تجزیه و تحلیل الگوریتم تعادل انرژی سطحی برای زمین (sebal) در تخمین تبخیر و تعرق محصولات کشاورزی

سابقه و هدف: یکی از مراحل اساسی در مدیریت منابع آب، تخمین دقیق پارامتر‌های بیلان آب است. برآورد صحیح تبخیرتعرق و تعیین نیاز آبی گیاهان امری حیاتی برای بهبود مدیریت آب و افزایش کارایی مصرف آب است. اگرچه روش‌های اندازه‌گیری تبخیرتعرق با استفاده از داده‌های ایستگاه‌های زمینی، اندازه‌گیری‌های نقطه‌ای تبخیرتعرق را با دقت بالا ارائه می‌دهند. اما نیاز به نقشه‌های تبخیر و تعرق منطقه‌ای برای پایش منابع آب احساس می‌شود. در این راستا، مدل‌های تخمین تبخیرتعرق ماهواره‌ای مانند sebal می‌تواند مفید واقع شود. البته کارایی این مدل در اقلیم‌ها و محصولات مختلف متفاوت است. بنابراین، هدف این مطالعه محاسبه تبخیرتعرق با استفاده از مدل sebal با تصاویر ماهواره‌ای landsat 8 در پلتفرم گوگل ارث انجین و ارزیابی دقت مدل در برابر روش fao penman monteith (eto) و تبخیر و تعرق پوشش گیاهی (etc) است. مواد و روش‌ها: این مطالعه در منطقه جنگاه شهرستان تربت جام واقع در استان خراسان رضوی در بازه زمانی بین سال‌های 1392 تا 1401 انجام شد. برای این مطالعه، الگوریتم محاسباتی با استفاده از معادلات مربوطه به زبان جاوا در گوگل ارث انجین نوشته شد و تصاویر روزانه تبخیرتعرق برای منطقه مورد مطالعه دریافت گردید. سپس تبخیرتعرق روزانه برای منطقه مورد نظر با استفاده از نرم‌افزار qgis استخراج گردید. به منظور ارزیابی دقت مدل سبال در برابر تبخیرتعرق گیاه مرجع و تبخیرتعرق پوشش گیاهی به روش فائو پنمن مانتیث از شاخص‌های آماری مانند ضریب همبستگی (cc)، بایاس نسبی (rbias)، خطای ریشه میانگین مربعات ریشه (rmse) و میانگین خطای مطلق (mae) استفاده گردید. یافته‌ها: نتایج نشان دادند که مدل سبال دارای همبستگی قوی با تبخیرتعرق پوشش گیاهی منطقه است (0.85=r²). این مدل مقادیر تبخیرتعرق روزانه پوشش گیاهی منطقه را با بایاس مثبت کمی بیش از حد تخمین زد(0.016 میلی‌متر). اعتبار سنجی مدل در مقابل تبخیرتعرق پوشش گیاهی خطا‌های نسبتاً جزئی را نشان داده و مقادیر میانگین مطلق خطا و ریشه میانگین مربعات خطا به ترتیب 0.76 میلی‌متر و 0.97 میلی‌متر در روز بوده است. نتیجه‌گیری: افزایش دسترسی به داده‌های ماهواره‌ای و پیشرفت‌های جدید در تکنیک‌های سنجش از دور، راه را برای سیستم‌هایی هموار می‌کند که قادرند استفاده از آب توسط ذینفعان مختلف را نزدیک به زمان واقعی در مقیاس‌های مکانی مختلف پایش کنند. در این راستا، مدل‌های تخمین تبخیر و تعرق ماهواره‌ای مانند sebal می‌توانند مفید باشند. البته، کارایی این مدل در اقلیم‌ها و محصولات مختلف متفاوت است. با توجه به نتایج پژوهش، مشاهده شد که روش sebal مقادیر واقعی تبخیر و تعرق را با نتایج قابل قبول محاسبه می‌کند. این نتایج نشان می‌دهد که استفاده از این روش می‌تواند در منطقه مورد مطالعه مناسب باشد. به طور خلاصه، یافته‌ها نشان می‌دهد که الگوریتم sebal یک رویکرد مناسب برای تخمین تبخیر و تعرق محصول است و می‌تواند به عنوان یک ابزار موثر برای مدیریت منابع آب در مزارع و سایر زمینه‌های مشابه عمل کند.

analyzing the surface energy balance algorithm for land (sebal) in estimating crop evapotranspiration

background and objectives: one of the key stages in water management involves accurately estimating water budget components. proper estimations of the plant et and water requirements of plants are very important for improving water management and increasing the water consumption efficiency. although ground based et measurement methods provide high accuracy point measurements, regional et maps are needed for monitoring water resources. in this regard, satellite et estimation models such as sebal can be useful. of course, the efficiency of this model is different in various climates and crops. therefore, the aim of this study is to calculate et rates using the sebal model with landsat 8 satellite imagery on the google earth engine platform and assess the model’s accuracy against fao–penman monteith method (et0) and crop evapotranspiration (etc).materials and methods: this study was conducted in jangah area of torbat e jam city located in razavi khorasan province, from 2013 to 2023. a java program was developed using the provided equations in google earth engine for this algorithm. daily evapotranspiration images were acquired for the study area, and evapotranspiration data were extracted using qgis software. the prediction performance of the sebal model against the reference et0 and etc was evaluated using widely accepted statistical indices such as the correlation coefficient (cc), relative bias (rbias), root mean squared error (rmse), and mean absolute error (mae).results: results revealed a strong correlation between the model and etc estimates (r²=0.85). the model slightly overestimated daily total et values by only 0.016 mm (positive bias). validation of the model against etc indicated relatively minor errors, with daily mean absolute and root mean square errors of 0.76 mm and 0.97 mm, respectively. conclusion: the growing accessibility of open access satellite data and advancements in remote sensing technologies are opening the door to systems capable of monitoring water usage by different stakeholders in near real time across various spatial scales. in this regard, satellite et estimation models such as sebal can be useful. of course, the efficiency of this model is different in various climates and crops. based on the research findings, it was observed that the sebal method calculates actual evapotranspiration values with acceptable results. these results indicate that the use of this method can be suitable for the studied area. in summary, the findings indicate that the sebal algorithm is a suitable approach for estimating crop evapotranspiration and can serve as an effective tool for water resource management in farms, and other similar contexts.