پديد آورندگان :
بهمن آبادي، بهاره , كاوياني، عباس دانشگاه بين المللي امام خميني- گروه مهندسي آب , دانشكار آراسته، پيمان دانشگاه بين المللي امام خميني- گروه مهندسي آب , نظري، رستا
كليدواژه :
الگويتم SEBAL , الگوريتم SSEB , الگوريتم TSEB , شاخص تعديل شده پوشش گياهي
چكيده فارسي :
تبخير-تعرق مرجع يك پديده چند متغيره و پيچيده است كه به عوامل متعددي وابسته است. دقيق ترين روش برآورد آن، استفاده از لايسيمتر است كه مستلزم صرف وقت و هزينه زيادي است. از اين رو هدف اصلي اين تحقيق برآورد تبخير-تعرق واقعي براساس الگوريتم هاي تك منبعي SEBALو SSEBو الگوريتم دو منبعي TSEBدر سه سنجنده MODIS ، ETM+وOLI & TIRSاست كه در سه مرحله صورت گرفته است. در برآورد تبخير-تعرق براساس الگوريتم SEBAL، شاخص تعديل شده پوشش گياهي(SAVI) و فاكتور تصحيح اثرات زمينه خاك (L)از اهميت ويژه اي برخوردار است به همين منظور اين شاخص به عنوان ضريب كاليبراسيون در نظر گرفته شد كه با توجه به وضعيت درصد پوشش سبز روي سطح زمين انتخاب شد. نتايج حاصل از هر سه سنجنده نسبت به داده هاي لايسيمتري خطاي كمتري نسبت به مقدار تبخير-تعرق بدست آمده با فرض 5/0L= داشته است (mm/day 49/1، 84/0، 76/1=RMSE). براي صحت سنجي نتايج حاصل از كاليبراسيون از 30 % باقيمانده داده هاي لايسيمتري استفاده شد. نتايج شاخص هاي آماري تفاوت معني دار(در سطح 95%) داده هاي پيش بيني شده را بيان مي كند. نتيجه اينكه، با مقايسه سه الگوريتم در سه سنجنده MODIS،ETM+و OLI & TIRSالگوريتم SSEBدر سنجنده ETM+در سطح معني دار( 95%) و مشاهده كمترين ميزان خطا (mm/day 41/0=RMSE) به عنوان الگوريتم برتر براي تخمين تبخير-تعرق در دشت قزوين معرفي شد.
چكيده لاتين :
Reference Evapotranspiration is a complex and multivariate phenomenon that depends on several factors and the most accurate way to estimate is lysimeter, though it is costly and time-consuming. Therefore, the main objective of this study was to estimate actual evapotranspiration based on single-source energy balance, i.e. SEBAL and SSEB, and two-source energy balance algorithm, i.e. TSEB, in three sensors MODIS, ETM+ and OLI & TIRS in three steps. In evapotranspiration estimating by SEBAL, Soil Adjusted Vegetation Index and the correction factor for soil effects (L) are particularly important. For this purpose, this index was used as calibration coefficient that is selected based on percentage of vegetation coverage. According to the results, the actual evapotranspiration with L calibrated (L=0/5) had lower error in each of the three sensors (RMSE=1/76, 0/84, and 1/49 mm/day). For verification of calibration results, 30% of the remaining lysimeter data was used. The results of the statistical indices showed significant difference between the predicted data at the 95% level and also in the predictions. Finally, by comparing the three algorithms in the three sensors i.e. MODIS, ETM +, and OLI & TIRS, SSEB algorithm in ETM + sensor was introduced as the best algorithm in Qazvin plain area, at 95% significance level and RMSE of 0/41 mm/day.
