توسعه الگوریتم SM-SEBAL به منظور محاسبه تبخیر و تعرق واقعی به کمک سنجش از دور
محل انتشار: مجله مهندسی منابع آب، دوره: 11، شماره: 38
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 36
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WEJMI-11-38_010
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
روش Sufrace Energy BALance (SEBAL)یکی از پر کاربردترین روش های تعیین تبخیر و تعرق واقعی به کمک سنجش از دور است. با این حال فرض خطی بودن رابطه اختلاف دما و دمای سطح زمین و نیز استفاده از دو پیکسل گرم و سرد که توسط کاربر شناسایی می شوند از نقاط ضعف این روش محسوب می شود. روش Modified SEBAL (M-SEBAL) علاوه بر اصلاح این مشکل، دو مفهوم جدید لبه سرد و گرم را جایگزین پیکسل های سرد و گرم می کند که تاثیر بسزایی در افزایش دقت و نیز خودکارسازی اجرای الگوریتم و عدم نیاز به کاربر ماهر دارد. با این حال تعیین لبه گرم نیاز به محاسبات زیاد و در نتیجه بالا رفتن زمان محاسبه و امکان خطای محاسباتی دارد. در این تحقیق، شکلی ساده شده از روش M-SEBAL با نام Simplified M-SEBAL (SM-SEBAL) توسعه یافته است و نتایج حاصل از اجرای سه روش بر روی بیش از ۳۰۰ لایه تصویری MODIS با داده های لایسیمتری و نیز داده های زمینی بیلان انرژی مزرعه تحقیقاتی دانشگاه تهران واقع در کرج مقایسه شده است. نتایج حاصل از اجرای سه الگوریتم نشان می دهد که الگوریتم SEBAL تبخیر و تعرق را بیش برآورد و دو الگوریتم دیگر آنرا اندکی کم برآورد می کنند. بیشترین خطای محاسبه شار گرمای محسوس مربوط به روش M-SEBAL با ۸۷/۳۳ درصد و کمترین میزان خطا مربوط به نتایج روش SEBAL (۲۳/۱۱ درصد) می باشد. با این حال حداکثر خطا در مقادیر تبخیر تعرق روزانه در نتایج روش SEBAL (۵۶/۳ درصد) و کمترین میزان خطا در روش SM-SEBAL ( ۱۸/۱ درصد) مشاهده شد.
کلیدواژه ها:
نویسندگان
فرهاد میرزایی
دانشیار و عضو هیئت علمی آبیاری و آبادانی دانشکده کشاورزی و منابع طبیعی دانشگاه تهران
محمدرضا کشاورز
فارغ التحصیل دکتری آبیاری و آبادانی دانشکده کشاورزی و منابع طبیعی دانشگاه تهران
مجید وظیفه دوست
عضو هیئت علمی مهندسی آب دانشکده کشاورزی دانشگاه گیلان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :