برآورد تبخیر و تعرق واقعی و بهره‌وری آب گندم با استفاده از الگوریتم سبال و تصاویر ماهواره‌ای لندست 5 دردشت قزوین

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مهندسی آب، تهران، ایران.

2 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مهندسی آب

3 گروه مهندسی آب، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران

4 دانشیار، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج ایران.

چکیده

بخش کشاورزی بزرگترین مصرف کننده آب شناخته شده است. با توجه به محدودیت منابع آب لازم است اصلاح بهره­وری آب در این بخش صورت گرفته و مفهوم بهره­وری آب در بخش کشاورزی در بین سیاستگذاران بخش آب و غذا در سطح وسیع و در حوضه آبریز دشت ها مورد توجه قرار گیرد. سنجش از دور ابزاری است که در دهه­های اخیر در ارزیابی و مدیریت آب و خاک مورد استفاده قرار گرفته است. در این تحقیق نیز از این ابزار برای برآورد بهره­وری آب استفاده شده است. مقادیر تبخیر و تعرق و ماده خشک تولیدی در دشت قزوین با استفاده از الگوریتم سبال و برای 5 تصویر گرفته­شده از ماهواره لندست 5 محاسبه شد. نتایج اجرای الگوریتم سبال در هر پنج تصویر با داده­های لایسیمتر زهکش­دار موجود در منطقه مورد ارزیابی قرار گرفت که مقدار ضریب تبیین ( ) آنها 9948/0 و میانگین تفاضل مطلق آنها 446/0 میلی­متر بر روز به دست آمد. این نتیجه نشان از دقت مناسب روش سنجش از دور در تخمین تبخیر و تعرق در سطح دشت دارد. علاوه بر این، نتایج نشان داد که بهره­وری آب در سطح دشت از 18/0 تا 35/1 کیلوگرم بر مترمکعب متغیر است. میزان بهره­وری آب برای گندم در سطح دشت با تصاویر ماهواره­ای لندست 5 به طور متوسط 73/0 کیلوگرم بر مترمکعب و از طریق لایسیمتر گندم، 85/0 کیلوگرم بر مترمکعب به دست آمد که همدیگر را تأیید می­کنند.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Actual Evapotranspiration and Water Productivity of Wheat Using SEBAL Algorithm and Landsat 5TM Images

نویسندگان [English]

  • m m 1
  • h b 2
  • f k 3
  • n e 4
چکیده [English]

The agricultural sector is known as the largest consumer of water. Due to limited water resources, water productivity needs to be enhanced in this sector. The concept of water productivity has attracted the attention of policy makers in food and water sector at large scale. Remote sensing is used in the assessment and management of soil and water resources in recent decades. In the present research, this method was used to estimate water productivity. Evapotranspiration and actual production levels of dry matter were calculated using SEBAL algorithms and five images from the Landsat 5TM satellite in Qazvin Plain. The results of SEBAL algorithm in five images and lysimeter data were compared and evaluated in the region. The coefficient of determination ( 15R2"> ) and their mean absolute difference were 0.9948 and 0.446 mm/day, respectively, which demonstrated the accuracy of remote sensing methods in estimating agricultural water productivity at the basin level. The results showed that water productivity varied from 0.18 to 1.35 in the field. The wheat water productivity values from Landsat 5TM images and lysimeter data were 0.73 and 0.85 kg/m3, respectively, which are relatively close to each other.

کلیدواژه‌ها [English]

  • NDVI
  • Lysimeter
  • ENVI
  • Remote Sensing
  1. اسفندیارپور، ا. سایت خبرگزاری ایرنا. 1393. (http://www8.irna.ir/fa/News/81458438/)
  2. حیدری، ن.، اسلامی، ا.، قدمی فیروز آبادی، ع.، کانونی، ا.، اسدی، م.ا. و خواجه عبدالهی، م.ح. 1384. تعیین کارایی مصرف آب محصولات زراعی مختلف کشور (کرمان، همدان، مغان، گلستان، خوزستان)، موسسه تحقیقات فنی و مهندسی کشاورزی.

 

  1. Allen, R. Morse, A. Tasumi, M. 2003. Application of SEBAL for western US water rights regulation and planning. ICID workshop on remote sensing of ET for large regions.
  2. Allen, R.G., Tasumi, M., Trezza, R., Bastiaanssen, W., Morse, T., Kramber, W., and Wright, J. 2005.METRIC, T., High Resolution Satellite Quantification of Evapotranspiration. Part Two- Energy Balance, University of Idaho, Kimberly, Idaho.
  3. Bastiaanssen W.G.M. 2000. SEBAL- based sensible and latent heat fluxes in the irrigated Gediz basin, Turkey. Journal of Hydrology, 229: 87-100.
  4. Bastiaanssen W.G.M., Allen, R., Tasumi, M., Trezza, R., and Waters, R. 2002. SEBAL: Surface Energy Balance Algorithms for Land. Advance Training and Users manual Version 1.0. 98 pp.
  5. Bastiaanssen W.G.M., R.A. Feddes, A.A.M. Holtslag, M. Menenti. 1998. A remote sensing surfaceenergy balance algorithm for land (SEBAL) 1. Formulation. J. Hydrol., 212-213: 198-212.
  6. Bastiaanssen W.G.M., Samia. 2003. A new crop yield forecasting model base of satellite measurements applied across the Indus Basin, Pakistan, Agriculture Ecosystems and Environment Volum: (94) pp: 321-340.
  7. Horiguchi, I. 1992. Agricultural Meteorology.Buneidou, Tokyo, Japan.
  8. Li Hongium, Li Zheng, Yuping Lei, Chunnqiang Li, Zhijun Liu, Shengwei Zhang, 2008, Estimation of water consumption and crop water productivity of winter wheat in north china plain using remote sensing technology. Agric Water Manag.Doi:10.1016/J.agwat.2008.05.003.
  9. Markham, B.L. and Barker, J.L. 1986. LANSAT MSS and TM post-calibration dynamic ranges, exoatmosphericreflectances and at-satellite temperatures, EOSAT LANDSAT Tech. Notes (Aug.): 3-8.
  10. Molden, D., 1997. Accounting for water use and productivity. SWIM Paper 1. International Irrigation Management Institute, Colombo, Sri Lanka.
  11. Ramos, J. G., Cratchley, C.R., Kay, J.A., Casterad, M.A., Martinez-cob, A. and Dominguez, R. 2009. Evaluation of satellite evapotranspiration estimates using ground-meteorological data available for the Flumen District into the Ebro valley of N.E. Spain. Agricultural Water Management, 96 (2009), 638-652.
  12. Singh, R. 2005. Water productivity analysis from field to regional scale: Integration of crop and soil modeling, remote sensing, and geographical information. Ph.D. Dissertation, Wageningen Univ., Wageningen,The Netherlands.
  13. Vazifedoust, M., Van Dam, J.C., Feddes, R.A. and Feizi, M. 2008. Increasing Water Productivity of Irrigated crops under limited water supply at field scale. Agri. Water Manag.
  14. Vol 95, 89-102.
  15. Zwart, S.J., Bastiaanssen, W.G.M., 2004. Review of measured crop water productivity values for irrigated wheat, rice, cotton and maize, Agricultural water management, Vol. 69, 115-133.
  16. Yang, W., Shabanov, N.V., Huang, D., Wang, W., Dickinson, R.E., Nemani, R.R., Knvazikin, Y., and Myneni, R.B. 2006. Analysis of Leaf Area Index products from combination of MODIS Terra and Aqua data. Remote Sensing of Environment, 104: 297-312.