نوع مقاله : مقاله پژوهشی

نویسندگان

• حامد طالبی ¹
• سعید صمدیان فرد ²
• خلیل ولیزاده کامران ³

¹ دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

² دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

³ استاد، گروه سنجش از دور، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

چکیده

برآورد تبخیر و تعرق مرجع (ET₀) یک نیاز اساسی در مدیریت آب کشاورزی است. بااین‌حال، فقدان داده‌های هواشناسی لازم، تخمین ET₀ را با استفاده از روش فائو-پنمن-مانتیث در مناطق وسیع‌تر دشوار کرده است. هدف از پژوهش حاضر، بررسی تخمین تبخیر و تعرق مرجع روزانه در دو اقلیم تبریز و رشت، بر اساس دمای سطح زمین سنجنده مادیس (LST) بدست آمده از تصاویر ماهواره­ای است. بر اساس دو مدل جنگل تصادفی (RF) و جنگل تصادفی بهینه‌شده با الگوریتم ژنتیک (GA-RF) برای تخمین مقادیر ET₀ استفاده شده است. پارامترهای مورد استفاده در هر دو ایستگاه شامل ترکیب پارامترهای دمای سطح زمین روزانه (LST_day)، دمای سطح زمین شبانه (LST_night) و میانگین دمای سطح زمین در شب و روز (LST_meant) است. نتایج نشان داد که LST_meant توانایی مناسبی در تخمین ET₀ در هر دو ایستگاه دارد. در ایستگاه تبریز با اقلیم نیمه‌خشک، مدل GA-RF-7 با 516/0=RMSE و در ایستگاه رشت با اقلیم بسیار مرطوب، مدلGA-RF-5  با  868/0=RMSE بهترین عملکرد را در بین مدل‌های مورد مطالعه داشتند. همچنین، ارزیابی­ها نشان داد که دمای سطح زمین شبانه به‌اندازه دمای سطح زمین روزانه اهمیت داشته و با ترکیب این دو پارامتر نتایج رضایت­بخشی حاصل شد.

کلیدواژه‌ها

• الگوریتم ژنتیک
• جنگل تصادفی
• سنجش از دور
• فائو-پنمن-مانتیث

موضوعات

• مدیریت منابع آب

عنوان مقاله [English]

Effect of Land Surface Temperature of MODIS Sensor in Estimating Daily Reference Evapotranspiration in Two Different Climates

نویسندگان [English]

• Hamed Talebi ¹
• Saeed Samadianfard ²
• Khalil Valizadeh Kamran‬ ³

¹ PhD Scholar, Department of Water Science and Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran

² Assoc. Professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran

³ Professor, Department of Remote Sensing and GIS, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

چکیده [English]

Estimating reference evapotranspiration (ET₀) is a fundamental requirement of agricultural water management. However, the lack of necessary meteorological data makes it difficult to estimate ET₀ using the FAO-Penman-Monteith equation wider areas. Therefore, this research examines the estimation of daily reference evapotranspiration using MODIS Land Surface Temperature (LST) from satellite imagery in two climates of Tabriz and Rasht. ET₀ has been estimated using two random forests (RF) and random forests optimized with genetic (GA-RF) algorithms. The parameters used in both stations include the combination of daily land surface temperature (LST_day), nightly land surface temperature (LST_night) and average land surface temperature at night, and day (LST_mean). The obtained results indicated that LST_mean has an excellent ability to estimate ET₀ in both stations. In Tabriz station with a semi-arid climate, GA-RF-7 model with RMSE=0.516 and in Rasht station with a very humid climate, the GA-RF-5 model with RMSE=0.868, have the best performance among the studied models. Moreover, the evaluations revealed that the temperature of the earth's surface at night is as important as the temperature of the earth's surface during the day, and by combining these two parameters, satisfactory results may be obtained.

کلیدواژه‌ها [English]

• FAO-Penman-Monteith
• Genetic Algorithm
• Random Forest
• Remote Sensing