروتعرق و رابطه آن با سنجش از دور در مقابل دادههای لایسیمتری به عنوان شاهد در منطقه برازجان واقع در استان بوشهر، ایران انجام شد. در این پژوهش از 46 تصویر بدون ابر و روزانه از سنجنده MODIS، 7 تصویر از سنجنده ETM+ و 7 تصویر از سنجنده TM در طول فصل رشد از ماه فروردین تا شهریور در خلال سال‌های 80 تا 82 استفاده شده است. براساس نتایج بدست آمده از اجرای سه مدل SEBAL، SSEB و TSEB در هر سه ماهواره، سنجنده MODIS دارای کمترین میزان خطا بوده (بهترتیب برای هر سه الگوریتم RMSE=0.856,1.385,2.7mm/day) و پس از آن ماهواره لندست 7 با قدرت تفکیک مکانی بالاتر در رده دوم قرار میگیرد (بهترتیب برای هر سه الگوریتم RMSE=1.042,1.56,2.76 mm/day) و در نهایت ماهواره لندست 5 بیشترین میزان خطا را به خود اختصاص میدهد (بهترتیب برای هر سه الگوریتم RMSE=1.14, 1.97, 3.06 mm/day). در بررسی وضعیت پوشش گیاهی براساس شاخص نرمال شده تفاوت پوشش گیاهی، در ابتدای دوره کشت به دلیل جوانهزنی و تنک بودن پوشش گیاهی، این شاخص در پایینترین حد خود قرار دارد و بهترتیب با افزایش دمای هوا و میزان پوشش گیاهی، این شاخص رو به افزایش است. فاکتور L اهمیت بهسزایی در برآورد شاخص پوشش گیاهی تعدیل شده برحسب خاک و در نهایت، صحتسنجی برآوردهای بدست آمده تبخیروتعرق برای منطقه مورد مطالعه دارد که به پوشش منطقه وابسته است. در این تحقیق برای منطقه مورد مطالعه مقدار L=0.6 تخمین زده شد که در مقایسه با دیگر مقادیر مورد بررسی، دارای کمترین مقدار خطا بود ((RMSE=0.6. الگوریتم SEBAL نسبت به سه الگوریتم دیگر به دادههای لایسیمتری نزدیکتر بوده و از دقت بالاتری برخوردار است. عملکرد مناسب الگوریتم SEBAL به دلیل جزئی‌نگری در فرمولاسیون و اجرای این الگوریتم بوده است. الگوریتم SSEB براساس تئوری سادهتر و برمبنای انرژی حرارتی سطح زمین بوده که نسبت به الگوریتم SEBAL در رده دوم قرار میگیرد. الگوریتم دومنبعی ضعیفترین نتایج را در میان الگوریتم‌ها از خود نشان داد. در مقایسه عملکرد تصاویر ماهوارهای بطورکلی سنجنده MODIS به دلیل قدرت تفکیک زمانی مناسب و تعدد تصاویر نسبت به دو سنجنده ETM+ و TM و ارائه سری زمانی بیشتر، برای برآورد تبخیروتعرق در مقیاس منطقهای مناسب میباشد.
هوشنگ قمرنیا؛ سید وحیدالدین رضوانی
چکیده
امروزه سنجش از دور در علوم مختلف از جمله جغرافیا، زیست شناسی، هواشناسی، کشاورزی، مدیریت منابع آب و غیره کاربرد دارد. دسترسی آسان و ارزان به داده ها، دقت بالای آنها، رقومی، جامع و گسترده بودن تصاویر و برخورداری از تنوع طیفی فراوان از جمله ویژگی هایی است که باعث برتری سنجش از دور، نسبت به دیگر روش های تامین اطلاعات شده است. بنابراین ...
بیشتر
امروزه سنجش از دور در علوم مختلف از جمله جغرافیا، زیست شناسی، هواشناسی، کشاورزی، مدیریت منابع آب و غیره کاربرد دارد. دسترسی آسان و ارزان به داده ها، دقت بالای آنها، رقومی، جامع و گسترده بودن تصاویر و برخورداری از تنوع طیفی فراوان از جمله ویژگی هایی است که باعث برتری سنجش از دور، نسبت به دیگر روش های تامین اطلاعات شده است. بنابراین با استفاده از الگوریتم های موجود در سنجش از دور که مربوط به تبخیر- تعرق می باشند، می توان گام بزرگی را در مدیریت منابع آب برداشت. از جمله این الگوریتم ها، سبال است که عبارت است از یک الگوریتم سنجش از دور، که تعادل انرژی سطحی لحظه ای را برای هر پیکسل از یک تصویر ماهواره ای محاسبه می کند. در این پژوهش با استفاده از این الگوریتم برای محاسبه آلبیدوی سطح، دمای سطحی و شاخص وضعیت پوشش گیاهی از داده های ماهواره ای چند طیفی و اطلاعات هواشناسی مانند درجه حرارات، ساعات آفتابی، باد، فشار بخار اشباع، رطوبت خاک و غیره استفاده شده و در نهایت تبخیر- تعرق در دشت میان دربند واقع در غرب ایران، محاسبه شد و نقشه های تبخیر- تعرق تهیه گردید. همچنین تبخیر- تعرق واقعی با استفاده از روش مرسوم فائو برای محصول گندم در این دشت محاسبه شد و با روش سبال مورد مقایسه قرار گرفت. نتایج نشان داد که همبستگی بالایی (84/0) بین این دو روش وجود دارد و الگوریتم سبال، از توانایی بالایی در تعیین تبخیر- تعرق برخوردار است.
بهاره حسن پور؛ فرهاد میرزایی؛ صالح ارشد؛ هانیه کوثری
چکیده
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 ...
بیشتر
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 قادراست 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 31 (w/m2) بوده و این مقادیر در برآورد الگوریتم S-SEBI به ترتیب 111 و 74 (w/m2) 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 ، 05/0میلیمتر 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 11/0 و 11 درصد است. تبخیر و تعرق روزانه برآورد شده توسط الگوریتم SEBAL 4/0 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.
