
تعداد نشریات | 162 |
تعداد شمارهها | 6,696 |
تعداد مقالات | 72,314 |
تعداد مشاهده مقاله | 129,553,697 |
تعداد دریافت فایل اصل مقاله | 102,333,096 |
تحلیل تغییرات مکانی و زمانی تبخیر و تعرق واقعی با استفاده از مدل SEBAL (مطالعه موردی: حوزه آبخیز سد خسویه) | ||
مجله اکوهیدرولوژی | ||
دوره 11، شماره 4، دی 1403، صفحه 527-542 اصل مقاله (1.94 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2025.387267.1858 | ||
نویسندگان | ||
اسماعیل سهیلی* 1؛ زهرا محمدی2؛ یعقوب نیازی3؛ فرید فروغی4 | ||
1استادیار بخش مرتع وآبخیزداری، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، داراب، ایران | ||
2دانشجوی کارشناسی ارشد اکوهیدرولوژی، بخش مرتع وآبخیزداری، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، داراب، ایران | ||
3دانشآموخته دکتری علوم و مهندسی آبخیزداری، دانشگاه یزد، یزد، ایران | ||
4استادیار،دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، ایران، | ||
چکیده | ||
موضوع: تبخیر و تعرق واقعی یکی از اجزای کلیدی چرخۀ هیدرولوژیکی است که نقش بسزایی در مدیریت منابع آب و تعیین بیلان آبی ایفا میکند. مدل SEBAL با بهرهگیری از دادههای حرارتی و مرئی ماهوارهای، امکان تخمین مستقیم و غیرمستقیم تبخیر و تعرق را فراهم میکند و نتایج آن بهویژه در مناطق وسیع و دور از دسترس، از دقت بالایی برخوردار است. هدف: در این پژوهش بهمنظور برآورد تبخیر و تعرق واقعی در حوزۀ آبخیز خسویه از مدل SEBAL برای بررسی روند زمانی تغییرات تبخیر و تعرق استفاده شد. روش تحقیق: برای تحلیل تغییرات زمانی تبخیر و تعرق واقعی در حوزۀ آبخیز سد خسویه، از مدل SEBAL و تصاویر ماهوارهای لندست 7 و 8 استفاده شده است. یافتهها: نتایج مقایسۀ تبخیر و تعرق واقعی حاصل از مدل SEBAL با تبخیر و تعرق پتانسیل محاسبهشده از مدل Penman-Monteith در سالهای 2001 و 2021 نشاندهندۀ رابطهای مثبت و معنادار میان این دو متغیر بوده است. ضریب همبستگی پیرسون (r)، ضریب تعیین (R²) و شاخص ویلموت (d) در سال 2021 بهترتیب برابر با 0/93، 0/86 و 0/92 بوده است که نشاندهندۀ همبستگی بسیار قوی میان تبخیر و تعرق واقعی و پتانسیل است. درمقابل، در سال 2001 این مقدار بهترتیب برابر با 0/81، 0/65 و 0/61 بوده که نشان میدهد دقت مدل SEBAL در سال 2021 نسبت به سال 2001 بهطور قابل توجهی بهبود یافته است. نتیجهگیری: نتایج حاکی از توانایی مناسب این الگوریتم در برآورد تبخیر تعرق دارد و نیز نشان میدهد میزان این پارامتر روند افزایشی داشته و این مقدار بهطور متوسط حدود 16/5 درصد است. نتایج بهدستآمده میتواند بهعنوان مبنای تصمیمگیریهای مدیریتی درزمینۀ بهینهسازی استفاده از منابع آب و مقابله با چالشهای ناشی از تغییرات اقلیمی در مناطق خشک و نیمهخشک کشور قرار گیرد. | ||
کلیدواژهها | ||
تبخیر و تعرق واقعی؛ مدل SEBAL؛ سنجش از دور؛ مدیریت منابع آب؛ حوزه آبخیز سد خسویه | ||
مراجع | ||
Allen, R., Bastiaanssen, W., Tasumi, M., & Morse, A. (2001). Evapotranspiration on the Watershed Scale Using the SEBAL Model and Landsat Images. Awada, H., Di Prima, S., Sirca, C., Giadrossich, F., Marras, S., Spanò, D., & Pirastru, M. (2021). Daily Actual Evapotranspiration Estimation in a Mediterranean Ecosystem from Landsat Observations Using SEBAL Approach. Forests. https://doi.org/10.3390/F12020189. Bahrami, A. Dashtbani, Z. Bahrami, M. 2023. Evaluation of groundwater quality in the Fasarud plain (Darab county) for agricultural and drinking purposes. Quarterly Journal of Environmental Science Studies, 8(3), 7122-7113. .