بخشی از مقاله
کاربرد الگوریتم SEBAL در تخمین تبخیروتعرق واقعی در دشت قزوین و مقایسه نتایج آن با داده های لایسیمتر
چکیده
رشد جمعیت جهان فشار بر روی منابع آبی محدود موجود را بیش از پیش خواهد نمود. این مسئله مربوط به زمان حال نبوده اما در شرایط فعلی و با رشد سریع جمعیت و افزایش فشار آثار تخریبی آن مشهودتر است. لذا بهرهوری آب بعنوان یک تعریف جدید بدنبال حل این چالش جهانی است.
در این تحقیق که در سطح دشت قزوین و در پاییندست شبکه آبیاری دشت قزوین انجام شده است، با استفاده از تصاویر MODIS مقادیر تبخیر و تعرق واقعی با استفاده از الگوریتم SEBAL محاسبه می گردد. در انجام این تحقیق از پنج تصویر بدون ابر که تطابق زمانی با دادههای لایسیمتری دارد استفاده گردیده است. در اجرای الگوریتم SEBAL در تصاویر بطور همزمان مدل ENVI و نرم افزار ILWIS بکار گرفته شده اند. نتایج اجرای الگوریتم در هر پنج تصویر با داده های لایسیمتر زهکش دار موجود در منطقه در هر پنج روز مورد ارزیابی قرار گرفته و دقت R2=0.92 را تولید نموده اند. این دقت جهت بکارگیری تصاویر MODIS در سطح دشت مناسب است. نتایج تحقیق نشان می دهد که امکان کاربرد الگوریتم SEBAL در اقلیم دشت قزوین وجود داشته و دقت بالایی را تولید می نماید.
واژه های کلیدی: تبخیروتعرق، قزوین، سنجش از دور، ENVI، ILWIS، MODIS، SEBAL
مقدمه
رشد سریع جمعیت فشار بر روی منابع آب شیرین را افزایش می دهد. این در حالی است که بخش کشاورزی بیش از 70 درصد منابع آب شیرین را جهت تولید غذای جمعیت جهان مصرف می کند و تنها 30 درصد از کل منابع آب شیرین در اختیار مصارف صنعت، شرب، محیط زیست و گردشگری قرار می گیرد. نتایج تحقیقات موسسه بین المللی سیاست گذاری آب و غذای سازمان ملل بیانگر این نکته است که تداوم افزایش جمعیت و توسعه شهرنشینی و گسترش صنایع تا سال2025 میزان آب قابل تخصیص به بخش کشاورزی را در کل جهان محدودتر خواهد کرد و تلاش برای جذب آب بیشتر توسط بخش کشاورزی جهت تامین غذای مورد نیاز جمعیت جهان باعث کاهش سهم آب تحویل شده به چهار مصرف کننده دیگر خواهد شد. همین موضوع تفکر تولید غذای بیشتر به ازاء مصرف آب کمتر را که همان بهره وری آب کشاورزی است را تقویت خواهد نمود.
فرشی و همکاران (1387) اظهار داشتند که بدون شک یکی از راههای رسیدن به کشاورزی پایدار مدیریت تبخیر و تعرق میباشد. این مدیریت در قالب برآورد قابل قبول تبخیروتعرق در مقیاس منطقه ای قابل انجام است.[ 1] استفاده از داده های میدانی برداشتشده می تواند برای مقایسه ی نتایج حاصل از مدلها به کار رود و کاربرد مدل در منطقه را توجیه نماید. با توجه به موارد گفته شده از جمله نقطه ای بودن روشهای معمول برآورد تبخیر و تعرق، استفاده از روشهایی که تبخیر و تعرق را با توجه به شرایط خاک و رطوبت و دمای هر نقطه از منطقه مشخص سازد، در برنامهریزیهای کلان قابل کاربرد است. الگوریتم SEBAL از جمله الگوریتم های بیلان انرژی روی سطح می باشدکه در اراضی صاف و در مناطق نیمه خشک بکار برده می شود و برای محاسبه گرمای نهان بعنوان باقی مانده معادله بیلان انرژی مورد استفاده زیادی دارد[4] و نتایج قابل قبولی را ارائه داده است. لذا در سطوح بسیار وسیع مانند حوزه ها لازم است تا از تکنیک ها و مدل های مختلف استفاده شود. مطالعات زیادی نشان داده است که کاربرد همزمان تکنیک سنجش از دور به همراه الگوریتم های مختلف بیلان انرژی و همچنین مدل های هیدرولوژیکی ابزار مناسبی جهت مدیریت منابع آب در سطح حوزه شناخته شده اند.
