مدل های تجربی

مدل های تجربی برآورد فرسایش برای یک منطقه خاص تهیه شده اند و واسنجی آن ها برای استفاده در شرایطی غیر از محل تهیه آن ها ضروری است. بررسی دقت مدل های تجربی برای تخمین فرسایش می تواند منجر به برآوردهای بهتر از بار رسوبی و درنتیجه طراحی بهتر عملیات حفاظت خاک و آب گردد. لذا شناسایی مناطق پر خطر فرسایش جهت کنترل و کاهش فرسایش و تولید رسوب ضروری است. هدف از این پژوهش بررسی دقت و قابلیت مدل های[1] ICONA ماشین بردار پشتیبان، چاید و جنگل تصادفی در تخمین فرسایش است. ابتدا لایه های رقومی متغیرهای مؤثر در فرسایش شامل شیب، سازند زمین شناسی، کاربری اراضی، خاک، ارتفاع، جهت شیب، انحنا سطح، تراکم شبکه آبراهه، فاصله از آبراهه، تراکم گسل، فاصله از گسل و شاخص رطوبت توپوگرافی (Twi) تهیه گردید. در این پژوهش به منظور مقایسه مدل های مختلف از شاخص های آماری ضریب همبستگی (R) و قدر مطلق خطا ) MAE) استفاده شده است. بررسی نتایج نشان دادند که از میان مدل های نام برده مدل ماشین بردار پشتیبان، ICONA و جنگل تصادفی با الگوی M7، M9 و M12 بیشترین دقت را با ضریب همبستگی)899/0)، (845/0) و (921/0) و کمترین میانگین قدر مطلق خطا (711/0= MAE)، (721/0= MAE) و (628/0= MAE) دارد. با توجه به مطالعه عوامل مؤثر در مدل فرسایش خاک این نتیجه به دست می آید که پارامترهای شیب، سازند زمین شناسی، کاربری اراضی، خاک، فاصله از آبراهه و شاخص رطوبت توپوگرافی (Twi) حساسیت بیشتری نسبت به فرسایش داشته و عوامل مؤثر بر فرسایش در این مناطق فعالیت بیشتری دارند. بخش اعظم منطقه موردمطالعه، جزو طبقه فرسایشی خیلی زیاد تا زیاد قرار دارد که به طور عمده این کلاس ها در مرکز منطقه قرار گرفته اند. بیشترین مناطق تحت خطر فرسایش بالا تا شدید، در واحد توپوگرافی با شیب زیاد واقع شده اند.    

تبخیر یکی از عوامل اصلی هدررفت آب در دریاچه ارومیه است که نقش مهمی در بیلان آب آن دارد . با پیشرفت سنجنده های ماهواره ای، تصاویر ماهواره ای متعددی در دسترس قرار گرفته است که استفاده از آن ها در برآورد تبخیر از سطح دریاچه ارومیه نیاز به بررسی دارد؛ بنابراین، هدف این پژوهش، برآورد تبخیر روزانه از سطح دریاچه ارومیه با استفاده از ترکیب تصاویر ماهواره ای لندست 8 و 9 در سال 2022 و مقایسه عملکرد مدل های فیزیکی، تجربی و سنجش از دوری است . برای این منظور، از 21 تصویر ماهواره ای استفاده شد و مدل های FAO56-PM ، Priestley-Taylor و Hargreaves-Samani و مدل های سنجش از دوری surface energy balance algorithm for land (SEBAL) و Mapping Evapotranspiration at high Resolution and with Internalized Calibration (METRIC) در محیط Google Earth Engine پیاده سازی شدند . برای ارزیابی نتایج مدل ها، از اندازه گیری های تشت تبخیر ایستگاه هواشناسی ارومیه به عنوان داده زمینی استفاده شد. نتایج نشان داد که مدل SEBAL بدون اعمال ضریب اصلاحی، بهترین عملکرد را با Root mean square error (RMSE) و Nash-Sutcliffe efficiency (NSE) به ترتیب 83/0 میلی متر در روز و 48/0 نشان داد. با اعمال ضریب اصلاحی، مدل FAO56-PM با RMSE برابر با 04/1 میلی متر در روز و NSE معادل 18/0 بهترین نتیجه را داشت. در مجموع، مدل SEBAL به دلیل استفاده از تصاویر ماهواره ای، توانایی بهتری در برآورد تبخیر داشت. علاوه بر این، ترکیب تصاویر ماهواره ای و مدل های تجربی، می تواند در مدیریت منابع آب دریاچه ارومیه مؤثر باشد .