پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,115,120 |
| تعداد دریافت فایل اصل مقاله | 97,219,043 |
ارزیابی محصول WaPOR فائو و الگوریتم PYSEBAL در تخمین مقدار نیاز آبی دشت قزوین بر اساس هوش‌مصنوعی | ||
| تحقیقات آب و خاک ایران | ||
| دوره 53، شماره 6، شهریور 1401، صفحه 1359-1372 اصل مقاله (1.74 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2022.341474.669242 | ||
| نویسندگان | ||
| محدثه السادات فخار1؛ عباس کاویانی* 2 | ||
| 1گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران. | ||
| 2عضو هیات علمی گروه مهندسی آب دانشگاه بین المللی امام خمینی (ره) | ||
| چکیده | ||
| تبخیر-تعرق یک جزء اساسی از چرخه هیدرولوژی و به‌عنوان یک عنصر کلیدی مدیریت منابع آب بهویژه در مناطق خشک و نیمهخشک است. امروزه فناوری سنجش‌ازدور امکان برآورد تبخیر - تعرق در سطوح وسیع را فراهم نموده است بنابراین استفاده از این فناوری میتواند به‌عنوان یک روش امیدوارکننده به‌منظور کاهش تغییرات مکانی تبخیر-تعرق به شمار آید. در این پژوهش به بررسی تغییرات روزانه، ماهانه و فصلی تبخیر-تعرق واقعی با استفاده از مدل جهانی محصول WaPOR و الگوریتم PYSEBAL در دشت قزوین طی بازه زمانی 2015 تا 2021 پرداخته شد. نتایج به‌دست‌آمده در این پژوهش با روش هارگریوز و سامانی که به‌عنوان روش تجربی دقیق در منطقه است مورد مقایسه قرار گرفت. بررسی انحراف میانگین مقادیر برآوردشده از مقادیر مشاهدهشده در مقیاس روزانه در هر دو مدل نشان داد که الگوریتم PYSEBAL از اختلاف کمتری برخوردار بوده و در بیشتر مواقع به مقادیر به‌دست‌آمده از روش تجربی نزدیکتر بود درحالی‌که در محصول WaPOR تقریباً در تمام طول بازه مورد بررسی با کمبرآوردی نسبت به روش تجربی همراه بود. محصول WaPOR توانست تا حد مناسبی میزان تغییرات تبخیر-تعرق فصلی را نمایش دهد اما از دقت مناسبی برخوردار نبود این محصول در فصل بهار و تابستان تا حدود مناسبی دقت قابل‌قبول داشت اما در فصل پاییز و زمستان از میزان دقت آن کاسته میشود. نتایج نشان داد که محصول WaPOR میتواند امکان تعیین نیاز آبی برای هر بازه زمانی را فراهم آورد، بنابراین میتواند نقش مهمی در مدیریت منابع آب، تعیین آب مصرفی موردنیاز ارائه دهد. الگوریتم PYSEBAL نتایج دقیقتری را نسبت به محصول WaPOR ارائه داد، بهطوری که مقدار ضریب همبستگی در الگوریتم PYSEBAL و مدل WaPOR به ترتیب برابر با مقدار 51/1 و86/2 میلیمتر بر روز و مقدار ضریب همبستگی نیز بهترتیب با 87/0 و 64/0 همراه بود. بنابراین درصورتی‌که مطالعات برآورد مقدار تبخیر-تعرق برای مساحتهای بزرگ (همچون حوضه) و بازه‌های زمانی بلندمدت مدنظر باشد استفاده از محصول WaPOR نیز با توجه به عدم وجود خلأ دادهای میتواند نقش مناسبی در مدیریت منابع آب و نیاز آبی منطقه یا حوضه ارائه دهد. | ||
| کلیدواژه‌ها | ||
| تبخیر-تعرق واقعی؛ مدل جهانی؛ بیلان انرژی سطحی؛ مدیریت منابع آب؛ سنجش از دور | ||
| عنوان مقاله [English] | ||
| Evaluation of FAO WaPOR product and PYSEBAL algorithm in estimating The amount of water consumed | ||
| نویسندگان [English] | ||
| Mohadese sadat Fakhar1؛ Abbas Kaviani2 | ||
| 1Department of Water Engineering, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin, Iran | ||
| 2Water Eng. and Science Dept., Imam Khomeini International University | ||
| چکیده [English] | ||
| Evapotranspiration is an essential component of the hydrological cycle and a key element of water resources management, especially in arid and semi-arid regions. Today, remote sensing technology has made it possible to estimate evapotranspiration on a large scale, so using this technology can be considered as a promising method to reduce the spatial variation of evapotranspiration. In this study, the daily, monthly and seasonal changes of actual evapotranspiration were investigated using the global model of WaPOR product and PYSEBAL algorithm in Qazvin plain during the period from 2015 to 2021. The results obtained in this study were compared with Hargreaves and Samani evapotranspiration data, which is an accurate empirical method in the region. The mean deviation of the estimated and observed data in the daily scale in both models shows that the PYSEBAL algorithm has a more negligible difference and, in most cases, is close to the data obtained from the empirical method. While in WaPOR product, it was associated with underestimation compared to the empirical method during the almost entire period. WaPOR product was able to show the amount of seasonal evapotranspiration changes to a good extent, but it did not have good accuracy. This product had acceptable accuracy in spring and summer, but in autumn and winter, its accuracy decreases. The results showed that the WaPOR product can provide water needs for each time period, so it can play an important role in managing water resources, determining the required water consumption. PYSEBAL algorithm presented more accurate results than WaPOR product, so that the correlation coefficient values in PYSEBAL algorithm and WaPOR model are equal to 1.51 and 2.86 mm / day and the correlation coefficient values were 0.87 and 0.64, respectively. Therefore, if the studies on estimation of the amount of evapotranspiration for large areas (such as basins) and long periods are considered, the use of WaPOR products due to the lack of missing data can play a suitable role in managing water resources and water needs for the region or basin. | ||
| کلیدواژه‌ها [English] | ||
| Real Evapotranspiration, Global Model, Surface Energy Balance, Water Resources Management, Remote Sensing | ||
| مراجع | ||
|
Ayenew, T. (2003). Evapotranspiration estimation using thematic mapper spectral satellite data in the Ethiopian rift and adjacent highlands. Journal of Hydrology, 279(1–4), 83–93. Allen, R.G. Pereira, LS. Raes, D.Smith M. (1998). Crop evapotranspiration. Guidelines for computing crop water requirements. FAO irrigation and drainage. Paper no. 56. FAO, Rome Bastiaanssen, W. G. M., Cheema, M. J. M., Immerzeel, W. W., Miltenburg, I. J., & Pelgrum, H. (2012). Surface energy balance and actual evapotranspiration of the transboundary Indus Basin estimated from satellite measurements and the ETLook model. Water Resources Research, 48(11). Blatchford, M. L., Mannaerts, C. M., Njuki, S. M., Nouri, H., Zeng, Y., Pelgrum, H., Wonink, S., & Karimi, P. (2020). Evaluation of WaPOR V2 evapotranspiration products across Africa. Hydrological Processes, 34(15), 3200–3221. Caiserman, A., Amiraslani, F., & Dumas, D. (2021). Assessment of the agricultural water budget in southern Iran using Sentinel-2 to Landsat-8 datasets. Journal of Arid Environments, 188, 104461. Fakhar, M. S., & Kaviani, A. (2021). Comparison of the concepts of Potential evapotranspiration (ETp) and reference evapotranspiration (ETo) using lysimetric data in qazvin province. Inviroment and Water Ingineering, 7(1), 1–16. https://doi.org/10.22034/jewe.2021.279059.1535 (In Persian). Fakhar, M. S., & Kaviani, A. (2022). Estimation of actual evapotranspiration using automatic calibration in PYSEBAL and METRIC algorithms in Qazvin plain. Iranian Journal of Soil and Water Research.(In Persian). Fakhar, M. S., & Kaviani, A. (2022). Estimation of Actual Evapotranspiration Based on the Latest Modified Version of the Surface Energy Balance Algorithm Using Lysimeter Data. Iranian Irrigation and Drainage. (In Persian). Geshnigani, F. S., Mirabbasi, R., & Golabi, M. R. (2021). Evaluation of FAO’s WaPOR product in estimating the reference evapotranspiration for stream flow modeling. Theoretical and Applied Climatology, 144(1), 191–201. Gowda, P. H., Chavez, J. L., Colaizzi, P. D., Evett, S. R., Howell, T. A., & Tolk, J. A. (2008). ET mapping for agricultural water management: present status and challenges. Irrigation Science, 26(3), 223–237. Hargreaves, G. H., & Samani, Z. A. (1985). Estimating potential evapotranspiration. Journal of the Irrigation and Drainage Division, 108(3), 225–230. Hessels, T., van Opstal, J., Trambauer, P., Bastiaanssen, W., Faouzi, M., Mohamed, Y., & ErRaji, A. (2017). pySEBAL Version 3.3. 7. Hu, Y., Modat, M., Gibson, E., Li, W., Ghavami, N., Bonmati, E., Wang, G., Bandula, S., Moore, C. M., & Emberton, M. (2018). Weakly-supervised convolutional neural networks for multimodal image registration. Medical Image Analysis, 49, 1–13. Kazamias, A. P., & Sapountzis, M. (2017). Spatial and temporal assessment of potential soil erosion over Greece. Water, 59, 315–321. Kisekka, I., Peddinti, S. R., Kustas, W. P., McElrone, A. J., Bambach-Ortiz, N., McKee, L., & Bastiaanssen, W. (2022). Spatial–temporal modeling of root zone soil moisture dynamics in a vineyard using machine learning and remote sensing. Irrigation Science, 1–17. Kustas, W. P., & Norman, J. M. (1996). Use of remote sensing for evapotranspiration monitoring over land surfaces. Hydrological Sciences Journal, 41(4), 495–516. Lee, T. S., Najim, M. M. M., & Aminul, M. H. (2004). Estimating evapotranspiration of irrigated rice at the West Coast of the Peninsular of Malaysia. Lettenmaier, D. P., & Famiglietti, J. S. (2006). Water from on high. Nature, 444(7119), 562–563. Mancosu, N., Snyder, R. L., Kyriakakis, G., & Spano, D. (2015). Water scarcity and future challenges for food production. Water, 7(3), 975–992. Majozi, N. P., Mannaerts, C. M., Ramoelo, A., Mathieu, R., Mudau, A. E., & Verhoef, W. (2017). An intercomparison of satellite-based daily evapotranspiration estimates under different eco-climatic regions in South Africa. Remote Sensing, 9(4), 307. McCabe, M. F., Ershadi, A., Jimenez, C., Miralles, D. G., Michel, D., & Wood, E. F. (2016). The GEWEX LandFlux project: Evaluation of model evaporation using tower-based and globally gridded forcing data. Geoscientific Model Development, 9(1), 283–305. Paul, G., Gowda, P. H., Prasad, P. V. V., Howell, T. A., Staggenborg, S. A., & Neale, C. M. U. (2013). Lysimetric evaluation of SEBAL using high resolution airborne imagery from BEAREX08. Advances in Water Resources, 59, 157–168. Rahimpour, M., Karimi, N., Rouzbahani, R., & Eftekhari, M. (2018). Validation and calibration of FAO WaPOR product (actual evapotranspiration) in Iran using in-situ measurements. Iran-Water Resources Research, 14(2), 254–263.(In Persian) Sánchez, J. M., Kustas, W. P., Caselles, V., & Anderson, M. C. (2008). Modelling surface energy fluxes over maize using a two-source patch model and radiometric soil and canopy temperature observations. Remote Sensing of Environment, 112(3), 1130–1143. Senay, G. B., Friedrichs, M., Singh, R. K., & Velpuri, N. M. (2016). Evaluating Landsat 8 evapotranspiration for water use mapping in the Colorado River Basin. Remote Sensing of Environment, 185, 171–185. Tang, R., Li, Z.-L., & Tang, B. (2010). An application of the Ts–VI triangle method with enhanced edges determination for evapotranspiration estimation from MODIS data in arid and semi-arid regions: Implementation and validation. Remote Sensing of Environment, 114(3), 540–551. Xue, J., Fulton, A., & Kisekka, I. (2021). Evaluating the role of remote sensing-based energy balance models in improving site-specific irrigation management for young walnut orchards. Agricultural Water Management, 256, 107132.
| ||
|
آمار تعداد مشاهده مقاله: 453 تعداد دریافت فایل اصل مقاله: 453 |
||