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

Evaluation of evapotranspiration, precipitation and air temperature from global land data assimilation system (GLDAS) by lysimeter data in Qazvin province

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 تبخير - تعرق زياد مي‌باشند اين كاهش ذخيره آب به سرعت به آستانه خطر نزديك مي‌شود. لذا برآورد هرچه دقيق‌تر تبخير - تعرق 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 تبخير- تعرق 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 تبخير-تعرق حاصل از مدل سيستم جهاني اطلاعات سطح زمين(GLDAS) و همچنين معرفي تبخير- تعرق اصلاح شده GLDAS به عنوان جايگزيني مناسب براي داده‌هاي تبخير-تعرق 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 80-79، 81-80 و 82-81 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 تبخير- تعرق مدل GLDAS و لايسيمتر ۰/۹۵=R2، ۰/۶۸=RMSE نشان‌ مي‌دهد كه همبستگي بالايي بين اين دو سري داده وجود دارد. علاوه بر تبخير-تعرق، پارامترهاي دما و بارش نيز به عنوان دو عنصر تاثيرگذار بر تبخير-تعرق مورد بررسي قرار گرفتند. نتايج آماري نشان‌دهنده R2 بيش از ۰/۹ بين داده‌هاي دماي هواي حاصل از مدل GLDAS و داده‌هاي ايستگاهي و ۰/۸۲=R2 بين داده‌هاي بارش حاصل از مدل GLDAS و داده‌هاي ايستگاهي و همچنين ۰/۷۶=R2 بين داده‌هاي بارش ماهواره TRMM و داده‌هاي ايستگاهي است. نتيجه‌گيري: با توجه به نتايج بدست آمده استفاده از داده‌هاي تبخير - تعرق، دماي هوا و بارش حاصل از مدل GLDAS به عنوان جايگزيني مناسب براي داده‌هاي مشاهداتي در مناطق فاقد آمار قابل استفاده مي‌باشند.

Background and Objectives: Water storage depletion is an increasing hydrological threat to agricultural production and socio-economic stability across the globe. It is fast approaching threshold levels especially in arid/semiarid regions like IRAN with low precipitation and excessive evapotranspiration (ET). The more accurate for the estimating evapotranspiration as one of the most important parameters that cause water loss can be a step towards enhancing human ability to control and manage the water crisis. Unfortunately, with outbreak phenomenon of drought and excessive increase in water consumption and reducing groundwater resources, Qazvin province is facing a water shortage crisis. This paper introduces a new method to increase the accuracy of Evapotranspiration and calibration of rainfall data of Global Land Data Assimilation System (GLDAS) model and also introducing GLDAS Evapotranspiration, rainfall and temperature as a suitable replacement for the records data, especially in regions where have no data and Inaccessible places. Materials and Methods: In this study which was proceed in Qazvin, evapotranspiration and temperature for the years 1379 to 1382 and rainfall for the years 1995 to 2010 has been studied. According to 50-years of rainfall data, years 80-79, 81-80 and 82-81, respectively, were selected as dry, normal and wet crop year. Quantitative indices that have been used to evaluate the results are such as correlation coefficient (R), root mean square error (RMSE), mean bias error (MBE) and Mean Absolute Error (MAE). Results: The results of the GLDAS evapotranspiration data and lysimeter R2=0.95, RMSE=0.68 (mm/month) shows that there is a high correlation between the two data series. In addition to the Evapotranspiration, temperature and precipitation as well as two parameters affecting evapotranspiration were evaluated. The statistical results indicate that R2 is more than 0.9 between air temperature of GLDAS and station and R2=0.67 between precipitation of GLDAS and station data. Conclusion: According to results, using data from evapotranspiration, temperature and precipitation derived from GLDAS model as an alternative to the observational data in areas where have no data is suggested.