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

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

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

چکیده

برآورد تبخیر و تعرق مرجع (ET0) یک نیاز اساسی در مدیریت آب کشاورزی است. با این حال، فقدان داده‌های هواشناسی لازم، تخمین ET0 را با استفاده از روش فائو-پنمن-مانتیث در مناطق وسیع‌تر دشوار کرده است. بنابراین هدف از پژوهش حاضر، بررسی تخمین تبخیر و تعرق مرجع روزانه در دو ایستگاه تبریز و رشت، براساس دمای سطح زمین سنجنده مادیس (LST) بدست آمده از تصاویر ماهواره‌ای و کاربرد دو مدل جنگل تصادفی (RF) و جنگل تصادفی بهینه شده با الگوریتم ژنتیک (GA-RF) برای تخمین مقادیر ET0 است. پارامترهای مورد استفاده در هر دو ایستگاه شامل ترکیب پارامترهای دمای سطح زمین روزانه (LSTday)، دمای سطح زمین شبانه (LSTnight) و میانگین دمای سطح زمین در شب و روز (LSTmeant) است. نتایج نشان داد که LSTmeant توانایی مناسبی در تخمین ET0 در هر دو ایستگاه دارد. در ایستگاه تبریز با اقلیم نیمه خشک، 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 به اندازه دمای سطح زمین روزانه اهمیت داشته و با ترکیب این دو پارامتر نتایج رضایت‌بخشی حاصل شده است.

کلیدواژه‌ها

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

موضوعات

• مدیریت منابع آب

عنوان مقاله [English]

The effect of land surface temperature in estimating daily reference evapotranspiration in two different climates using MODIS sensor

نویسندگان [English]

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

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

² Department of Water Science and Engineering, Faculty of Agriculture, University of Tabriz

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

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, the aim of this research is to investigate the estimation of daily reference evapotranspiration in two stations of Tabriz and Rasht, based on MODIS Land Surface Temperature (LST) obtained from satellite images and implementing random forest (RF) and random forest optimized with genetic algorithm (GA-RF) for ET0 estimation. The parameters used in both stations include the combination of daily land surface temperature (LSTday), nightly land surface temperature (LSTnight) and average land surface temperature at night, and day (LSTmean). The obtained results indicated that LSTmean 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. Also, 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]

• Genetic algorithm
• Random forest
• Remote sensing
• FAO-Penman-Monteith