(in persian) Bastiaanssen, W., Menenti, M., Feddes, R., & Holtslag, A. (1998). A remote sensing surface energy balance algorithm for land (SEBAL)-1. Formulation. Journal of Hydrology, 212, 198–212. Chang, Y., Qin, D., Ding, Y., Zhao, Q., & Zhang, S. (2017). A modified MOD16 algorithm to estimate evapotranspiration over alpine meadow on the Tibetan Plateau, China. Journal of Hydrology. https://doi.org/10.1016/J.JHYDROL.2018.03.054. Choudhury, B. (1997). Global Pattern of Potential Evaporation Calculated from the Penman-Monteith Equation Using Satellite and Assimilated Data. Remote Sensing of Environment, 61, 64–81. https://doi.org/10.1016/S0034-4257(96)00241-6. Dimitriadou, S., & Nikolakopoulos, K. (2021). Evapotranspiration Trends and Interactions in Light of the Anthropogenic Footprint and the Climate Crisis: A Review. Hydrology. Fisher, J., Melton, F., Middleton, E., Hain, C., Anderson, M., Allen, R., McCabe, M., Hook, S., Baldocchi, D., Townsend, P., Kilic, A., Tu, K., Miralles, D., Perret, J., Lagouarde, J., Waliser, D., Purdy, A., French, A., Schimel, D., Famiglietti, J., Stephens, G., & Wood, E. (2017). The future of evapotranspiration: Global requirements for ecosystem functioning, carbon and climate feedbacks, agricultural management, and water resources. Water Resources Research, 53, 2618–2626. https://doi.org/10.1002/2016WR020175. Hassani, M. & Shamsnia, S. A. (2023). Spatial analysis of wheat irrigation indicators using geostatistical models in the direction of sustainable environmental development (Case study: Darab Plain - Fars Province). Environmental Science Studies, 9(2), 8418-8428. .(in persian). Jafari, H., Raeisi, E., Hoehn, E., & Zare, M. (2012). Hydrochemical characteristics of irrigation return flow in semi-arid regions of Iran. Hydrological Sciences Journal, 57, 173–185. .(in persian). Martínez-Retureta, R., Aguayo, M., Abreu, N., Urrutia, R., Echeverría, C., Lagos, O., Rodríguez-López, L., Durán-Llacer, I., & Barra, R. (2022). Influence of Climate and Land Cover/Use Change on Water Balance: An Approach to Individual and Combined Effects. Water. Nouri, M., Homaee, M., & Bannayan, M. (2018). Spatiotemporal reference evapotranspiration changes in humid and semi-arid regions of Iran: past trends and future projections. Theoretical and Applied Climatology, 133, 361–375. https://doi.org/10.1007/s00704-017-2176-8. .(in persian). Panahi, D., Kalantari, Z., Ghajarnia, N., Seifollahi-Aghmiuni, S., & Destouni, G. (2020). Variability and change in the hydro-climate and water resources of Iran over a recent 30-year period. Scientific Reports, 10. https://doi.org/10.1038/s41598-020-64089-y. .(in persian). Qiu, J., Shen, Z., Leng, G., Xie, H., Hou, X., & Wei, G. (2019). Impacts of climate change on watershed systems and potential adaptation through BMPs in a drinking water source area. Journal of Hydrology. https://doi.org/10.1016/J.JHYDROL.2019.03.074. Silva, B., Mercante, E., Boas, M., Wrublack, S., & Oldoni, L. (2018). Satellite-based ET estimation using Landsat 8 images and SEBAL model. Revista Ciencia Agronomica, 49, 221–227. https://doi.org/10.5935/1806-6690.20180025. Souza, P., Silva, E., Silva, B., Ferreira, T., Sousa, D., Da Luz, D., Adami, M., Sousa, A., Nunes, H., Fernandes, G., Pinto, J., Farias, V., Oliveira, I., Da Silva, S., Costa, J., Rua, M., Costa, D., Moura, V., Lima, M., Santos, J., Da Silva Sousa, A., & Ortega-Farías, S. (2023). Estimation of the Evapotranspiration of Irrigated Açaí (Euterpe oleracea M.), through the Surface Energy Balance Algorithm for Land—SEBAL, in Eastern Amazonia. Water. https://doi.org/10.3390/w15061073. Wei, G., Cao, J., Xie, H., Yang, Y., Wu, C., Cui, Y., & Luo, Y. (2022). Spatial-Temporal Variation in Paddy Evapotranspiration in Subtropical Climate Regions Based on the SEBAL Model: A Case Study of the Ganfu Plain Irrigation System, Southern China. Remote Sensing, 14, 1201. https://doi.org/10.3390/rs14051201. | ||
آمار تعداد مشاهده مقاله: 160 تعداد دریافت فایل اصل مقاله: 145 |