برآورد تبخیر-تعرق واقعی با استفاده از تصاویر ماهواره‌ای و الگوریتم‌های تک منبعی و دو منبعی در دشت قزوین

تبخیر-تعرق مرجع یک پدیده چند متغیره و پیچیده است که به عوامل متعددی وابسته است. دقیق ترین روش برآورد آن، استفاده از لایسیمتر است که مستلزم صرف وقت و هزینه زیادی است. از این رو هدف اصلی این تحقیق برآورد تبخیرتعرق واقعی براساس الگوریتم های تک منبعی sebalو ssebو الگوریتم دو منبعی tsebدر سه سنجنده modis ، etm+وoli & tirsاست که در سه مرحله صورت گرفته است. در برآورد تبخیرتعرق براساس الگوریتم sebal، شاخص تعدیل شده پوشش گیاهی(savi) و فاکتور تصحیح اثرات زمینه خاک (l)از اهمیت ویژه‌ای برخوردار است به همین منظور این شاخص به عنوان ضریب کالیبراسیون در نظر گرفته شد که با توجه به وضعیت درصد پوشش سبز روی سطح زمین انتخاب شد. نتایج حاصل از هر سه سنجنده نسبت به داده های لایسیمتری خطای کمتری نسبت به مقدار تبخیرتعرق بدست آمده با فرض 5/0l= داشته است (mm/day 1/49، 0/84، 1/76=rmse). برای صحت‌سنجی نتایج حاصل از کالیبراسیون از 30 % باقیمانده داده‌های لایسیمتری استفاده شد. نتایج شاخص های آماری تفاوت معنی دار(در سطح 95%) داده های پیش بینی شده را بیان می‌کند. نتیجه اینکه، با مقایسه سه الگوریتم در سه سنجنده modis،etm+و oli & tirsالگوریتم ssebدر سنجنده etm+در سطح معنی دار( 95%) و مشاهده کمترین میزان خطا (mm/day 0/41=rmse) به عنوان الگوریتم برتر برای تخمین تبخیرتعرق در دشت قزوین معرفی شد.

Estimation of Actual Evapotranspiration Using Satellite Imageries and SingleSource and TwoSource Surface Energy Balance Algorithms in Qazvin Plain

Reference Evapotranspiration is a complex and multivariate phenomenon that depends on several factors and the most accurate way to estimate is lysimeter, though it is costly and timeconsuming. Therefore, the main objective of this study was to estimate actual evapotranspiration based on singlesource energy balance, i.e. SEBAL and SSEB, and twosource energy balance algorithm, i.e. TSEB, in three sensors MODIS, ETM+ and OLI & TIRS in three steps. In evapotranspiration estimating by SEBAL, Soil Adjusted Vegetation Index and the correction factor for soil effects (L) are particularly important. For this purpose, this index was used as calibration coefficient that is selected based on percentage of vegetation coverage. According to the results, the actual evapotranspiration with L calibrated (L=0/5) had lower error in each of the three sensors (RMSE=1/76, 0/84, and 1/49 mm/day). For verification of calibration results, 30% of the remaining lysimeter data was used. The results of the statistical indices showed significant difference between the predicted data at the 95% level and also in the predictions. Finally, by comparing the three algorithms in the three sensors i.e. MODIS, ETM +, and OLI & TIRS, SSEB algorithm in ETM + sensor was introduced  as the best algorithm in Qazvin plain area, at 95% significance level and RMSE of 0/41 mm/day.