مدل‌سازی مکانی تعرق گیاهان جهت پشتیبانی فرآیندهای تصمیم‌گیری در بخش کشاورزی مطالعه موردی: غرب ایران

تعرق گیاهی فرآیندی است که طی آن بخشی از آب موجود در گیاه به‌صورت بخار از روزنه‌های آن خارج می‌شود. آگاهی از مقدار تعرق گیاهی در توسعه راهبردها، جهت پایداری آب مفید است. اندازه‌گیری تعرق گیاهی به صورت میدانی، نقطه‌ای و ناپیوسته بوده و با مشکلاتی همراه است. هدف از این تحقیق تهیه نقشه تعرق گیاهی با استفاده از تصاویر ماهواره‌ای و مدل‌سازی مکانی جهت شناسایی میزان تاثیرگذاری متغیرهای محیطی بر تعرق در غرب ایران است. ابتدا با الگوریتم نوشته‌شده در سامانه ابری گوگل ارث اینجین نقشه میانه تعرق گیاهی به‌عنوان متغیر وابسته استخراج شد و سپس لایه‌های تابش خورشیدی، کمبود فشار بخارآب، سرعت باد و دمای حداکثر، شاخص پوشش گیاهی به‌عنوان متغیرهای مستقل جهت مدل‌سازی انتخاب شدند. نتایج نشان داد میزان پراکندگی تعرق گیاهی در محدوده مطالعه بین 0 تا 2.6 میلی‌متر در روز است. جهت صحت سنجی نقشه خروجی از داده های میدانی برداشت‌شده 16 مزرعه نمونه مرکز تحقیقات کشاورزی استان کرمانشاه و کردستان استفاده شد و با مقایسه پیکسل‌های نقشه و داده‌های زمینی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف به ترتیب 0.71 و 0.63 به دست آمد. پس از اجرای مدل‌های رگرسیون کلی و رگرسیون مکانی بر اساس شاخص‌های ارزیابی، رگرسیون مکانی قدرت تبیین و برآورد بهتری نسبت به رگرسیون کلی را نشان داد. بر اساس این مدل ضرایب هر متغیر به‌صورت مکانی برآورد شد و این امکان را به وجود آورد که تغییر مکانی روابط بین متغیرها مشخص شود. همچنین نتایج اجرای هر دو مدل نشان داد شاخص‌های پوشش گیاهی و کمبود فشار بخارآب در غرب ایران بیش‌ترین اثر مثبت را در تعرق گیاهی دارند. با استفاده از نتایج این تحقیق می‌توان مناطق در معرض تعرق شدید گیاهی را جهت بهبود مدیریت سیستم‌های آبیاری و ارائه خدمات هوشمندانه کشاورزی شناسایی کرد.

Spatial Modeling of Plant Transpiration to Support Decisionmaking Processes in Agriculture Case Study: Western Iran

Plant transpiration is a process through which part of the water in the plant is transfered out of the pores. The amount of plant transpiration data is useful in developing strategies for water sustainability. Field measurement of plant transpiration is pointwise and discontinious and has some difficulties. The purpose of this study is to provide a plant transpiration map using satellite images and spatial modeling to identify the impact of environmental variables on transpiration in western Iran. First, by using the algorithm written in Google Earth cloud system, the plant vegetation translocation map was extracted as a dependent variable, and then the layers of solar radiation, water vapor pressure, wind speed and maximum temperature, vegetation index were selected as independent variables for modeling. The results showed that the prevalence of plant transpiration in the studied area range from 0 to 2.6 mm per day. Field data collected from 16 typical farms of Agricultural Research Center of Kermanshah and Kurdistan Provinces were used for validation and by comparing the map pixels and the ground data, the root mean square error and the Nash Sutcliffe coefficient were obtained to be 0.71 and 0.63, respectively. After implementing general regression and spatial regression models based on evaluation criteria, the spatial regression showed better explanatory and estimation power than the general regression. Based on this model, the coefficients of each variable were estimated spatially, making it possible to determine the spatial variation of the relationships between the variables. Also, the results of both models showed that the vegetation indices and water vapor pressure deficiency in western of Iran have the most positive effect on vegetation transpiration. Using the results of this study, areas prone to severe plant transpiration can be identified for improving the management of irrigation systems and providing intelligent agricultural services.