Comparison of evapotranspiration estimations of SENTINEL-2 Satellite and Penman-Monteith equation in Gorganrood-Gharehsoo basin

Document Type : Original Article

Authors

1 MSc Graduate University of Tehran

2 University of tehran

3 Department of soil and water Nuclear science and technology institute , Iran

Abstract

Evapotranspiration (ET) as a major component of the hydrological cycle and an important variable in the calculation of the earth's surface water and energy balance has a key role in agricultural water management. Under limited meteorological data, ET estimations using empirical models are less accurate and require adjustments based on water balance approach or lysimetric measurements. Combining ground observations with remote sensing information (such as satellite images) can improve the accuracy of these estimations. In this study, SENTINEL-2 satellite products were used to estimate actual evapotranspiration values in 8 stations of the Gorganrud-Gharehsoo basin, north of Iran, during the period 2016 to 2018. Considering the number of required images and significate variations of ET during warm season, a four months period of April to June was selected for comparisons. The Penman Monteith equation estimations using observed data of study stations was chosen as an evaluation metric of satellite products.Comparisons were evaluated using statistical indices of R2, RMSE. The coefficient of determination (R2) values between Penman-Monteith equation (PM) estimations and SENTINEL-2 outputs for the study stations of Rezvan, Bandar Turkman, Aliabad-e-katol, Gonbadkavos, Kalaleh, Gorgan, Gorgan Hashem-Abad, and Minoodasht, were 0.95, 0.76, 0.86, 0.87, 0.80, 0.86 and 0.84, respectively. The highest correlation of SENTINEL-2 and PM equation was obtained in Rezvan station (RMSE: 0.21, R2 = 0.95), while the lowest correlation was observed in Ghonbad kavoos stations, (RMSE = 0.37, R2 = 0.87). According to results, the SENTINEL-2 evapotranspiration estimations can be used in regions with in adequate observed data. The finer spatial resoulution of SENTINEL-2 improves the ET estimations accuracy. This satellite products may be recommended for regions with inadequate weather stations especially in semi arid regions

