این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
برنامه ریزی و آمایش فضا، جلد ۲۹، شماره ۱، صفحات ۱-۲۳
عنوان فارسی ارزیابی کارایی مدل‌های برآورد تبخیر مبتنی بر داده‌های سنجش از دور و تجربی در دریاچه ارومیه
چکیده فارسی مقاله
تبخیر یکی از عوامل اصلی هدررفت آب در دریاچه ارومیه است که نقش مهمی در بیلان آب آن دارد. با پیشرفت سنجنده­های ماهواره‌ای، تصاویر ماهواره‌ای متعددی در دسترس قرار گرفته است که استفاده از آن‌ها در برآورد تبخیر از سطح دریاچه ارومیه نیاز به بررسی دارد؛ بنابراین، هدف این پژوهش، برآورد تبخیر روزانه از سطح دریاچه ارومیه با استفاده از ترکیب تصاویر ماهواره‌ای لندست 8 و 9 در سال 2022 و مقایسه عملکرد مدل‌های فیزیکی، تجربی و سنجش از دوری است. برای این منظور، از 21 تصویر ماهواره‌ای استفاده شد و مدل‌های FAO56-PM، Priestley-Taylor و Hargreaves-Samani و مدل‌های سنجش از دوری surface energy balance algorithm for land (SEBAL) وMapping Evapotranspiration at high Resolution and with Internalized Calibration (METRIC) در محیط Google Earth Engine پیاده‌سازی شدند. برای ارزیابی نتایج مدل‌‌ها، از اندازه‌گیری‌های تشت تبخیر ایستگاه هواشناسی ارومیه به عنوان داده زمینی استفاده شد. نتایج نشان داد که مدل SEBAL  بدون اعمال ضریب اصلاحی، بهترین عملکرد را با Root mean square error (RMSE) و Nash-Sutcliffe efficiency (NSE) به ترتیب 83/0 میلی‌متر در روز و 48/0 نشان داد. با اعمال ضریب اصلاحی، مدل FAO56-PM با RMSE برابر با 04/1 میلی‌متر در روز و NSE معادل 18/0 بهترین نتیجه را داشت. در مجموع، مدل  SEBALبه دلیل استفاده از تصاویر ماهواره‌ای، توانایی بهتری در برآورد تبخیر داشت. علاوه بر این، ترکیب تصاویر ماهواره‌ای و مدل‌های تجربی، می‌تواند در مدیریت منابع آب دریاچه ارومیه مؤثر باشد.
 
کلیدواژه‌های فارسی مقاله تبخیر،دریاچه ارومیه،سنجش از دور،الگوریتم‌های بیلان انرژی،مدل‌های تجربی
عنوان انگلیسی Performance Assessment of Remote Sensing and Empirical Evaporation Models in Lake Urmia
چکیده انگلیسی مقاله
Evaporation serves as a significant factor in the hydrological deficit experienced by Lake Urmia, thereby exerting a vital influence on its overall water equilibrium. The evolution of satellite sensor technology has facilitated the acquisition of a comprehensive range of satellite imagery, underscoring the necessity for meticulous evaluation in the assessment of lake evaporation. This research endeavor is designed to quantify daily evaporation rates from Lake Urmia through the integration of Landsat 8 and 9 imagery from the year 2022, while concurrently assessing the efficacy of physical, empirical, and remote sensing methodologies. A comprehensive analysis was conducted on a total of 21 satellite images, wherein the FAO56-PM, Priestley-Taylor, and Hargreaves-Samani models, in conjunction with the remote sensing techniques of the Surface Energy Balance Algorithm for Land (SEBAL) and Mapping Evapotranspiration at High Resolution and with Internalized Calibration (METRIC), were executed within the Google Earth Engine (GEE) framework. The resultant model outputs were corroborated against pan evaporation data obtained from the Urmia meteorological station, which served as the reference ground truth dataset. The analysis indicated that SEBAL, when utilized without a correction factor, exhibited superior accuracy, achieving a Root Mean Square Error (RMSE) of 0.83 mm/day and a Nash-Sutcliffe Efficiency (NSE) value of 0.48. Upon the implementation of a correction factor, the FAO56-PM model produced optimal outcomes, with an RMSE of 1.04 mm/day and an NSE of 0.18. In summary, SEBAL surpassed the performance of the other models, attributable to its dependence on satellite-derived imagery. Moreover, the amalgamation of satellite data with empirical modeling approaches holds significant potential for enhancing water resource management strategies within the context of Lake Urmia.
 
کلیدواژه‌های انگلیسی مقاله Evaporation,Lake Urmia,Remote Sensing,Energy Balance Algorithms,Empirical Models
نویسندگان مقاله هادی خالقی | Hadi Khaleghi
M.Sc. Graduate of Water Resources Engineering and Management Department, Faculty of Civil Engineering, K. N. Toosi University of Technology, Tehran, Iran.
دانش‌آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.

مجید رحیم زادگان | Majid Rahimzadegan
Associate professor, Water Resources Engineering and Management Department, Faculty of Civil Engineering, K. N. Toosi University of Technology
دانشیار گروه مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی

نشانی اینترنتی http://hsmsp.modares.ac.ir/browse.php?a_code=A-10-75875-3&slc_lang=fa&sid=21
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات