برآورد تبخیر و تعرق واقعی با الگوریتم توازن انرژی سطحی سبال و تصاویر تلفیق شده ی ماهواره ای لندست8 و سنتینل2 (مطالعه موردی: کشت و صنعت نیشکر میرزا کوچک خان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد

2 استاد آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

3 استادیار آبیاری و زهکشی-دانشکده مهندسی علوم آب- دانشگاه شهید چمران اهواز

4 استادیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز

چکیده

تبخیر و تعرق یکی از عوامل مهم در چرخه ی هیدرولوژی و از جمله عوامل تعیین کننده معادلات انرژی در سطح زمین و توازن آب می باشد. اغلب روش های زمینی از اندازه گیری نقطه ای برای تخمین تبخیر و تعرق استفاده می کنند، سنجش از دور این قابلیت را دارد تا مقدار تبخیر و تعرق را تخمین زده و توزیع مکانی آن را مورد بررسی قرار دهد. در این پژوهش، از تلفیق تصاویر ماهواره ای لندست8 و سنتینل2، برای برآورد مقدار دقیق تبخیر و تعرق روزانه گیاه نیشکر، در کشت و صنعت نیشکر میرزا کوچک خان، واقع در استان خوزستان، با استفاده از مدل سبال، در شش تاریخ، استفاده گردید. اعتبارسنجی کارایی مدل سبال در دو حالت استفاده از تصاویر تلفیق شده و استفاده از تصاویر لندست8 با داده های لایسیمتری انجام شد. نتایج حاکی از آن بود که مدل سبال با تصاویر ماهواره ای لندست8، با (R2=0.88)، و مدل سبال با تصاویر ماهواره ای تلفیق شده لندست8 و سنتینل2، با (R2=0.90)، در مجموع همبستگی و تطابق مناسبی را با روش لایسیمتری داشته و نتایجی مشابه این روش را تخمین زده است.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of actual evapotranspiration using SEBAL Surface Energy Balance Algorithm and Fusion of Landsat8 and Sentinel2 satellite images (Case Study: Mirza Kouchak khan Agroindustrial Company)

نویسندگان [English]

  • setareh sahragard 1
  • Abdali Naseri 2
  • Mohammad Albaji 3
  • Mostafa Kabolizade 4
1 MSc
2 Professor of Irrigation and Drainage, Faculty of Water Engineering, Shahid Chamran University of Ahvaz
3 Assis. Prof of Irrigation and Drainage, Faculty of Water Engineering, Shahid Chamran University of Ahvaz
4 Assis. Prof. College of Earth Sciences, Shahid Chamran University of Ahvaz
چکیده [English]

Evapotranspiration is one of the most important factors in the hydrology cycle and is one of the determinants of energy equations at ground level and water balance. Most of the ground-based methods use point measurements to estimate evapotranspiration. Remote sensing has the ability to estimate the amount of evapotranspiration and examine its spatial distribution. In this study, Landsat8 and Sentinel2 satellite images combined to estimate the actual daily evapotranspiration of sugarcane in the Mirza Kouchak khan Agro industrial Company, Khuzestan province, using the SEBAL model at six dates.Validation of SEBAL model performance was performed in two modes: using integrated images and using Landsat 8 images with lysimeter data. The results indicated that the SEBAL model with Landsat 8 satellite images with (R2=0.88), and the SEBAL model with Landsat 8 and Sentinel2 satellite images with (R2=0.90), Overall, it was well correlated with the lysimeter method and estimated similar and appropriate results.

کلیدواژه‌ها [English]

  • evapotranspiration
  • Lysimeter
  • Remote Sensing
  • Sentinel2
  • sugarcane
پورآذر، ر.، صیاد منصور، ع.، احمدپور، ر.، طاهرخانی، ک. و زند، الف. 1390. روند تحقیقات انجام شده روی علف­های هرز و علف­کش­ها طی 20 سال گذشته در کشت نیشکر در استان خوزستان، مشکلات و راهکارها. چهارمین همایش علوم علف­های هرز ایران. 19-17 بهمن­ماه 1390.
دلگرم، س.، رحیم­پور، م.، بختیاری، ب. و سیاری، ن. 1394. مقایسه­ی تبخیر و تعرق واقعی حاصل از داده‏های لایسیمتری و الگوریتم سبال در دشت کرمان، با استفاده از تصاویر سنجنده­ی مودیس. مجله تحقیقات آب و خاک ایران. 2.46: 373-383.
صادق زاده پوده، ر.، زارع، م.، مختاری، م، ح. و قالیباف، م، الف. 1394. بررسی قابلیت مدل توازن انرژی سطح (سبال) و متغیرهای بیوفیزیک حاصل از داده‌های ماهواره‌ای در تخمین رطوبت خاک در مناطق خشک. مدیریت بیابان. 6 .3: 107-90.
فاطمی،س،ب. رضایی،ی. 1393."مبانی سنجش از دور". نشر آزاده. چاپ چهارم. ویرایش دوم.
قمرنیا، ه. و رضوانی، س، و. 1393. محاسبه و پهنه­بندی تبخیر و تعرق با استفاده از الگوریتم سبال (SEBAL) در غرب ایران (دشت میان دربند). مجله آب و خاک. 1.28: 72-81.  
کابلی­زاده، م.، رنگزن، ک. و محمدی، ش. 1397. کاربرد تلفیق تصاویر ماهواره‌ای لندست8 و سنتینل2 در پایش محیط. مجله سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 3.9: 53-71.
گوشه­گیر، الف، س.، گلابی، م. و ناصری، ع، ع. 1397. مقایسه تبخیر تعرق واقعی حاصل از داده­های سنجش از دور با بهره­گیری از روش گرام اشمیت و الگوریتم سبال با داده­های لایسیمتری (مطالعه موردی: شرکت کشت و صنعت نیشکر امیرکبیر). مجله تحقیقات منابع آب ایران. 1.14: 125-139.
گوشه­گیر، الف. 1396. مقایسه تبخیر تعرق واقعی گیاه نیشکر حاصل از سنجش از دور با داده­های لایسیمتری در استان خوزستان (مطالعه موردی: شرکت کشت و صنعت نیشکر امیرکبیر). پایان نامه کارشناسی ارشد. دانشگاه شهید چمران اهواز. دانشکده مهندسی علوم آب.
وروانی، ه.، فرهادی، ب،. شریفی، م، ع. 1398. تلفیق تصاویر ماهواره Landsat 8 و سنجنده­ی MODISجهت برآورد نیاز آبی ذرت علوفه‌ای در دوره رشد (منطقه مورد مطالعه: ماهیدشت کرمانشاه). تحقیقات منابع آب ایران. 1.15: 257-266.
Allen, R. G., Morse, A., Tasumi, M., Trezza, R., Bastiaanssen, W., Wright, J. L. and Kramber, W. 2002. Evapotranspiration from a satellite-based surface energy balance for the Snake Plain Aquifer in Idaho. In Proc. USCID Conference. USCID.
Allen, R.G., Tasumi, M and Trezza, R. 2007. Satellite-Based Energy Balance for Mapping Evapotranspiration with Internalized Calibration (METRIC)-Model. Journal of Irrigation and Drainage Engineering. 133: 380-394.
Bastiaanssen, W.G.M., Menenti, M., Feddes, R.A. and Holtslag, A.A.M., 1998a. A remotesensing surface energy balance algorithm for land (SEBAL): 1. Formulation. J.Hydrol. 212–213, 198–212.
Bastiaanssen, W. G. 2000. SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey. Journal of hydrology, 229(1-2): 87-100.                            
Bastiaanssen, W.G.M. and Ali, S. 2002. A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan. Agriculture, Ecosystems and Environment. 94: 321–340.
Bastianssen,W.G.M. and Chandrapala,L. 2003. Water balance variability across Sri lanka for assessing agricultural and environmental water use. Journal Agriculture Water Management. 58.2: 171–192.
Dai, X. Shi, H. Li, Y. Ouyang, Z. and Huo, Z .2009. Artificial neural network models for estimating regional reference evapotranspiration based on climate factors. Hydrological Processes 23: 442-450.
Enku, T. 2009. Estimation of evapotranspiration from satellite remote sensing and meteorological data over the Fogera flood plain-Ethiopia. ITC: Netherlands.