Keywords

References

ابراهیمی پاک، ن.، تافته، آ.، اگدرنژاد، ا. و اسدی کپورچال، ص. 1397. تعیین ضرایب تبخیر - تعرق ماهانه گندم زمستانه با استفاده از روش‌های مختلف تخمین تبخیر - تعرق و تشت تبخیر در دشت قزوین. نشریه علمی‌پژوهشی مهندسی آبیاری و آب ایران. 8(4): 107-121.
ستاری، م.، نهرین، ف. و عظیمی، و. 1392. پیش‌بینی تبخیر - تعرق مرجع روزانه با استفاده از مدل شبکه عصبی مصنوعی و مدل درختی M5 (مطالعه موردی: ایستگاه بناب). مجله آبیاری و زهکشی ایران. 7(1): 104-113.
شرکت مهندسین مشاور کنکاش جاماب . 1387. طرح جامع آب کشور: حوضه آبریز گرگان رود.
صالحی، ح. و شمس‌الدینی، ع. 1399. ترکیب تصاویر مادیس و سنتینل-2 به‌منظور تهیه نقشه‌های تبخیر - تعرق روزانه باقدرت تفکیک مکانی 10 متر. نشریه آبیاری و زهکشی ایران. 14(6): 1881-1892.
صحراگرد، س.، ناصری، ع.، الباجی، م. و کابلی زاده، م. 1399. برآورد تبخیر و تعرق واقعی با الگوریتم توازن انرژی سطحی سبال و تصاویر تلفیق شدة ماهواره‌ای لندست 8 و سنتینل 2 (مطالعه موردی: کشت و صنعت نیشکر میرزا کوچک‌خان). مجله آبیاری و زهکشی ایران. 14(1): 156-167.
عنابی میلانی، ا. و نیشابوری، م. 1397. مقایسه برخی روابط تجربی برآورد تبخیر - تعرق مرجع برای دشت تبریز با استفاده از لایسیمتر و ارائه مدلی برای تعیین آن از روی داده‌های هواشناسی. دانش آب‌وخاک (دانش کشاورزی). 28(1): 41-54.
فلاح قالهری، غ.، باعقیده، م. و رضایی، ح. 1395. برآورد نیاز آبی محصول سیب‌زمینی در اقلیم تربت‌حیدریه و تخمین تبخیرتعرق واقعی بر اساس تبخیرتعرق مرجع. نشریه انسان و محیط‌زیست. 37: 49-60.
کمالی، م. ا.، فرید حسینی، ع.، انصاری، ح. و غلامی سفیدکوهی، م. ع. 1397. تعیین نیاز آبی و ضریب گیاهی ذرت با استفاده از داده‌های سنجش‌ازدور و الگوریتم سبال. نشریه آبیاری و زهکشی ایران. 12(1): 25-39
Aguirre-García, S.-D., Aranda-Barranco, S., Nieto, H., Serrano-Ortiz, P., Sánchez-Cañete, E.-P. and Guerrero-Rascado, J.-L. 2021. Modelling actual evapotranspiration using a two source energy balance model with Sentinel imagery in herbaceous-free and herbaceous-cover Mediterranean olive orchards. Agricultural and Forest Meteorology. 311:108692. doi: 10.1016/j.agrformet.2021.108692.
Allen, R. G., Pereira, L. S., Raes, D. and Smith, M. 1998. FAO Irrigation and drainage paper No. 56. Food and Agriculture Organization of the United Nations. p.17.
Chicco, D., Warrens, M.J. and Jurman, G. 2021. The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. PeerJ Computer Science. 5(7):e623. doi: 10.7717
ESA Sen-ET. 2020. "ESA Sen-ET." ESA Sen-ET. https://www.esa-sen4et.org/.
Guzinski, R., Nieto, H., Sandholt, I. and Karamitilios, G. 2020. Modelling High-Resolution Actual Evapotranspiration through Sentinel-2 and Sentinel-3 Data Fusion. Remote Sensing. 12(9):1433. doi: 10.3390/rs12091433.
Mancino, G., Ferrara, A., Padula, A. and Nolè, A. 2020. Cross-Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sensing. 12(2):291. doi: 10.3390/rs12020291.
Mueller, M. M., Dubois, C., Jagdhuber, T., Hellwig, F. M., Pathe, C., Schmullius, C., and Steele-Dunne, S. 2022. Sentinel-1 Backscatter Time Series for Characterization of Evapotranspiration Dynamics over Temperate Coniferous Forests. Remote Sensing. 16;14(24):6384. doi: 10.3390/rs14246384.
Phiri, D., Simwanda, M., Salekin, S., Nyirenda, V.R., Murayama, Y. and Ranagalage, M. 2020. Sentinel-2 Data for Land Cover/Use Mapping. A Review. Remote Sensing. 12(14): 2291. https://doi.org/10.3390/rs12142291
Singh, R., Khand, K., Kagone, S., Schauer, M., Senay, G. and Wu, Z. 2020. A novel approach for next-generation water-use mapping using Landsat and Sentinel-2 satellite data. Hydrological Sciences Journal. 65(14):2508-19. doi: 10.1080/02626667.2020.1817461.
Vanino, S., Nino, P., De Michele, C., Bolognesi, S. F., D'Urso, G., Di Bene, C., Pennelli, B., Vuolo, F., Farina, R., Pulighe, G. and Napoli, R. 2018. Capability of Sentinel-2 data for estimating maximum evapotranspiration and irrigation requirements for tomato crop in Central Italy. Remote Sensing of Environment. 15(215): 452-470. doi: 10.1016/j.rse.2018.06.035
Iranian Journal of Irrigation & Drainage
Volume 17, Issue 6 - Serial Number 102
March and April 2024
Pages 1053-1062

Files

Share

How to cite

Statistics