مقایسه روش های سنجش از دور برآورد تبخیر و تعرق واقعی روزانه با استفاده از تصاویر چندطیفی لندست 8 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
سابقه و هدف: کشاورزی سنگ بنای اقتصاد جهانی است و به مثابه منبع اصلی غذا و مواد خام برای صنایع مختلف عمل می کند. بااین حال، تقاضای فزاینده غذا به دلیل رشد جمعیت، تهدید قابل توجهی برای امنیت غذایی است، به ویژه زمانی که دسترسی محدود به منابع آب شیرین را در نظر بگیریم. شایان ذکر است که کشاورزی به تنهایی حدود 70 درصد از منابع آب شیرین جهان را مصرف می کند، که بر نیاز حیاتی برای مدیریت و افزایش بهره وری آبیاری برای تضمین تولید پایدار مواد غذایی تأکید دارد. در نتیجه مدیریت و افزایش بازده آبیاری امری ضروری است. در قلب تعیین نیاز آب آبیاری، مفهوم تبخیر و تعرق واقعی محصول (ETa) نهفته است، که نشان دهنده اتلاف آب، ترکیبی از تبخیر خاک و تعرق گیاه است. برآورد دقیق ETa در بهینه سازی روش های آبیاری، به حداکثر رساندن عملکرد محصول و به حداقل رساندن مصرف آب بسیار مهم است. برای این منظور، مدل ها و ابزارهای مختلفی برای تخمین ETa با هدف ارائه روش های کاربرپسندتر و کارآمدتر برای کشاورزان و پژوهشگران ایجاد شده اند. با توجه به مطالعات انجام شده و کاربرد وسیع مدل های برآورد ET، لازم است تمرکز بر روش های دقیق و سریع تعیین این پارامتر افزایش یابد. لذا هدف این مطالعه مقایسه روش های برآورد سنجش از دوری ETa کاربرپسندانه تر، از جمله سامانه EEFLUX، ابزار METRICTOOL و روش انتخاب خودکار پیکسل سرد و گرم مدل های SEBAL و METRIC است.مواد و روش ها: Earth Engine Evapotranspiration Flux یا به اختصار EEFLUX نسخه ای از مدل METRIC است که بر روی سیستم موتور Google Earth کار می کند. METRICTOOL، ابزاری جدید در ArcGIS براساس مدل METRIC است. این ابزار پیش پردازش و شناسایی خودکار کالیبراسیون بالقوه و معرفی داده های ورودی را تسهیل کرده، زمان محاسبات را تا ۵۰ درصد کاهش می دهد و جایگزینی کاربرپسندتر از دیگر پلتفرم های موجود پیاده سازی مدل METRIC است. روش انتخاب خودکار پیکسل سرد و گرم شامل ایجاد یک نقشه باینری از پیکسل های واجد شرایط که با استفاده از یک طبقه بندی کننده ساده مبتنی بر قانون شناسایی می شوند، و استفاده از الگوریتم جست وجوی جامع برای شناسایی پیکسل های گرم و سرد، مطابق با معیارهای تعریف شده است. برای برآورد ET با استفاده از روش های نام برده، از 6 تصویر ماهواره ای Landsat 8 در طول دوره کاشت محصول گندم زمستانه مزارع دانشگاه تهران واقع در محمدشهر کرج استفاده شد. ارزیابی روش های مذکور با استفاده از تبخیر و تعرق مرجع یونجه (ETr) با استفاده از روش FAO-Penman–Monteith به عنوان داده مرجع انجام شد.نتایج و بحث: RMSE سامانه EEFLUX، ابزار METRICTOOL، SEBAL و METRIC خودکار به ترتیب 2.45، 0.33، 0.39 و 2.76 به دست آمد. با توجه به نتایج محصول تبخیر و تعرق سامانه EEFLUX به رغم اختلاف عددی با دیگر روش ها همبستگی معناداری با آن ها داشت. مثلاً R2 بین ETa این سامانه و ابزار METRICTOOL 0.91 برآورد شد. نتیجه آن است که گرچه داده های این سامانه به دلیل استفاده از داده های هواشناسی جهانی CFSV2 در ایران برای مطالعات محلی از دقت کافی برخوردار نیستند، اما در مطالعات مناطق با وسعت بالا یا جهانی نتایج قابل قبولی به دست می دهند. ابزار METRICTOOL و مدل METRIC خودکار بیشترین همبستگی (R2=0.99) و نزدیکی عددی را با یکدیگر داشتند و به ترتیب با RMSE 0.33 و 0.39 دقت بالاتری نسبت به مدل SEBAL خودکار دارند.نتیجه گیری: با توجه به نتایج عددی رویکرد انتخاب خودکار پیکسل سرد و گرم می تواند دقت مشابهی در مقایسه با ابزار METRICTOOL داشته باشد. بدین ترتیب رویکرد خودکار کارایی مدل را از نظر زمان و بازده افزایش و می تواند خطای انسانی در تخمین تبخیر و تعرق را برای کاربران جدید یا بی تجربه کاهش دهد و این مدل ها را در دسترس عموم کاربران قرار دهد. همچنین داده های EEFLUX می توانند در مطالعات با وسعت بالا برای اقدامات مدیریتی کارایی لازم را داشته باشند.Comparison of remote sensing methods for estimating actual daily evapotranspiration using Landsat 8 multispectral images
Background and Purpose: Agriculture serves as the cornerstone of the global economy, providing the main source of food and raw materials for various industries. However, the rising demand for food as a consequence of population growth represents a considerable threat to food security, particularly in light of the limited access to freshwater resources. It is noteworthy that agriculture alone consumes about 70% of the world's freshwater resources, thereby emphasizing the critical need to manage and enhance irrigation efficiency to ensure sustainable food production. Therefore, the management and enhancement of irrigation efficiency are essential. At the core of determining irrigation water requirements lies the concept of actual crop evapotranspiration (ETa), which represents the combined water loss from soil evaporation and plant transpiration. Accurate estimation of ETa is crucial in optimizing irrigation methods, maximizing crop yield, and minimizing water consumption. Various models and tools have been developed to estimate ETa, aiming to provide more user-friendly and efficient methods for farmers and researchers. Given the extensive application of ET estimation models, there is a clear need to focus on the development of accurate and efficient methods for determining this parameter. Thus, this study aims to compare user-friendly ETa estimation methods, including the EEFLUX system, the METRICTOOL tool, and the automatic hot and cold pixel selection method of the SEBAL and METRIC models.Materials and Methods: The Earth Engine Evapotranspiration Flux (EEFLUX) is a version of the METRIC model that operates on the Google Earth Engine platform. METRICTOOL is a new tool in ArcGIS based on the METRIC model, offering enhanced pre-processing capabilities and automatic data identification. This tool reduces computation time by 50% and provides a user-friendly alternative to other existing METRIC model implementation platforms. The automatic hot and cold pixel selection method involves creating a binary map of eligible pixels using a rule-based classifier and a comprehensive search algorithm to identify hot and cold pixels based on defined criteria. To estimate ET using these methods, six Landsat 8 satellite images were utilized during the winter wheat crop planting period at Tehran University farms in Mohammadshahr Karaj. The evaluation of these methods was conducted using alfalfa reference evapotranspiration (ETr) calculated with the FAO-Penman-Monteith method as reference data.Results and Discussion: The Root Mean Square Error (RMSE) values for the EEFLUX system, METRICTOOL, SEBAL, and automatic METRIC tools were determined as 2.45, 0.33, 0.39, and 2.76, respectively. Despite numerical differences, the evaporation and transpiration product of the EEFLUX system showed significant correlations with other methods. For instance, the R2 between ETa estimates from the EEFLUX system and the METRICTOOL tool was found to be 0.91. Although the data from the EEFLUX system may not be precise enough for local studies due to the use of CFSV2 global meteorological data in Iran, they yield acceptable results in large or global-scale studies. The METRICTOOL tool and automatic METRIC model exhibited the highest correlation (R2=0.99) and numerical agreement with each other, with RMSE values of 0.33 and 0.39, respectively, indicating higher accuracy compared to the automatic SEBAL model.Conclusion: The results of the numerical analysis indicate that the automatic hot and cold pixel selection approach can achieve similar accuracy to that of the METRICTOOL tool. This automated approach enhances the efficiency of the model in terms of time and effectiveness, reducing the potential for human error in estimating evapotranspiration for new or inexperienced users, and making these models accessible to the public. Furthermore, EEFLUX data can be utilised for the implementation of management measures in large-scale studies.
تبلیغات