الگوریتم SEBAL توسط Khan Haz(2006) در بیش از 15 محدوده مطالعاتی که دارای شرایط اقلیمی متفاوتی بوده اند مورد آزمایش قرار گرفته و در تمامی موارد نتایج حاصل دارای تطابق خوبی به داده های لایسمیتری بوده استLi .[7] و همکاران در سال 2008 با استفاده از تصاویر ماهواره NOAA و با استفاده از الگوریتم SEBAL به بررسی میزان آب مصرفی در دشت های شمال چین که از 83 استان تشکیل شده بود پرداخت. این محقق خطای نسبی بین مقادیر تبخیر و تعرق فصلی را با داده های لایسیمتر وزنی مورد مقایسه قرار داده و مقدار خطا را 4/3 درصد برآورد نمود. از سوی دیگر بیشترین و کمترین مقدار بهرهوری بترتیب 1/67 و 0/5 کیلوگرم در هر مترمکعب آب مصرفی برآورد نمود .[15]
دقت کاربرد الگوریتم SEBAL در تصاویر ماهواره ای توسط Bastiaanssen و همکاران((2002 نیز مورد ارزیابی قرار گرفت. طی این مطالعه نتایج حاصل از SEBAL با نتایج بدست آمده از دو سیستم اسکینتیلومتر (Skintilometer)، برج های نسبت بون (Bowen tower ratio) و یا شاراصلاحی ادی( (djusted Eddy flux) مورد ارزیابی قرار گرفته که در ارتباط با تبخیر و تعرق لحظه ای از یک تا 33 درصد و در محاسبه ET با دوره 10 روزه از 2 تا 30 درصد تغییرات مشاهده شده است.[7] در تحقیقی دیگر در ایالات متحده در دره رودخانه بیر، Allen و همکاران در سال 2003با به کار بردن SEBAL به مقایسهی نتایج با مقادیر لایسیمتری پرداختند. مقادیر ET ماهانه %16 و فصلی %4/3 با مقادیر لایسیمتری تفاوت داشت. این محققان به این وسیله مقادیر Kc را در طول فصل رشد توسط ETr محاسبه شده توسط دادههای زمینی محاسبه نمودند.[2]
Bastiaanssen و همکاران (2005) با بررسی الگوریتم SEBAL در شرایط مختلف آب و هوایی در مقیاس مزرعه ای و حوزه ای پرداخته و دقت مدل مذکور را در مقیاس مزرعه ای 85 درصد برای یک روز، 95 درصد برای یک فصل و در مقیاس حوزهای و سالانه 96 درصد تخمین زدند.[ 5 ]
با عنایت به عدم دسترسی آسان به تصاویر با توان تفکیک زمینی بالا و همچنین لزوم بدون ابر بودن تصاویر و همچنین نگاه حوزهای و کلان به مقوله بهره وری آب در سطح حوزه دشت قزوین لازم است تا از تصاویر با توان تفکیک زمینی پایین و در مقابل با توان تفکیک زمانی بالا استفاده شود. در این صورت دسترسی ساده و ارزان قیمت و از همه مهمتر دسترسی روزانه به این تصاویر باعث می شود تا بصورت روزانه مقادیر تبخیر و تعرق و بهرهوری آب در سطح کلان مشاهده گردد. در این تحقیق که در محدوده شبکه آبیاری دشت قزوین انجام شده است الگوریتمSEBAL در پنج تاریخ که اطلاعات لایسیمتری در آن تاریخها وجود دارد اجرا شده و نتایج حاصل از اجرای الگوریتم در تصاویر بدون ابر MODIS با اطلاعات لایسیمتری مورد ارزیابی قرار خواهد گرفت.
مواد و روش ها
محدوده مورد مطالعه
محدوده مورد مطالعه اراضی پایین دست شبکه آبیاری دشت قزوین می باشد که در فاصله150 کیلومتری غرب پایتخت و در فواصل جغرافیایی بین عرض های شمال 36 00' 00"تا ً36 00' 20و طول های شرقی ً49 40' 00 تا 50 35 '35" قرار گرفته است. شبکه آبیاری قزوین با هدف انتقال آب از سد انحرافی زیاران به دشت قزوین احداث گردیده و محدوده 58000 هکتار از اراضی دشت قزوین را که دارای خاک های درجه 1و2 می باشد را تحت پوشش قرار داده است.
