ارزیابی روش های ریز‌مقیاس‌ سازی در برآورد تبخیر و تعرق با تلفیق تصاویر مودیس و لندست8

تبخیروتعرق یکی از مهمترین پارامترها برای برنامه ریزی منابع آب در بخش کشاورزی می‌باشد که دارای تغییرات زمانی و مکانی می‌باشد. الگوریتم‌های برآورد تبخیر و تعرق مبتنی بر سنجش از دور در مطالعات متعددی استفاده شده-است. با استفاده از تصاویر ماهواره‌ای مودیس می‌توان تبخیر و تعرق را به صورت روزانه و در پیکسل‌های 1000 متری برآورد نمود حال آنکه می‌توان با استفاده از تصاویر لندست 8 مقدار این پارامتر را هر 16 روز یکبار در پیکسل‌های 100 متری برآورد نمود. روش‌های متعددی جهت تلفیق تصاویر با تفکیک‌پذیری مکانی پایین ( مثل مودیس) و متوسط (مثل لندست 8) به منظور برآورد تبخیر و تعرق به صورت روزانه و در پیکسل‌های کوچکتر ارائه شده‌است. ریز‌مقیاس-سازی تصاویر یکی از این روش‌ها می‌باشد که در این مطالعه در سطح یکی از دشت‌های استان کرمانشاه مورد ارزیابی قرار گرفته‌است. برای این منظور تبخیر و تعرق واقعی در سطح منطقه مورد مطالعه در تابستان 1393 با استفاده از الگوریتم سبال و بر اساس 6 تصویر ماهواره‌ای لندست 8 و مودیس برآورد گردید. هر چند روش‌های متعددی برای ریزمقیاس‌سازی تبخیر و تعرق برآورد شده بر اساس تصاویر مودیس وجود دارد، در این مطالعه از دو روش ریز‌مقیاس-سازی ساده (نسبت و تفریق) برای تبدیل به مقیاس تصاویر لندست 8 استفاده شد. نتایج به صورت گرافیکی و آماری مورد مقایسه قرار گرفت. با توجه به اینکه در منطقه مورد مطالعه کاربری‌های متعدد با سطح کوچک و به صورت مختلط وجود دارد نتایج به دست آمده با روش‌های ریزمقیاس سازی از دقت قابل قبولی برخوردار نبودند.

assessment of downscaling methods for estimating evapotranspiration by combining modis and landsat 8 images

introduction evapotranspiration is one of the main components of water balance and also one of the key factors for proper irrigation planning to improvewater use efficiency in irrigated lands (lee et al. 2003). so far, various methods have been proposed for estimating evapotranspiration, including methods based on energy balance. remote sensing has various applications in agriculture. one of the methods of estimating evapotranspiration, especially in large areas, is the use of remote sensing technology. sebal (bastiansen et al., 1998) is one of the remote sensing-based algorithms which is used worldwide including in iran. evapotranspiration was estimated using sebal based on landsat and modis images in severalstudies. satellite images have different temporal and spatial resolution; those with high temporal resolution have low spatial resolution (such as modis). despite daily access to these images, they have low spatial resolution and may have different phenomena in each pixel. satellite images with moderate spatial resolution have low temporal resolution (such as landsat 8). integration of satellite images with low and medium spatial resolutions is a way to use the advantages of both images. some downscaling methods are complex and the user should have comprehensive information about the conditions in the area, while there are simpler methods that have been used in some studies. the purpose of this study is to investigate some of these simple methods in the study area.although there are several methods for estimating evapotranspiration based on satellite images (zhang et al., 2016), the sebal algorithm is one of the methods whose accuracy has been confirmed in kermanshah province and the study area (ghamarnia et al., 2016; karimi et al., 2012). therefore, in this study, the sebal algorithm was used to estimate evapotranspiration. although there are different methods for combining estimated evapotranspiration based on landsat and modis satellite images, this issue has not been studied in the study area (mahidasht plain, kermanshah province, iran). the aim of this study was to estimate evapotranspiration in the mahidasht plain on a daily basis (time scale of modis images) and 100-meter pixels (spatial resolution of landsat 8 images in thermal bands).