جدول عدم قطعیت‌های برآورد تبخیر-تعرق واقعی در مقیاس حوضه آبریز با استفاده از مدل sebal

برآورد تبخیر-تعرق واقعی در سطح حوضه آبریز با استفاده از الگوریتم بیلان انرژی سطح (sebal) به عنوان یکی از پرکاربردترین مدل‌های مبتنی بر داده‌های سنجش از دور، متاثر از عدم قطعیت‌های ناشی از نحوه انتخاب پیکسل‌های حدی، نوع سنجنده و محدوده مکانی مورد بررسی است. در تحقیق پیش رو، با استفاده از تصاویر ماهواره‌ای modis و landsat 8، همچنین استفاده از مدل‌های بیلان انرژی سطح pysebal و mpysebal (نسخه اصلاح شده آن) اقدام به بررسی اثر این عدم قطعیت‌ها بر روی نتایج برآورد تبخیر-تعرق واقعی برای محدوده دشت ارومیه شده است. نتایج اعتبارسنجی مدل‌ها با داده‌های لایسیمتری در بازه‌ی زمانی 2010-2011، حاکی از آن است که مدل mpysebal نسبت به مدل pysebal تا 70 درصد خطای (rmse) کمتری در برآورد تبخیر-تعرق روازنه دارد. همچنین در مناطق ناهمگن و متنوع از نوع کاربری اراضی نظیر دشت ارومیه، استفاده از تصاویر سنجنده modis با قدرت تفکیک مکانی کمتر در مقابل تصاویر landsat 8، متوسط تبخیر-تعرق واقعی روزانه را تا حدود 33 درصد بیشتر برآورد می‌کند. همچنین محدود نکردن تصویر به ناحیه مورد بررسی عدم قطعیتی تا 8 درصد ایجاد می‌کند. در مقایسه نسبی عدم قطعیت‌های ناشی از تنظیمات مدل sebal، به ترتیب انتخاب خودکار پیکسل‌های حدی بر اساس تعیین حدود آستانه برای دمای سطح و ndvi، قدرت تفکیک مکانی سنجنده و انتخاب محدوده مکانی ورودی به مدل بیشترین اثرگذاری را در نتایج دارند. نتایج این پژوهش می‌تواند دربهبود دقت مدل‌های تبخیر تعرق و برآورد مصارف آب بخش کشاورزی در مقیاس‌های مزرعه تا سطح حوضه مورد استفاده قرار گیرد.

Uncertainties in Estimation of BasinScale Actual Evapotranspiration Using SEBAL

Estimation of actual evapotranspiration (Eta) at the basinscale using SEBAL, as one of the commonly used satellitebased models, are affected by uncertainties associated with the selection of the anchor pixels, satellite sensors, and the spatial extent of the input satellite images. This study was conducted to investigate the impacts of aforementioned uncertainties on the actual evapotranspiration estimates in Urmia Plain (in the northwest of Iran) using MODIS and Landsat8 satellite imaginaries and the PySEBAL and MPySEBAL (Modified version) models. Validation results using lysimetric data during 20102011, showed that MPySEBAL (with cold pixels on wellirrigated vegetation) has less RMSE up to 70% as compared to PySEBAL model. Moreover, in the heterogeneous areas such as Urmia Plain, MODIS data with less spatial resolution leads to a 33 percent overestimation of daily Eta compared to Landsat 8 results. Furthermore, introducing a satellite image at its original extent rather than cropping the study area will result an uncertainty in the daily Eta estimates up to 8%. Comparing the relative impacts of the three sources of uncertainties indicated that the selection of the anchor pixels based on the surface temperature and NDVI thresholds, the spatial resolution of the sensors, and the spatial extent of the input images introduce the largest uncertainties respectively. Findings of this study can be used to enhance the accuracy of satellitebased Eta models and estimation of the irrigation water consumption from filed to basin scales.