ارزيابي داده‌هاي تبخير–تعرق، بارش و دماي هواي حاصل از مدل سطح زمين (GLDAS) با استفاده از داده‌هاي مشاهداتي در استان قزوين

سابقه و هدف: كاهش ذخيره آب يك تهديد هيدرولوژيكي براي توليد محصولات كشاورزي و ثبات اجتماعي و اقتصادي در سراسر جهان به شمار مي‌رود. در مناطق خشك و نيمه خشك نظير كشور ايران كه داراي بارش كم و تبخيرتعرق زياد مي‌باشند اين كاهش ذخيره آب به سرعت به آستانه خطر نزديك مي‌شود. لذا برآورد هرچه دقيق‌تر تبخيرتعرق به‌عنوان يكي از مهم‌ترين پارامترهايي كه باعث هدر رفت آب مي‌شود مي‌تواند گامي به‌سوي افزايش توانايي بشر در كنترل و مديريت بحران آب باشد. متاسفانه با بروز پديده خشكسالي و افزايش بي‌رويه مصرف آب و كاهش منابع آب‌هاي زيرزميني، استان قزوين با بحران كمبود آب مواجه شده‌است. لذا برآورد تبخيرتعرق به‌عنوان يكي از پارامترهاي مهم بيلان آب منطقه و همچنين يكي از عوامل مهم در بحث هدر رفت آب مي‌تواند تا حد زيادي براي اين استان اهميت داشته باشد. هدف اصلي اين مقاله معرفي روشي براي افزايش دقت پارامتر تبخيرتعرق حاصل از مدل سيستم جهاني اطلاعات سطح زمين(GLDAS) و همچنين معرفي تبخيرتعرق اصلاح شده GLDAS به عنوان جايگزيني مناسب براي داده‌هاي تبخيرتعرق لايسيمتر بخصوص در مناطق فاقد آمار و غيرقابل دسترس مي‌باشد. مواد و روش‌ها: استان قزوين با مساحتي معادل 15821 كيلـومتر مربـع به ترتيب بـين طول و عرض جغرافيايي 48 درجه و 53 دقيقه و 36 درجه و 50 دقيقه در گوشه شمال‌غرب و 50 درجه و 35 دقيقـه و 35 درجـه و 18 دقيقـه در گوشه جنوب شرقي در حوزه مركزي ايران واقع شده است. در اين پژوهش تبخير–تعرق لايسيمتر و تبخير–تعرق حاصل از GLDAS و همچنين بارش و دماي حاصل از مدل GLDAS و بارش ماهواره TRMM براي سال‌هاي 1379 تا 1382 مورد بررسي قرار گرفته‌‌اند. با توجه به داده‌هاي بارش 50 ساله منطقه، سال زراعي 8079، 8180 و 8281 به ترتيب به عنوان سال زراعي خشك، نرمال و تر انتخاب شدند. شاخص‌هاي كمي كه به منظور ارزيابي نتايج مورداستفاده قرار گرفته‌اند شامل ريشه ميانگين مربعات خطا(RMSE)، ميانگين خطاي اريبي MBE‌ و ميانگين مطلق خطا MAE مي‌باشند. يافته‌ها: نتايج بررسي داده‌هاي تبخيرتعرق مدل GLDAS و لايسيمتر 95/0=R2، 68/0=RMSE نشان‌ مي‌دهد كه همبستگي بالايي بين اين دو سري داده وجود دارد. علاوه بر تبخيرتعرق، پارامترهاي دما و بارش نيز به عنوان دو عنصر تاثيرگذار بر تبخيرتعرق مورد بررسي قرار گرفتند. نتايج آماري نشان‌دهنده R2 بيش از 9/0 بين داده‌هاي دماي هواي حاصل از مدل GLDAS و داده‌هاي ايستگاهي و 82/0=R2 بين داده‌هاي بارش حاصل از مدل GLDAS و داده‌هاي ايستگاهي و همچنين 76/0=R2 بين داده‌هاي بارش ماهواره TRMM و داده‌هاي ايستگاهي است. نتيجه‌گيري: با توجه به نتايج بدست آمده استفاده از داده‌هاي تبخيرتعرق، دماي هوا و بارش حاصل از مدل GLDAS به عنوان جايگزيني مناسب براي داده‌هاي مشاهداتي در مناطق فاقد آمار قابل استفاده مي‌باشند.