ESA. 2016. Sentinel-2: Operations. [Online]. Available: http://www.esa.int/Our_Activities/Operations/Sentinel-2_operations/(print).
Jaber, H.S., Mansor, S., Pradhan, B. and Ahmad, N.2016. Evaluation of SEBAL model for Evapotranspiration mapping in Iraq using remote sensing and GIS. Int. J. Appl. Eng. Res, 11, pp.3950-3955.
John, G., D. Yuan, R.S. Lunetta. and C.D. Elvidge. 1998. A change detection experiment using vegetation indices.Photogram. Eng. Remote Sens. 62: 143-150.
Julien, Y., Sobrino, J.A. and W. Verhoef. 2006. Changes in land surface temperatures and NDVI values over Europe between 1982 and 1999. Remote Sens. Environ. 103.1: 43-55.
Kyalo, D.K. 2017. Sentinel-2 and MODIS land surface temperature-based evapotranspiration for irrigation efficiency calculations.
Lau, W. and King, B. A. Li, Z. 2000. The influences of image classification by fusion of spatially oriented images. International Archives of Photogrammetry and Remote Sensing. 33. Part B7: 752-759.
Li,Y.,Huang, C., Hou, J., Gu, J., Zhu, G. and Li, X.2017. Mapping daily evapotranspiration based on spatiotemporal fusion of ASTER and MODIS images over irrigated agricultural areas in the Heihe River Basin, Northwest China. Agricultural and Forest Meteorology, 244, pp.82-97.
Laben, C.A. and Brower, B.V. 2000. Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening, U.S. Patent 6011875 A.
Njuki, S.M. 2016. Assessment of Irrigation Performance by Remote Sensing in the Naivasha Basin, Kenya. ITC MSc Thesis. University of Twente.
Pohl, C. and Genderen, J. L. 1998. Multi sensor image fusion in remote sensing: concepts, methods and applications. International Journal of  Remote Sensing. 19.5: 823-854.
Roerink, G., Su, Z. and Menenti, M. 2000. S-SEBI: A Simple Remote Sensing Algorithm to Estimate the Surface Energy Balance. Journal Physics and Chemistry of the Earth, Part B : Hydrology, Oceans and Atmosphere. 25: 147-157.
Senay, G.B., Budde, M., Verdin, J.P. and Melesse, A.M. 2007. A Coupled Remote Sensing and Simplified Surface Energy Balance Approach to Estimate Actual Evapotranspiration from Irrigated Fields. Sensors.7: 979-100.
Sentelhas, P. Gillespie, T and Santos, EA.2010. Evaluation of FAO Penman-Monteith and alternative methods for estimating reference evapotranspiration with missing data in southern Ontario Canada. Agricultural Water Management 97: 635-644.
Sharma, D. N. and Tare, V. 2018. Evapotraanspiration estimation using SSEBop method with Sentinel-2 and Landsat-8 data set. International Archives of the Photogrammetry, Journal Remote Sensing and Spatial Information Sciences. 42: 5.
Singh, R.K. and Senay, G.B.2015. Comparison of four different energy balance models for estimating evapotranspiration in the Midwestern United States. Water. 8:1:9.
Su, Z. 2002. The Surface Energy Balance System (SEBS) for Estimation of Turbulent Heat Fluxes. Journal Hydrology and Earth System Sciences. 6: 85-100.
Wang Z. Bovik A.C. Sheikh H.R. and Simoncelli E.P. 2004. Image quality assessment: From error visibility to structural similarity. IEEE Transaction on Image Processing. 13.4: 600-612.
Wagle, P., Bhattarai, N., Gowda, P. H. and Kakani, V. G. 2017. Performance of five surface energy balance models for estimating daily evapotranspiration in high biomass sorghum. ISPRS Journal of Photogrammetry and Remote Sensing. 128: 192-203
Trajkovic, S. and Kolakovic, S.2009. Evaluation of reference evapotranspiration equations under humid conditions.Water Resources Management 23:3057-3067.