برآورد تبخیر و تعرق واقعی گیاهان مرتعی با الگوریتم SEBAL (مطالعۀ موردی: شهرستان اهر)

جغرافیاوتوسعه ناحیه ای

مقاله 7، دوره 21، شماره 3 - شماره پیاپی 44، مهر 1402، صفحه 169-197   

نوع مقاله: پژوهشی- مطالعه موردی

شناسه دیجیتال (DOI): 10.22067/jgrd.2023.82588.1291

نویسندگان

جلال گل ریحان¹؛ کریم امینی نیا^{* 2}؛ خلیل ولیزاده کامران³

¹دانشجوی دکتری اقلیم‌شناسی، واحد اهر، دانشگاه آزاد اسلامی، اهر،ایران

²استادیار اقلیم‌شناسی، گروه جغرافیا، دانشکده علوم انسانی، واحد اهر، دانشگاه آزاد اسلامی، اهر، ایران

³استاد، گروه سنجش از دور و GIS ، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

چکیده

در این پژوهش سعی شد در منطقه اهر که جنوب جنگل‌های ارسباران قرار گرفته و دارای مراتع بی‌شماری از گونه‌های مختلف است، میزان تبخیر و تعرق واقعی مراتع آویشن، نعناع و یونجه با استفاده از روشSEBAL  محاسبه شود. برای این کار از 6 تصویر ماهواره لندست 8 بین سال‌های 2017 تا 2020 که در دوره اولیه و پایانی رشد قرار داشتند، استفاده شد و نتایج با روش پنمن مانتیث مقایسه شد. نتایج بیانگر آن بود که براساس روش سبال، محصول نعنا در دوره اولیه رشد محصول به تاریخ 29/5/2021 کمترین میزان تبخیر و تعرق را با مقدار عددی 84/2 میلی‌متر در روز و محصول یونجه نیز در دوره اولیه رشد محصول به تاریخ 11/6/2019 بیشترین میزان تبخیر و تعرق را با مقدار عددی 49/3 میلی‌متر در روز داشته است. همچنین در دوره پایانی رشد در روش سبال، محصول نعنا در تاریخ 28/8/2018 کمترین میزان تبخیر و تعرق را با مقدار عددی 18/6 میلی‌متر در روز و محصول آویشن نیز در دوره پایانی رشد محصول به تاریخ 19/7/2022 بیشترین میزان تبخیر و تعرق را با مقدار عددی 41/7 میلی‌متر در روز داشته است. درنهایت براساس مقایسه­های انجام‌گرفته، میان روش‌های موردمطالعه در دوره اولیه و پایانی رشد از نظر مجذور میانگین مربعات خطا، میانگین انحراف مطلق و ضریب تعیین، می‌توان چنین نتیجه گرفت که روش سبال در مقایسه با روش پنمن مانتیث دارای میزان خطا با RMSE برابر با 717/0، MAD برابر با 658/0 و ضریب تعیین 84/0 میلی‌متر در روز بوده که قابل‌قبول است.

کلیدواژه‌ها

تبخیر و تعرق؛ SEBAL؛ مرتع؛ نیاز آبی؛ شهرستان اهر

مراجع

1. اسدی، م.، باعقیده، م.، ولیزاده کامران، خ.، و ادب، ح. (1399). ارزیابی همبستگی پوشش گیاهی با دمای سطح زمین با استفاده از تصاویر ماهواره‌ای (مطالعه موردی: استان اردبیل). پژوهش‌های محیط‌زیست، 11(22)، 98-87.
2. اسدی، م.، ولیزاده کامران، خ.، باعقیده، م.، و ادب، ح. (1399). برآورد میزان تبخیر و تعرق واقعی با استفاده از الگوریتم سبال کوهستانی بر پایه گیاه نخود (مطالعه موردی: نیمه شمالی استان اردبیل). هیدروژئومورفولوژی، 7(22)، 85-67.
3. اسدی، م.، ولیزاده کامران، خ.، باعقیده، م.، و ادب، ح. (1399). مقایسه و تخمین سپیدایی سطوح مختلف کاربری اراضی با استفاده از روش سبال و متریک. نشریه تحقیقات کابردی علوم جغرافیایی، ۲۰(۵۹)، 171-157.
4. سهیلی­فر، ز.، میرلطیفی، س. م.، ناصری، عب. ع.، و عصاری، م. (1392). برآورد تبخیر و تعرق واقعی نیشکر با استفاده از داده­های سنجش از دور در اراضی کشت و صنعت نیشکر میرزا کوچک خان. نشریه دانش آب و خاک، 23(1)، 163-151.
5. ولیزاده کامران، خ.، و اسدی، م. (1402). برآورد سطح زیرکشت گندم با استفاده از تصاویر ماهواره لندست ۸ (مطالعه موردی: نیمه شمالی استان اردبیل). فضای جغرافیایی، ۲۳(۸۱)، 59-45.

