فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: کشاورزی سنگ بنای اقتصاد جهانی است و به‌مثابة منبع اصلی غذا و مواد خام برای صنایع مختلف عمل می‌کند. بااین‌حال، تقاضای فزایندة غذا به‌دلیل رشد جمعیت، تهدید قابل توجهی برای امنیت غذایی است، به‌ویژه زمانی که دسترسی محدود به منابع آب شیرین را در نظر بگیریم. شایان ذکر است که کشاورزی به‌تنهایی حدود 70 درصد از منابع آب شیرین جهان را مصرف می‌کند، که بر نیاز حیاتی برای مدیریت و افزایش بهره‌وری آبیاری برای تضمین تولید پایدار مواد غذایی تأکید دارد. در نتیجه مدیریت و افزایش بازده آبیاری امری ضروری است. در قلب تعیین نیاز آب آبیاری، مفهوم تبخیر و تعرق واقعی محصول (ETa) نهفته است، که نشان‌دهندة اتلاف آب، ترکیبی از تبخیر خاک و تعرق گیاه است. برآورد دقیق ETa در بهینه‌سازی روش‌های آبیاری، به حداکثر رساندن عملکرد محصول و به حداقل رساندن مصرف آب بسیار مهم است. برای این منظور، مدل‌ها و ابزارهای مختلفی برای تخمین ETa با هدف ارائه روش‌های کاربرپسندتر و کارآمدتر برای کشاورزان و پژوهشگران ایجاد شده‌اند. با توجه به مطالعات انجام‌شده و کاربرد وسیع مدل‌های برآورد ET، لازم است تمرکز بر روش‌های دقیق و سریع تعیین این پارامتر افزایش یابد. لذا هدف این مطالعه مقایسة روش‌های برآورد سنجش از دوری ETa کاربرپسندانه‌تر، از جمله سامانة EEFLUX، ابزار METRICTOOL و روش انتخاب خودکار پیکسل سرد و گرم مدل‌های SEBAL و METRIC است.مواد و روش‌ها: Earth Engine Evapotranspiration Flux یا به‌اختصار EEFLUX نسخه‌ای از مدل METRIC است که بر روی سیستم موتور Google Earth کار می‌کند. METRICTOOL، ابزاری جدید در ArcGIS براساس مدل METRIC است. این ابزار پیش‌پردازش و شناسایی خودکار کالیبراسیون بالقوه و معرفی داده‌های ورودی را تسهیل کرده، زمان محاسبات را تا ۵۰ درصد کاهش می‌دهد و جایگزینی کاربرپسندتر از دیگر پلتفرم‌های موجود پیاده‌سازی مدل METRIC است. روش انتخاب خودکار پیکسل سرد و گرم شامل ایجاد یک نقشة باینری از پیکسل‌های واجد شرایط که با استفاده از یک طبقه‌بندی‌کنندة سادة مبتنی بر قانون شناسایی می‌شوند، و استفاده از الگوریتم جست‌وجوی جامع برای شناسایی پیکسل‌های گرم و سرد، مطابق با معیارهای تعریف‌شده است. برای برآورد ET با استفاده از روش‌های نام‌برده، از 6 تصویر ماهواره‌ای Landsat 8 در طول دورة کاشت محصول گندم زمستانة مزارع دانشگاه تهران واقع در محمدشهر کرج استفاده شد. ارزیابی روش‌های مذکور با استفاده از تبخیر و تعرق مرجع یونجه (ETr) با استفاده از روش FAO-Penman–Monteith به‌عنوان دادة مرجع انجام شد.نتایج و بحث: RMSE سامانة EEFLUX، ابزار METRICTOOL، SEBAL و METRIC خودکار به‌ترتیب 2.45، 0.33، 0.39 و 2.76 به‌ دست آمد. با توجه به نتایج محصول تبخیر و تعرق سامانة EEFLUX به‌رغم اختلاف عددی با دیگر روش‌ها همبستگی معناداری با آن‌ها داشت. مثلاً R2 بین ETa این سامانه و ابزار METRICTOOL 0.91 برآورد شد. نتیجه آن است که گرچه داده‌های این سامانه به‌دلیل استفاده از داده‌های هواشناسی جهانی CFSV2 در ایران برای مطالعات محلی از دقت کافی برخوردار نیستند، اما در مطالعات مناطق با وسعت بالا یا جهانی نتایج قابل قبولی به دست می‌دهند.  ابزار METRICTOOL و مدل METRIC خودکار بیشترین همبستگی (R2=0.99) و نزدیکی عددی را با یکدیگر داشتند و به‌ترتیب با RMSE 0.33 و 0.39 دقت بالاتری نسبت به مدل SEBAL خودکار دارند.نتیجه‌گیری: با توجه به نتایج عددی رویکرد انتخاب خودکار پیکسل سرد و گرم می‌تواند دقت مشابهی در مقایسه با ابزار METRICTOOL داشته باشد. بدین‌ترتیب رویکرد خودکار کارایی مدل را از نظر زمان و بازده افزایش و می‌تواند خطای انسانی در تخمین تبخیر و تعرق را برای کاربران جدید یا بی‌تجربه کاهش دهد و این مدل‌ها را در دسترس عموم کاربران قرار دهد. همچنین داده‌های EEFLUX می‌توانند در مطالعات با وسعت بالا برای اقدامات مدیریتی کارایی لازم را داشته باشند.