تخمین تبخیروتعرق واقعی براساس الگوریتم‌های تک منبعی و دومنبعی سنجش از دوری (مطالعه موردی: برازجان)

شناخت و ارزیابی تبخیر و تعرق از سطوح گیاهی یک ابزار اساسی در محاسبه بیلان آب و تخمین نیاز آبی و دسترسی به آن است. در این تحقیق به­منظور بررسی توزیع مکانی تبخیروتعرق و رابطه آن با سنجش از دور در مقابل داده­های لایسیمتری به عنوان شاهد در منطقه برازجان واقع در استان بوشهر، ایران انجام شد. در این پژوهش از 46 تصویر بدون ابر و روزانه از سنجنده MODIS، 7 تصویر از سنجنده ETM+ و 7 تصویر از سنجنده TM در طول فصل رشد از ماه فروردین تا شهریور در خلال سال‌های 80 تا 82 استفاده شده است. براساس نتایج بدست آمده از اجرای سه مدل SEBAL، SSEB و TSEB در هر سه ماهواره، سنجنده MODIS دارای کمترین میزان خطا بوده (به‌ترتیب برای هر سه الگوریتم RMSE=0.856,1.385,2.7mm/day) و پس از آن ماهواره لندست 7 با قدرت تفکیک مکانی بالاتر در رده دوم قرار می­گیرد (به‌ترتیب برای هر سه الگوریتم RMSE=1.042,1.56,2.76 mm/day) و در نهایت ماهواره لندست 5 بیشترین میزان خطا را به خود اختصاص می­دهد (به­ترتیب برای هر سه الگوریتم RMSE=1.14, 1.97, 3.06 mm/day). در بررسی وضعیت پوشش گیاهی براساس شاخص نرمال شده تفاوت پوشش گیاهی، در ابتدای دوره کشت به دلیل جوانه­زنی و تنک بودن پوشش گیاهی، این شاخص در پایین­ترین حد خود قرار دارد و به­ترتیب با افزایش دمای هوا و میزان پوشش گیاهی، این شاخص رو به افزایش است. فاکتور L اهمیت به­سزایی در برآورد شاخص پوشش گیاهی تعدیل شده برحسب خاک و در نهایت، صحت­سنجی برآوردهای بدست آمده تبخیروتعرق برای منطقه مورد مطالعه دارد که به پوشش منطقه وابسته است. در این تحقیق برای منطقه مورد مطالعه مقدار L=0.6 تخمین زده شد که در مقایسه با دیگر مقادیر مورد بررسی، دارای کمترین مقدار خطا بود ((RMSE=0.6. الگوریتم SEBAL نسبت به سه الگوریتم دیگر به داده­های لایسیمتری نزدیکتر بوده و از دقت بالاتری برخوردار است. عملکرد مناسب الگوریتم SEBAL به دلیل جزئی‌نگری در فرمولاسیون و اجرای این الگوریتم بوده است. الگوریتم SSEB براساس تئوری ساده­تر و برمبنای انرژی حرارتی سطح زمین بوده که نسبت به الگوریتم SEBAL در رده دوم قرار می­گیرد. الگوریتم دومنبعی ضعیف­ترین نتایج را در میان الگوریتم‌ها از خود نشان داد. در مقایسه عملکرد تصاویر ماهواره­ای بطورکلی سنجنده MODIS به دلیل قدرت تفکیک زمانی مناسب و تعدد تصاویر نسبت به دو سنجنده ETM+ و TM و ارائه سری زمانی بیشتر، برای برآورد تبخیروتعرق در مقیاس منطقه­ای مناسب می­باشد.