کاربردپذیری پایگاه‌ بارشی gldas در برآورد ردپای آب سبز و آبی گندم و ذرت در دشت قزوین با استفاده از مدل aqua crop

فناوری سنجش از دور به دلیل برخورداری از ویژگی‌های ارزشمندی چون، اخذ تصاویر چند زمانه و چند طیفی، قابلیت تفکیک زمانی و رادیومتریکی مناسب و متنوع، دید وسیع و یکپارچه از منطقه، می‌تواند در بسیاری از کارهای کشاورزی مانند پیش‌بینی عملکرد محصول، اندازه‌گیری رطوبت خاک، اطلاع از میزان خشکسالی و سرمازدگی موثر واقع شود. در این پژوهش به ارزیابی پایگاه‌های هواشناسی شبکه‌بندی شده gldas-agmerra، gldas-cru، gldas-agcfsr در برآورد ردپای آب آبی و سبز گیاه گندم و ردپای آب آبی ذرت در دشت قزوین و مقایسه آن با مقادیر برآورد شده با اطلاعات ایستگاه سینوپتیک قزوین طی سال‌های2010-1980پرداخته شده است. ارزیابی آماری با استفاده از شاخص‌های r2، nrmse و me انجام شد. متوسط مجموع ردپای آب گندم در منطقه پژوهش در حدود 869 (مترمکعب بر تن) برآورد شد که در آن سهم ردپای آب سبز 47 درصد و سهم ردپای آب آبی 53 درصد بود. داده‌های برآورد شده در سناریوهای1 (دمای cru- بارش و تبخیر تعرق gldas (gldas- cru)) و 3 (دما و تبخیرتعرق cru- بارش gldas (gldas- cru)) برای ردپای آب سبز گندم و برای ردپای آب آبی، سناریو 5 (بارش و تبخیرتعرق gldad-دمای agcfsr (gldas-agcfsr)) و سناریو 3 به ترتیب برای گیاه گندم و ذرت بالاترین همبستگی را دارند. نتایج نشان می‌دهد برای برآورد ردپای آب آبی گیاه ذرت این پایگاه‌ها از دقت مناسبی برخوردار نبوده ولی برای برآورد ردپای آب سبز و آبی گیاه گندم می‌توان از اطلاعات پایگاه‌های هواشناسی شبکه‌بندی شده با دقت مناسب استفاده کرد.

applicability of gldas precipitation dataset in estimating green and blue water footprints of wheat and maize in qazvin plain station using aqua crop model

remote sensing technology, due to its valuable features such as taking multi-temporal and multi-spectral images, appropriate and varied temporal resolution and radiometric capability, wide and integrated view of the region, can be used in many agricultural tasks such as crop yield prediction, soil moisture measurement, information about the amount of drought and frost should be effective. in this study, to evaluate the networked meteorological datasets gldas-agmerra, gldas-cru, gldas-agcfsr in estimating the blue and green water footprints of wheat and blue water footprints of maize and comparing it with the estimated values of qazvin plain during 1980-2010. statistical evaluation was performed using r2, nrmse and me indices. the average total water footprint of wheat in study area was estimated at 869 (m3/ton) in which the share of green water footprint was 47% and the share of blue water footprint was 53%. estimated data in scenarios 1 (precipitation and evapotranspiration of gldas-temperature of cru) and 3 (precipitation of gldas-temperature and evapotranspiration of cru) for green water footprint of wheat and for blue water footprint, scenario 5 (precipitation and evapotranspiration of gldas-temperature of agcfsr) and scenario 3 have the highest correlations for wheat and maize, respectively. the results show that these datasets are not suitable for estimating the water footprint of maize plants, but for estimating the green and blue water footprints of wheat plants, the information of networked meteorological datasets can be used with appropriate accuracy.