ریز مقیاس کردن زمانی و مکانی تبخیر-تعرق واقعی تصاویر لندست و مودیس

یک روش برای تخمین تبخیر-تعرق واقعی خصوصاً در مناطق بزرگ، استفاده از روش سنجش از دور می باشد. با توجه به این که برآورد تبخیرتعرق واقعی با دقت تفکیک زمانی و مکانی بالا به طور همزمان برای بیش تر سنجنده ها از جمله مودیس و لندست ممکن نیست بایستی با استفاده از  تکنیک های ریز مقیاس کردن، تبخیرتعرق واقعی به دست آمده از سنجنده ای را به سنجنده ای دیگر ریز مقیاس نمود. هدف این مطالعه استفاده از فاکتور مقیاس های مختلف برای تمام پارامترهای ورودی به مدل سبال (ضریب آلبیدوی سطح، شاخص پوشش گیاهی و دمای سطح زمین) به طور همزمان، برای ریز مقیاس کردن مکانی تبخیرتعرق واقعی به دست آمده از سنجنده مودیس با دقت تفکیک مکانی 1000 متر به تصویر لندست با دقت تفکیک مکانی 30 متر و هم چنین استفاده از روش ورودی خروجی رگرسیون بین پارامترهای همسان و روش ورودی خروجی تفریق برای ریز مقیاس کردن زمانی تبخیرتعرق واقعی تصاویر لندست از 16 روز به روزانه، در بخشی از دشت مشهد است. نتایج نشان داد که گسیلندگی سطحی در محدوده وسیع ( ε0)  و دمای سطح زمین سنجنده مودیس به عنوان فاکتور مقیاس بهترین عملکرد را داشتند. شاخص پوشش گیاهی به عنوان فاکتور مقیاس در فصل تابستان و دمای سطح زمین سنجنده لندست به عنوان فاکتور مقیاس در فصل بهار عملکرد خوبی نداشتند. با توجه به یافته های این پژوهش می توان گفت که استفاده از گسیلندگی سطحی در محدوده وسیع ( ε0)  و دمای سطح زمین سنجنده مودیس به عنوان فاکتور مقیاس، برای ریز مقیاس کردن مکانی تبخیرتعرق واقعی و استفاده از روش رگرسیون ورودی و رگرسیون خروجی برای ریز مقیاس کردن زمانی آن در دشت مشهد نتایج مطلوبی به دست می دهد.

Temporal and Spatial Downscaling of Actual Evapotranspiration basedLandsat and MoDIS Images

Remote sensing is a suitable method for estimating of actual evapotranspiration (AET) especially in large scales. As the estimation of AET with both high temporal and spatial resolution is impossible for most sensors such as MODIS and Landsat, it is necessary that the AET maps derived from a sensor were downscaled to another sensor using downscaling methods. The objectives of this study were to use of different scaling factors simultaneously for input parameters of SEBAL included surface albedo, normalized difference vegetation index (NDVI) and land surface temperature (LST) for spatial downscaling of AET maps derived basedMODIS (1000 m) images to Landsat images (30 m) and also temporal downscaling of AET maps derived based Landsat (16 day) images to MODIS (daily) images using input/output regression and input/output subtraction methods in a part of Mashhad plain. The results showed that the zero band emissivity of Landsat and LST of MODIS images had the best performance in spatial downscaling of AET maps. NDVI and LST of Landsat images as a scaling factor had not a good performance in spatial downscaling of AET maps in summer and spring, respectively. Considering the results of this study, it can be concluded that the zero band emissivity of Landsat and LST of MODIS images as a scaling factor for spatial downscaling of AET maps and input regression method for temporal downscaling of AET maps are suitable in Mashhad plain.