بررسی قابلیت شاخص‌های بیوفیزیک ماهواره‌ای اجزای تعادل انرژی و تبخیر و تعرق واقعی در ارزیابی تغییرات رطوبتی خاک

رطوبت خاک سطحی یکی از متغیرهای مهم در فرآیندهای هیدرولوژیک است که بر تبادل جریان آب و انرژی بین سطح زمین و جو تاثیر می گذارد. برآورد دقیق تغییرات مکانی و زمانی رطوبت خاک برای بررسی ‌های مختلف محیطی بسیار مهم است. پیشرفت ‌های اخیر فنآوری در سنجش از دور ماهواره‌ ای نشان داده است که رطوبت خاک با انواع روش ‌های سنجش از دور قابل اندازه ‌گیری است. هدف از پژوهش حاضر، برآورد شاخص ‌های بیوفیزیک و تبخیر و تعرق با استفاده از خوارزمیک سبال (sebal) و ارائه شاخص رطوبت خاک با استفاده از روش رگرسیون مولفه اصلی در اراضی شرق دریاچه بختگان، استان فارس است. به همین منظور پنج تصویر ماهواره لندست 8 مربوط به ماه‌های فروردین، اردیبهشت، خرداد و تیر سال 1396 شمسی انتخاب و تصحیح ‌های اولیه بر روی تصاویر، انجام شد. برای اجرای خوارزمیک سبال از داده‌های هواشناسی ایستگاه همدیدی مرودشت استفاده شد. با بهره ‌گیری از شاخص‌ های بیوفیزیک همانند آلبیدو، شار تابش خالص، شار گرمای خاک، تبخیر و تعرق، شاخص نرمال شده پوشش گیاهی و دمای سطح زمین به روش رگرسیون مولفه اصلی شاخص رطوبت خاک، مدل ‌سازی شد. برای صحت سنجی مدل از شاخص tvdi استفاده شد. ضریب r2 و شاخص f مدل برابر با 0/966 و 1651581/9 است که نشان دهندۀ دقت زیاد مدل برای برآورد شاخص رطوبت خاک در هر پیکسل در مناطق مختلف با شرایط مختلف و پوشش گیاهی متنوع است. نتایج نشان داد که برای برآورد دقیق تر مقدار رطوبت خاک افزون بر دما و پوشش گیاهی، دیگر شاخص‌ های بیوفیزیک موثر بر مقدار رطوبت خاک سطحی می بایست در نظر گرفته شود.

Review of Iran’s Climatic Zoning Based On Some Climate Variables Investigating the Capability of Satellite-Based Biophysical Indexes of Energy Balance Components and Evapotranspiration in Evaluating Soil Moisture Changes

Surface soil moisture is one of the important variables in hydrological processes that affects the exchange of water and energy flow in relationship between land surface and atmosphere. Precise assessment of spatial and temporal variations in soil moisture is crucial for numerous environmental studies. Recent technological advances in satellite remote sensing indicates that the soil moisture can be measured using remote sensing methods. The purpose of this study is to estimate biophysical indices and evapotranspiration using SEBAL algorithm and to present soil moisture index using principal component regression method in the east of Bakhtegan Lake, Fars province. For this purpose, five Landsat 8 satellite images for March, April, May and June 2017 were selected and initially corrected. Meteorological data of Marvdasht synoptic station was used to execute SEBAL algorithm. Soil moisture index was modeled using biophysical indices such as albedo, net radiation flux, soil heat flux, evapotranspiration, and etc. by using principal component regression. TVDI index was used to validate the model. The coefficient of determination (R2) and F index are equal to 0.966 and 1651581.9, respectively, which indicates the high efficiency of the model to obtain soil moisture index for each pixel in different areas with different conditions and diverse vegetation. In addition to temperature and vegetation, other biophysical indicates of the region that affect the soil moisture should be taken into account.