تلفیق تصاویر ماهواره Landsat ۸ و سنجنده ی MODISجهت برآورد نیاز آبی ذرت علوفه ای در دوره رشد (منطقه مورد مطالعه: ماهیدشت کرمانشاه)
Publish place: Journal of Iran-Water Resources Research، Vol: 15، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 185
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-15-1_019
تاریخ نمایه سازی: 29 بهمن 1401
Abstract:
تبخیر و تعرق به عنوان یکی از مولفه های کلیدی چرخه هیدرولوژیکی می باشد و کمی کردن مقادیر آن جهت درک فرایندهای اصلی از قبیل تغییرات فنولوژی پوشش گیاهی، خطرات زیست محیطی مانند سیلاب و خشکسالی، و به طور کلی بیلان آب اکوسیستم ها امری ضروری می باشد. استفاده از روش های مبتنی بر بیلان انرژی سطحی با استفاده از سنجش از دور جهت تخمین تبخیر و تعرق بطور روز افزونی افزایش یافته است. هدف از پژوهش حاضر، تلفیق تصاویر لندست ۸ و مودیس با استفاده از الگوریتم سبال جهت برآورد تبخیر و تعرق گیاه ذرت در منطقه ماهیدشت کرمانشاه می باشد. به منظور تلفیق تصاویر ماهواره ای از روش خطی با عرض از مبدا صفر(LinZi) استفاده شد. همچنین همزمان تبخیر و تعرق واقعی ذرت در ۱۵ مزرعه واقع در منطقه مورد مطالعه بر اساس داده های زمینی برآورد گردید. نتایج حاصل از الگوریتم سبال با برآوردهای زمینی تبخیر و تعرق با استفاده از آماره های MAE، BIAS و RMSE مورد مقایسه قرار گرفتند. نتایج بیانگر این بود که تلفیق تصاویر ماهواره ای منجر به بهبود دقت تبخیر و تعرق برآوردی نسبت به تصاویر لندست ۸ شده است. میانگین خطای مطلق تبخیر و تعرق برآوردی در طول دوره رشد بر اساس تصاویر لندست و تلفیق تصاویر به ترتیب ۴۴/۰ و ۴۲/۰ میلی متر در روز تعیین گردید. به طور کلی نتایج این تحقیق نشان داد که برآورد تبخیر و تعرق با استفاده از الگوریتم سبال و براساس تلفیق تصاویر با دقت های متفاوت زمانی و مکانی می تواند نتایج قابل قبولی را ارائه دهد.
Keywords:
Authors
هادی وروانی
دانشجوی دکتری/ آبیاری و زهکشی، دانشگاه رازی.
بهمن فرهادی
استادیار / گروه مهندسی آب، دانشگاه رازی.
محمدعلی شریفی
دانشیار / دانشگاه تونته، هلند.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :