عباس کاویانی

افزایش محصول به تأمین نیاز آبی گیاه وابسته است؛ درنتیجه، تخمین درست نیاز آبی گیاه هم به تولید محصول کمک می کند و هم در مدیریت منابع آب تأثیر دارد. الگوریتم های سبال و متریک از مهم ترین و پرکاربردترین روش های باقی ماندة بیلان انرژی برای برآورد تبخیر و تعرق واقعی با استفاده از داده های سنجش از دور محسوب می شوند. بر همین اساس، هدف از تحقیق حاضر بررسی نتایج تبخیر و تعرق واقعی با اجرای مدل های متریک و سبال در دشت قزوین است. به منظور ارزیابی نتایج برآورد تبخیر و تعرق واقعی، از دو سنجنده با قدرت تفکیک زمانی و مکانی متفاوت (تصاویر سنجندة مودیس[1] ماهوارة ترا و سنجندة ETM+ ماهوارة لندست 7) استفاده شد. در این زمینه، داده های ایستگاه هواشناسی قزوین و نیز داده برداری لایسیمتری، به منظور صحت سنجی نتایج الگوریتم متریک و سبال، به کار رفت. نتایج مدل های متریک و سبال با مجموع ده تصویر از تصاویر سنجندة مودیس ماهوارة ترا و سنجندة ETM+ ماهوارة لندست 7، با داده برداری های لایسیمتری گیاه مرجع چمن در سال 1380 ارزیابی شدند. سنجندة مودیس با 88/0r =، 91/1 RMSE= و 85/0 SE= میلی متر بر روز و سنجندة ETM+ با 00/1 r=، 91/0RMSE= و 09/0 SE= میلیمتر بر روز در مدل متریک، در مقایسه با مدل سبال، برآوردی دقیق تر از داده برداری لایسیمتر دارند و در این تحقیق، مدل متریک به منزلة مدل برتر برای برآورد تبخیر و تعرق واقعی در منطقة دشت قزوین توصیه می شود.

تخمین بارش در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راههای برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش، به ارزیابی داده های بارش مدل GLDAS، CRU، GPCP، TRMM، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق، بارش GPCP، TRMM، CMAPو NCEP-NCAR نتایج خوبی داشتند و از میان آنها GPCP وTRMM نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین ایستگاه های منطقه مورد مطالعه در پیکسل 3 در سال 2003، ضریب تبیین (R 2 )، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 96/0، 94/0، 13/3، 30/5 و 58/6 میلی متر بر ماه به دست آمد. همچنین داده های بارش مدل GLDAS با داده های ایستگاهی مورد ارزیابی قرار گرفت و نتایج نشان داد که در مناطقی که بارش زیاد است، مانند ایستگاه رشت و نوشهر مدل GLDAS از دقت خوبی برخوردار نیست