 

6. Allen, R. G., Tasumi, M., & Trezza, R. (2007). Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model. Journal of Irrigation and Drainage Engineering, 133(4), 380-394.‏
7. Allen, R., Waters, R., Tasumi, M., Trezza, R., & Bastianssen, W. (2002(. SEBAL (surface energy balance algorithms for land)- Advanced training and user's manual, version 1.0.
8. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (Eds.). (1998). FAO Irrigation and Drainage. No. Paper 56.
9. Allen, R. G., Tasumi, M., & Trezza, R. (2007). Satellite-based energy balance for Mapping Evapotranspiration with Internalized Calibration (METRIC) model. Journal of Irrigation Drainage Engineering, 133, 380–394.
10. Al Zayed, I. S., Elagib, N. A., Ribbe, L., & Heinrich, J. (2016). Satellite-based evapotranspiration over Gezira Irrigation Scheme, Sudan: A comparative study. Agricultural Water Management, 177, 66-76.

 

11. Asadi, M., & Karami, M. (2020). Estimation of evapotranspiration in Fars province using experimental indicators. Journal of Applied Researches in Geographical Sciences, 20(56), 159-175.
12. Asadi, M., & Kamran, K. V. (2022). Comparison of SEBAL, METRIC, and ALARM algorithms for estimating actual evapotranspiration of wheat crop. Theoretical and Applied Climatology, 149(1-2), 327-337.
13. Asadi, M., & Kamran, K. V. (2023). Estimating selected cultivated crop water requirement-based surface energy balance algorithm. Arabian Journal of Geosciences, 16, 298.
14. Bastiaanssen, W. G. M., Menenti, M., Feddes, R. A., & Holtslag, A. A. M. (1998). A remote sensing surface energy balance algorithm for land (SEBAL). Journal of Hydrology, (212–213), 198–212.
15. Costa, J. D. O., Coelho, R. D., Wolff, W., José, J. V., Folegatti, M. V., & Ferraz, S. F. D. B. (2019). Spatial variability of coffee plant water consumption based on the SEBAL algorithm. Scientia Agricola, 76(2), 93-101.
16. de Arellano, J. V.-G., Van Heerwaarden, C. C., Van Stratum, B. J. H., & Van Den Dries, K. (2015). Atmospheric boundary layer: Integrating air chemistry and land interactions. New York: Cambridge University Press.
17. Du, J., Song, K., Wang, Z., Zhang, B., & Liu, D. (2013). Evapotranspiration estimation based on MODIS products and surface energy balance algorithms for land (SEBAL) model in Sanjiang Plain, Northeast China. Chinese Geographical Science, 23(1), 73-91.
18. Elnmer, A., Khadr, M., Kanae, S., & Tawfik, A. (2019). Mapping daily and seasonally evapotranspiration using remote sensing techniques over the Nile delta. Agricultural Water Management, 213, 682-692.
19. Genanu, M., Alamirew, T., Senay, G., & Gebremichael, M. (2017). Remote sensing based estimation of evapo-transpiration using selected algorithms: The case of Wonji Shoa Sugar Cane Estate, Ethiopia. Preprints, 2016080098.
20. Hu, Z., Yu, G., Zhou, Y., Sun, X., Li, Y., Shi, P., …, & Li, S., (2009). Partitioning of evapotranspiration and its controls in four grassland ecosystems: Application of a two-source model. Agricultural and Forest Meteorology, 149, 1410–1420.
21. Karami, M., & Asadi, M. (2016). Estimates and zoning of reference evapotranspiration by FAO-penman-monteith (Case study: North West of Iran). International Journal of Scientific Research in Science, Engineering and Technology, 2(1), 210-216.
22. Kosa, P. (2011). The effect of temperature on actual evapotranspiration based on Landsat 5 TM satellite imagery. In L. Labedzki (Ed.), Evapotranspiration. DOI: 10.5772/14012/
23. Kundu, S., Mondal, A., Khare, D., Hain, C., & Lakshmi, V. (2018). Projecting climate and land use change impacts on actual evapotranspiration for the Narmada River Basin in central India in the future. Remote Sensing, 10(4), 578.
24. Lage, M., Bamouh, A., Karrou, M., & El Mourid, M. (2003). Estimation of rice evapotranspiration using a microlysimeter technique and comparison with FAO Penman-Monteith and Pan evaporation methods under Moroccan conditions. Agronomie, 23, 625–631.
25. Laipelt, L., Henrique Bloedow Kayser, R., Santos Fleischmann, A., Ruhoff, A., Bastiaanssen, W., Erickson, T. A., & Melton, F. (2021). Long-term monitoring of evapotranspiration using the SEBAL algorithm and google earth engine cloud computing. Remote Sensing, 178, 81–96.
26. Liu, X., Xu, J., Wang, W., Lv, Y., & Li, Y. (2020). Modeling rice evapotranspiration under water-saving irrigation condition: Improved canopy-resistance-based. Journal of Hydrology, 590, 125435
27. Ma, W., Hafeez, M., Rabbani, U., Ishikawa, H., & Ma, Y. (2012). Retrieved actual ET using SEBS model from Landsat-5 TM data for irrigation area of Australia. Atmospheric Environment, 59, 408-414.
28. Mahmoud, S. H., & Alazba, A. A. (2016). A coupled remote sensing and the Surface Energy Balance based algorithms to estimate actual evapotranspiration over the western and southern regions of Saudi Arabia. Journal of Asian Earth Sciences, 124, 269-283.
29. Mather, P., & Tso, B. (2016). Classification methods for remotely sensed data. Florida: CRC Press.
30. McShane, R. R., Driscoll, K. P., & Sando, R. (2017). A review of surface energy balance models for estimating actual evapotranspiration with remote sensing at high spatiotemporal resolution over large extents. Scientific Investigations Report, Series Number 2017-5087.
31. Mkhwanazi, M., Chávez, J. L., & Andales, A. A. (2015). SEBAL-A: A remote sensing ET algorithm that accounts for advection with limited data. Part I: Development and validation. Remote Sensing, 7(11), 15046-15067.
32. Oberg, J. W., & Melesss, A. M. (2006). Evapotranspiration dynamics at an ecohydrological restoration site: an energy balance and remote sensing approach. JAWRA Journal of the American Water Resources Association, 42(3), 565-582.
33. Omidvar, H., Song, J., Yang, J., Arwatz, G., Wang, Z.H., Hultmark, M., Kaloush, K., & Bou‐Zeid, E. (2018). Rapid modification of urban land surface temperature during rainfall. Water Resources Research, 54(7), 4245-4264.
34. Owaneh, O. M., & Suleiman, A. A. (2018). Comparison of the performance of ALARM and SEBAL in estimating the actual daily ET from Satellite data. Journal of Irrigation and Drainage Engineering, 144(9), 04018024.
35. Qiu, R., Liu, C., Cui, N., Wu, Y., Wang, Z., & Li, G. (2019). Evapotranspiration estimation using a modified Priestley-Taylor model in a rice-wheat rotation system. Agricultural Water Management, 224, 105755.
36. Rawat, K. S., Singh, S. K., Bala, A., & Szabó, S. (2019). Estimation of crop evapotranspiration through spatial distributed crop coefficient in a semi-arid environment. Agricultural Water Management, 213, 922-933.
37. Ruhoff, A., Paz, A. R., Collischonn, W., Aragao, L. E. O. C., Rocha, H. R., & Malhi, Y. S. (2012). A MODIS-based energy balance to estimate evapotranspiration for clear-sky days Brazilian tropical savannas. Remote Sensing Journal, 4, 703-725.
38. Silva, B. B. D., Mercante, E., Boas, M. A. V., Wrublack, S. C., & Oldoni, L. V., (2018). Satellite-based ET estimation using Landsat 8 images and SEBAL model. Revista Ciência Agronômica, 49(2), 221-227.‏
39. Singh, R. K., Irmak, A., Irmak, S., & Martin, D. L. (2008). Application of SEBAL model for mapping evapotranspiration and estimating surface energy fluxes in south-central Nebraska. Journal of irrigation and Drainage Engineering, 134(3), 273-285.
40. Su, Z. (2002). The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes. Hydrology and Earth System Sciences, 6(1), 85-100.
41. Valayamkunnath, P., Sridhar, V., Zhao, W., & Allen, R. G. (2018). Intercomparison of surface energy fluxes, soil moisture, and evapotranspiration from eddy covariance, largeaperture scintillometer, and modeling across three ecosystems in a semiarid climate. Agricultural and Forest Meteorology, 248, 22–47.
42. Yang, Y., Zhou, X., Yang, Y., Bi, S., Yang, X., & Li Liu, D., (2018). Evaluating water-saving efficiency of plastic mulching in Northwest China using remote sensing and SEBAL. Agricultural Water Management, 209, 240-248.‏
43. Zhou, X., Bi, S., Yang, Y., Tian, F., & Ren, D. (2014). Comparison of ET estimations by the three-temperature model, SEBAL model and eddy covariance observations. Journal of Hydrology, 519, 769-776.‏
44. Zotarelli, L., Dukes, M. D., Romero, C. C., Migliaccio, K. W., & Morgan, K. T. (2010). Step by step calculation of the Penman-Monteith Evapotranspiration (FAO-56 Method). Institute of Food and Agricultural Sciences. University of Florida.