اطلاعات لایسمیتر
در محدوده مورد مطالعه یک لایسمیتر زهکش دار به ابعاد1/2*2/4 متر مربع و به عمق1/5 احداث گردیده است. این لایسمیتر در مرکز زمینی به مساحت1600 متر مربع و در مختصات جغرافیایی 36 15' 24" درجه شمالی و 49 54' 35" شرقی مقادیر تبخیر و تعرق گندم و گیاه مرجع چمن را اندازهگیری نموده است.
دادهبرداریهای لایسیمتری از تاریخ25 مهرماه سال 17 ) 79 اکتبر سال( 2000 آغاز و در فواصل هفت روزه تا تاریخ 12 تیرماه سال2) 80جون ( 2001 ادامه یافته است پس از اتمام دوره کشت مقدار وزن کل و وزن دانه نیز تعیین گردیده است.
تصاویر ماهواره ای
دادههای سنجش از دور که توسط ماهواره ها برداشت میشود این مزیت را دارند که از آنها میتوان اطلاعات همزمانی را در یک منطقه وسیع برداشت کرد. برخی از پارامترهای مورد نیاز برای محاسبه تبخیر و تعرق و تولید ماده خشک از قبیل دمای هوا، دمای سطح زمین، کاربری اراضی و تابش خالص رسیده به سطح زمین از جمله این موارد میباشند.
MODIS سنجنده ای است که بر روی ماهواره TERRA قرار داده شده است که تصاویر را با توان تفکیک زمینی 250 و 500 و 1000 متر و در 36 باند برداشت میکند. در این مطالعه از تصاویر سنجنده MODIS که بر روی سکوی TERRAسوار شده است و دارای توان تفکیک زمینی یک کیلومتری و با پوشش سطح 100 هکتاری است استفاده میشود. اطلاعات تصاویر استفاده شده در این مطالعه در جدول2 آورده شده است. دسترسی به این تصاویر ساده و ارزان قیمت و از طریق شبکه جهانی اینترنت قابل استخراج میباشد. بهمین دلیل در صورتی که بتوان تصاویر ماهوارهMODIS را با یک مرجع مناسب مورد ارزیابی قرار داده و صحت آن مورد تأیید قرار گیرد پس از آن براحتی می توان مقادیر تبخیر و تعرق و بهرهوری آب را در شرایط فعلی تعیین نمود. در این تحقیق از بین 18 تصویر که در طول فصل رشد گیاه در منطقه اخذ شده بود تنها قادر به استفاده از پنج تصویر (تاریخ تصاویر80/2/11، 80/2/25، 80/3/8، 80/3/22 و (80/4/12 شده ایم. زیرا تصاویر مورد استفاده می بایست بدون لکههای ابر باشند در غیر اینصورت برآورد صحیح مقدار بیلان انرژی و کاربری اراضی دچار اشکال خواهد بود.
الگوریتم بیلان انرژی
تاکنون الگوریتمهای مختلفی جهت برآورد تبخیروتعرق ارائه شده است. الگوریتم بیلان انرژی در سطح زمین (SEBAL) توسط Bastiaanssen و همکاران در سال 1998، الگوریتم ساده شاخص بیلان انرژی سطح (S-SEBI) توسط Roerink و Menenti در سال 2000 ، سیستم بیلان انرژی سطح (SEBS) توسط Su در سال 2001 و الگوریتم بیلان انرژی دو منبعی (TSEB) توسط Kustas و همکاران در سال 2004 از جمله موارد آنها می باشند4]، 18 و .[20 الگوریتمSEBAL بعنوان بهترین الگوریتم بیلان انرژی در مطالعات مختلف مورد استفاده قرار گرفته و صحت نتایج آن نیز طی مقالات زیادی به اثبات رسیده است. از سوی دیگر نیاز به اطلاعات هواشناسی ایستگاه های زمینی در هنگام استفاده از این الگوریتم به حداقل ممکن می رسد. لذا در این تحقیق از الگوریتمSEBAL بعنوان الگوریتم بیلان انرژی جهت تعیین تبخیر و تعرق واقعی استفاده شده است. با توجه به اینکه روند محاسبه تبخیر و تعرق واقعی با استفاده از الگوریتم SEBAL طولانی و نیاز به سعی وخطا دارد لذا از مدل های کامپیوتری جهت اجرای الگوریتمSEBAL بر روی هر یک از تصاویر استفاده می شود.
