برآورد تبخیر تعرق واقعی در باغات پسته با استفاده از الگوریتم سبال و مقایسه آن در سه سیستم آبیاری مختلف

سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی

مقاله 5، دوره 12، شماره 2 - شماره پیاپی 43، تیر 1400، صفحه 72-90   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/girs.2021.679223

نویسنده

سهیل رادیوم^*

استادیار مرکز تحقیقات فضایی، پژوهشگاه فضایی، تهران، ایران

چکیده

پیشینه و هدف طی صدسال گذشته، حدود 90 درصد از سرانه آب تجدید پذیر کشور کاهش ‌یافته است. از منابع آب تجدیدشونده کشور حدود 90 درصد آن به بخش کشاورزی اختصاص دارد. با افزایش سطح زیر کشت باغات پسته و افزایش تقاضا برای آب ازیک‌طرف و محدودتر شدن منابع آبی در منطقه، عدم تعادل بین عرضه و تقاضای آب به‌شدت در حال افزایش است. در این راستا، مهم‌ترین گام پیشگیری از هدر رفت آب، توزیع یکنواخت آب در سطح مزرعه، آبیاری بهینه و متناسب با نیاز آبی گیاه در هر مرحله از رشد است. حدود 99 درصد آب جذب‌شده توسط گیاه صرف پدیده تبخیر و تعرق می­گردد. لذا، شناخت این پدیده و برآورد دقیق آن می ­تواند در تعیین نیاز آبی گیاهان نقش بسزایی داشته باشد. اندازه‌ گیری تبخیر تعرق واقعی پوشش گیاهی، خارج از شرایط آزمایشگاهی دشوار است. روش‌ های تجربی زیادی برای برآورد تبخیر تعرق واقعی و پتانسیل با استفاده از داده‌ های هواشناسی و اقلیمی به وجود آمده است. اما اکثر این روش‌ها تنها قادر به برآورد تبخیر تعرق پتانسیل می ‌باشند و مقدار واقعی تبخیر تعرق را برآورد نمی‌ نمایند. در مقابل، روش‌های مبتنی بر سنجش‌ازدور ایجاد شده است که راه ‌حل مناسبی برای برآورد تبخیر تعرق واقعی در سطح پوشش گیاهی می ‌باشند. تصاویر ماهواره‌ای با قابلیت پوشش سراسری و دید تکراری، امکان پایش تبخیر تعرق را در سطح مزارع و در طول دوره رویش گیاه فراهم آورده ‌اند. تحقیقات مختلفی در داخل و خارج از کشور در­ زمینه برآورد تبخیر تعرق واقعی اراضی کشاورزی با استفاده از تصاویر ماهواره‌ ای انجام‌شده است، که حاکی از دقت قابل ‌قبول این روش بوده است. اما عمده این تحقیقات در مربوط به مزارع کشاورزی است و تحقیقات قابل‌توجهی در­زمینۀ برآورد تبخیر تعرق در سطح باغ انجام‌نشده است. پوشش گیاهی در سطح مزارع در مقایسه با باغات یکدست و همگن است، بنابراین برآورد شاخص پوشش گیاهی که از ورودی‌ های مدل سبال است در مزارع کشاورزی ساده ‌تر از باغات انجام می‌گیرد که می‌ تواند بر دقت نهایی تأثیر گذار باشد. بنابراین هدف اصلی این تحقیق برآورد مقدار تبخیر تعرق در سطح باغات با استفاده از الگوریتم سبال و ارزیابی دقت برآورد است. علاوه بر این در این تحقیق، از اندازه‌گیری روش مستقیم بیلان آبی با استفاده از داده‌ های سنسورهای رطوبت خاک موجود در قسمت‌ های مختلف باغ، برای ارزیابی دقت استفاده ‌شده است. استفاده از این روش قابلیت اطمینان به نتایج و ارزیابی دقت انجام‌شده را افزایش می‌ دهد.
مواد و روش ­هاتحقیق حاضر در باغات پسته شهرستان زرندیه استان مرکزی انجام ‌شده است. باغ ‌ها دارای سیستم‌های آبیاری غرقابی، قطره ‌ای رو سطحی و قطره ‌ای زیرسطحی بوده ‌اند.  تبخیر و تعرق واقعی با استفاده از دو روش بیلان آبی و الگوریتم سبال برآورد شده است. از داده‌ های هواشناسی ایستگاه سینوپتیک فرودگاه امام او تصاویر ماهواره ‌ای لندست 8 برای برآورد تبخیر تعرق به کمک الگوریتم سبال استفاده ‌شده است. تبخیر و تعرق واقعی در زمان ‌های گذر ماهواره در طول فصل رشد برآورد شده است. برای انتخاب پیکسل ‌های سرد و گرم در الگوریتم سبال، از روش نیمه اتوماتیک پیشنهادشده توسط اولمدو استفاده شد که استفاده از نظر کاربر را در انتخاب پیکسل ‌های سرد و گرم به حداقل می‌ رساند. برای ارزیابی دقت نتایج برآورد تبخیر و تعرق، از اطلاعات سنسورهای رطوبت خاک موجود در سطح باغ استفاده ‌شده است. تعداد 28 سنسور رطوبت خاک را در بخش‌ های مختلف باغ اندازه‌ گیری می ‌نمایند. با استفاده از مقادیر رطوبت خاک سنسورها، مقدار تبخیر تعرق واقعی با استفاده از روش بیلان آبی برآورد شد و به‌عنوان مقدار مرجع مورداستفاده قرار گرفت.
نتایج و بحث مقایسه نتایج حاصل از الگوریتم سبال و روش بیلان آبی نشان داد که الگوریتم سبال توانسته است با خطای RMS 0.57 مقدار تبخیر تعرق واقعی را در قسمت‌های مختلف باغ برآورد نماید. علاوه بر این همبستگی بین مقادیر برآورد شده توسط دو روش برابر 0.82 بوده است که نشان‌دهنده قابلیت مناسب الگوریتم سبال در برآورد مقادیر تبخیر و تعرق است. همبستگی بین مقدار تبخیر و تعرق واقعی برآورد شده از مدل سبال و تبخیر و تعرق مرجع برابر 0.76 به ‌دست‌آمده است. تغییرات مقدار تبخیر و تعرق در قسمت ‌های مختلف باغ و نیز باغ‌ های دارای سیستم ‌های آبیاری مختلف غرقابی، قطره‌ای رو سطحی و قطره‌ای زیرسطحی بررسی‌شده است. نتایج نشان داده است، باغ دارای آبیاری زیرسطحی به‌ طور متوسط کمترین میزان تبخیر تعرق را در تاریخ‌های مختلف از خود نشان داده است. با توجه به آنکه تبخیر تعرق معادل مجموع مقدار تبخیر از سطح خاک و تعرق از سطح گیاه است می ‌توان، این مقدار کاهش را به کاهش تبخیر از سطح خاک نسبت داد. علاوه بر این، در همه تاریخ‌ ها ناهمسانی تبخیر تعرق در قسمت‌ های مختلف باغ‌ های دارای سیستم آبیاری یکسان قابل‌مشاهده است. به‌عنوان نمونه در باغ با روش آبیاری غرقابی، بخش ‌هایی از باغ تبخیر تعرق پایینی نشان می ‌دهند که می‌ تواند ناشی از عدم تسطیح سطح باغ و عدم دریافت رطوبت مناسب در این نواحی باشد. بدیهی است همین مقدار رطوبت در سایر بخش ‌های باغ تجمع نموده و از طریق نفوذ عمقی از دسترس خارج می ‌گردد. این توزیع غیریکنواخت در باغ با روش آبیاری رو سطحی نیز مشاهده می‌ شود. به ‌عنوان نمونه بخش میانی باغ دارای آبیاری رو سطحی همواره مقدار تبخیر تعرق بالاتری را نشان می ‌دهد که می‌ تواند نشان‌ دهنده هدر رفت آب در این بخش از باغ، ناشی از عملکرد بیش از نیاز نازل‌های رطوبت باشد. برای ارزیابی بهتر اختلاف تبخیر تعرق در روش ‌های مختلف آبیاری، مقدار متوسط، حداقل، حداکثر و انحراف معیار مقادیر تبخیر تعرق در باغ ‌های مربوط به سه سیستم آبیاری مختلف محاسبه ‌شده است. نتایج نشان داد در تمام تاریخ‌ ها مقادیر دامنه تغییرات و انحراف معیار تبخیر تعرق در سیستم آبیاری غرقابی بیشتر از سایر روش‌ها بوده است که به ‌خوبی نشان ‌دهنده عدم آبیاری یکنواخت در سطح باغ است.
نتیجه­ گیری نتایج تحقیق حاکی از دقت مناسب الگوریتم سبال در برآورد تبخیر تعرق واقعی باغات بوده است. به‌ طوری ‌که در مقایسه با روش بیلان آبی همبستگی 0.82 و خطای 0.57 داشته است. علاوه بر این، مقایسه وضعیت رطوبت در قسمت ‌های مختلف باغ و نیز باغ‌ های دارای سیستم آبیاری مختلف نشان داده است که با استفاده از برآورد تبخیر و تعرق به کمک تصاویر ماهواره ‌ای می‌توان اطلاعات مناسبی از نحوه توزیع رطوبت در سطح باغ دست‌ یافت. این داده ‌ها، اطلاعات ارزشمندی در خصوص مدیریت بهینه منابع آب و افزایش کارایی آبیاری فراهم می ‌نماید. با استفاده از روش ‌های آبیاری زیرسطحی می‌ توان به ‌صورت مؤثری هدر رفت آب آبیاری ناشی از تبخیر از سطح خاک را کاهش داد. نتایج تحقیق نشان داده است که در مناطقی که دسترسی به اطلاعات سنسورهای رطوبت خاک و یا روش‌های اندازه‌ گیری مستقیم تبخیر و تعرق وجود ندارد، استفاده از الگوریتم سبال و روش ‌های سنجش ‌از دور می‌تواند اطلاعات مناسبی را جهت مدیریت بهینه منابع آبی فراهم نماید.

کلیدواژه‌ها

پسته؛ تبخیر تعرق؛ سنجش‌ازدور؛ سنسور خاک؛ کشاورزی دقیق

مراجع

Abdelahi Ezatabadi M, AA J. 2007. Economic investigation of the possibility of using new methods for water supply and demand in agriculture: A case study of pistachio producers in Rafsanjan. Pajouhesh-Va-Sazandegi, 20(2): 113-126. https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=105307. (In Persian).

Akbari M, Seif Z, Zare Abyane H. 2011. Estimation of evapotranspiration by remote sensing technique under different climate condition. Journal of Water and Soil, 25(4): 835-844. https://jsw.um.ac.ir/article/view/42562/article_35105.html. (In Persian).

Alizadeh A, Kamali G. 2007. Water Use of Plant in Iran. Astan Qods Publication, Mashhad, First Edition, 340 p.

Allen GR, Luis SP, Terry AH, Marvin EJ. 2011. Evapotranspiration information reporting: I. Factors governing measurement accuracy. Agricultural Water Management, 98(6): 899-920. doi:https://doi.org/10.1016/j.agwat.2010.12.015.

Babran S, Honarbakhsh N. 2008. Water Crisis in in Iran and the World. Rahbord, 16(48): 193-212. (In Persian).

Bagheri M, Moazzezi F. 2014. Investigation of externalities of groundwater overexploitation on pistachio market of Iran. Journal of Agricultural Economics Research, 5(4): 145-166. (In Persian).

Bastiaanssen W. 2000. SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin,Turkey. Journal of Hydrology, 229(1-2): 87-100. doi:https://doi.org/10.1016/S0022-1694(99)00202-4.

Bastiaanssen W, Noordman E, Pelgrum H, Davids G, Thoreson B, Allen R. 2005. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. Journal of Irrigation and Drainage Engineering, 131(1): 85-93. doi:https://doi.org/10.1061/(ASCE)0733-9437(2005)131:1(85).

Chavez J, Gowda P, Evett S, Colaizzi P, Howell T, Marek T. 2007. An application of METRIC for ET mapping in the Texas high plains. Trans ASABE, 1(1): 1-15.

Du J, Song K, Wang Z, Zhang B, Liu D. 2013. Evapotranspiration estimation based on MODIS products and surface energy balance algorithms for land (SEBAL) model in Sanjiang Plain, Northeast China. Chinese Geographical Science, 23(1): 73-91. doi:https://doi.org/10.1007/s11769-013-0587-8.

Ehsani M, Khaledi H. 2003. Water productivity in agriculture. Iranian National Committee on Irrigation And Drainage, Ministry of Energy. (In Persian).

Folhes MT, Rennó CD, Soares JV. 2009. Remote sensing for irrigation water management in the semi-arid Northeast of Brazil. Agricultural Water Management, 96(10): 1398-1408. doi:https://doi.org/10.1016/j.agwat.2009.04.021.

Jafari H, Afrasiabi P, Delbari M, Taheri M. 2017. Determination of evapotranspiration and crop coefficient of olive in different growth stages using remote sensing techniques and moisture balance in Tarom Zanjan. Journal of Irrigation and Water Engineering, 7(3): 120-134. http://www.waterjournal.ir/article_74067.html?lang=en. (In Persian).

Karimi A, Farhadi Bansouleh B, Hesadi H. 2012. Estimation of Regional Evapotranspiration Using LANDSAT TM Images and SEBAL Algorithm. Iranian Journal of Irrigation & Drainage, 6(4): 353-364. (In Persian).

Mahmoodi A, Jalali S. 2016. Iranian pistachio export competitiveness in world markets. Journal of Economic Research (Tahghighat- E- Eghtesadi), 51(4): 951-976. doi:https://doi.org/10.22059/JTE.2016.59464. (In Persian).

Miryaghoubzadeh M, Solaimani K, Habib Nejad Roshan M, Shahedi K, Karim, Akhvan S. 2014. Estimation and assessment of actual evapotranspiration using remote sensing data (Case study: Tamar basin, Golestan province, Iran). Irrigation and Water Engineering, 4(3): 89-102. http://www.waterjournal.ir/index.php/component/content/category/article_70896.html?lang=en. (In Persian).

Olmedo GF, Ortega Farias S, Fonseca Luengo D, Fuentes Peñailillo F. 2016. Water: tools and functions to estimate actual evapotranspiración using Land Surface Energy Balance Models in R. The R Journal, 8(2): 352-369. https://journal.r-project.org/archive/2016/RJ-2016-2051/RJ-2016-2051.pdf.

Omidvar J, Noori S, Davari K, Farid Hosseini A. 2013. Estimation of actual evapotranspiration based on satellite images using two algorithms Sebal and Metric. Irrigation and Water Engineering, 3(4): 11-22. http://www.waterjournal.ir/index.php/journal/article_73522.html?lang=en. (In Persian).

Pakrava M, Mehrabi Boshrabadi H, Gilanpour O. 2010. Studying Iranian pistachio export position: Comparative advantage and trading map approach. Journal of Agricultural economics and Development, 19(76): 1-26. (In Persian).

Rawat KS, Bala A, Singh SK, Pal RK. 2017. Quantification of wheat crop evapotranspiration and mapping: A case study from Bhiwani District of Haryana, India. Agricultural Water Management, 187: 200-209. doi:https://doi.org/10.1016/j.agwat.2017.03.015.

Sanaeinejad S, Noori S, Hasheminia S. 2011. Estimation of evapotranspiration using satellite image data in Mashhad area. Journal of Water and Soil (Agricultural Sciences and Technology), 25(3): 540- 547. https://www.sid.ir/en/journal/ViewPaper.aspx?ID=210065. (In Persian).

Santos CACd, Bezerra BG, Silva BBd, Rao TVR. 2010. Assessment of daily actual evapotranspiration with SEBAL and S-SEBI algorithms in cotton crop. Revista Brasileira de Meteorologia, 25(3): 383-392. doi:https://doi.org/10.1590/S0102-77862010000300010.

Tasumi M, Trezza R, Allen RG, Wright JL. 2005. Operational aspects of satellite-based energy balance models for irrigated crops in the semi-arid US. Irrigation and Drainage Systems, 19(3-4): 355-376. doi:https://doi.org/10.1007/s10795-005-8138-9.

Tsouni A, Kontoes C, Koutsoyiannis D, Elias P, Mamassis N. 2008. Estimation of actual evapotranspiration by remote sensing: Application in Thessaly Plain, Greece. Sensors, 8(6): 3586-3600. doi:https://doi.org/10.3390/s8063586.

Wagle P, Bhattarai N, Gowda PH, Kakani VG. 2017. Performance of five surface energy balance models for estimating daily evapotranspiration in high biomass sorghum. ISPRS Journal of Photogrammetry and Remote Sensing, 128: 192-203. doi:https://doi.org/10.1016/j.isprsjprs.2017.03.022.

Wagle P, Gowda PH, Northup BK. 2019. Dynamics of evapotranspiration over a non-irrigated alfalfa field in the Southern Great Plains of the United States. Agricultural Water Management, 223: 105727. doi:https://doi.org/10.1016/j.agwat.2019.105727.

Zand-Parsa S, Shooshtari MM, Majnooni-Heris A. 2016. Measurements of standard Maize evapotranspiration using water balance method and variable root depth in an arid and semi-arid region. Water and Soil Science, 25(1-4): 169-180. (In Persian).

Zhang K, Kimball JS, Running SW. 2016. A review of remote sensing based actual evapotranspiration estimation. Wiley Interdisciplinary Reviews: Water, 3(6): 834-853. doi:https://doi.org/10.1002/wat2.1168.

Zhang Y, Kong D, Gan R, Chiew FH, McVicar TR, Zhang Q, Yang Y. 2019. Coupled estimation of 500 m and 8-day resolution global evapotranspiration and gross primary production in 2002–2017. Remote Sensing of Environment, 222: 165-182. doi:https://doi.org/10.1016/j.rse.2018.12.031.