مدل های کامپیوتری
مدل ENVI
مدلENVI1 توسط دانشمندانی که در زمینه ی سنجش از دور فعالیت دارند توسعه یافته است. این نرمافزار شامل همهی توابع پردازش تصاویر است.بعضی از این توابع شامل تبدیل داده، فیلترینگ، طبقه بندی، هم مبنا کردن و زمین مرجع نمودن، ابزارهای آنالیز طیفی و راداری می باشد. این نرم افزار محدودیتی برای تعداد باندها ندارد و سنجنده های فراطیفی را نیز پردازش مینماید(.( 9 از این مدل در تعیین مقادیر تبخیر و تعرق و در روند سعی و خطا استفاده می گردد ولی بدلیل ضعف این مدل در نمایش مناسب خروجی مدل لازم است تا از نرمافزار دیگر استفاده گردد.
نرمافزار ILWIS
این نرمافزار حاصل مخففگیری Integrated Land and Water Information System میباشد و از جمله نرمافزارهای پردازش تصویر است. این نرم افزار از سال 1985 ابداع و بتدریج تبدیل به نرم افزاری کاربرپسند و کارامد در عرصه پردازش تصاویر ماهواره ای و فعالیت های GIS شده است(.(11 در این تحقیق از این نرمافزار جهت برآورد مقادیر بهرهوری آب در حوزه و بهبود نمایش خروجیها استفاده میگردد.
اطلاعات هواشناسی
از جمله بزرگترین مزایای الگوریتم SEBAL برای برآورد مخرج کسر بهرهوری آب کشاورزی (تبخیروتعرق واقعی) حداقل بودن نیاز به اطلاعات هواشناسی و تکیه بر تصاویر ماهواره ای است. برای اجرای الگوریتم نیازمند رطوبت هوا برای بدست آوردن دمای نقطه شبنم و سرعت باد در محدوده مورد مطالعه هستیم که این اطلاعات نیز از ایستگاه سینوپتیک قزوین و سایت سازمان هواشناسی کشور تأمین گردیده است.
بحث و نتیجه گیری
پیش از تحلیل دادههای بدست آمده از الگوریتم SEBAL لازم است تا مقادیر داده های بدست آمده با دادههای قابل اعتمادی مورد ارزیابی و در صورت نیاز کالیبره گردد. الگوریتم SEBAL نیاز به تصاویر بدون ابر دارد. از میان کل تصاویر تهیه شده در دوره رشد گندم 5 تصویر در تاریخ های یازدهم و بیست و پنجم اردیبهشت و هشت و بیست و دوم خرداد و چهارم تیرماه سال 1380 بدون ابر و بدلیل تطابق با دادههای لایسیمتری مدنظر قرار گرفتند.
برای یافتن ضریب L از 5 تصویر MODIS با قدرت تفکیک مکانی 1000 متر استفاده شده است. درهر تصویر 4 منطقه که نشانگر نقاط خاک لخت بدون پوشش گیاهی در حالت مرطوب و خشک (خاک با رنگ های تیره و روشن) و مناطقی با پوشش گیاهی اندک میباشند، انتخاب شد. سپس مقادیر SAVI در هر تصویر با استفاده از مقادیر L از 0 تا 1 در نقاط مدنظر محاسبه گردید. مقادیر پایین انحراف از معیار در هر دسته از مقادیر SAVI به دست آمده، نشاندهندهی حداقل شدن اثر خاک است.
نتایج نشان میدهد که به ازای L های کوچکتر، انحراف معیار بزرگتر بوده و در Lهای بزرگتر به سمت مقادیر ثابتی میل میکند. این موضوع به این معنی است که در L های کوچک در منطقه اثرات خاک خود را بیش تر نشان می دهد و به این دلیل است که انحراف معیار در SAVI حاصل از مقادیرL=1 به حداقل رسیده که با توجه به اقلیم نیمه خشک و سرد منطقه مقادیر بهینه L در حد یک برآورد می گردد. نکته ی دیگری که با مشاهده ی این نمودارها حاصل می شود حاکی از این است که با زیاد شدن L شاخص SAVI کاهش می یابد. این کاهش نیز موجب کاهش شاخص سطح برگ (شکل(2 میشود. به نحوی که در Lهای بزرگ و در خاکهای تیره یا پوشش های گیاهی بسیار اندک، LAI مفهوم فیزیکی خود را از دست داده و منفی میگردد که در محاسبات صفر منظور میگردد. در واقع به این طریق میتوان نقاطی را که دارای پوشش گیاهی هستند مشخص نمود.
بدلیل محدودیت تعداد صفحات در این مقاله تنها به روند بدست آمدن تصویر حاوی مقادیر تبخیروتعرق روزانه اشاره میشود. نتایج حاصل از اجرای الگوریتم برای محاسبه تبخیر و تعرق در روز یازدهم اردیبهشت ماه به این ترتیب است که شکل2 مقادیر آلبیدو را نشان میدهد.
