-
تبخیر- تعرق پتانسیل یکی از عوامل مهم سیکل هیدرولوژی است که باید در طرح های آبیاری، مطالعات هیدرولوژیکی و... برآورد شود. در بسیاری از مواقع و در شرایط گوناگون نیاز به تخمین تبخیر- تعرق مرجع در بازه های زمانی ساعتی و یا حتی کوچکتر وجود دارد. هدف این مطالعه مقایسه مقادیر تخمینی دو روش تبخیر- تعرق گیاه مرجع چمن پنمن مانتیثASCE و پنمن مانتیث فائو-56 در بازه زمانی یک ساعته در شهرستان فریمان استان خراسان رضوی و مقایسه مجموع 24 ساعته تبخیر- تعرق گیاه مرجع چمن پنمن مانتیثASCE و پنمن مانتیث فائو -56 با مقادیر تخمینی روزانه محاسبه شده از معادله پنمن مانتیث فائو-56 روزانه می باشد. داده های هواشناسی مورد نیاز در یک دوره 278 روزه (اول مهر ماه 1387 تا چهاردهم مرداد ماه 1388) از ایستگاه هواشناسی اینترنتی خودکار نصب شده در یک مزرعه خصوصی واقع در شهرستان فریمان دریافت گردیدند. نتایج نشان داد که در طول روز تبخیر- تعرق ساعتی پنمن مانتیث ASCE بیشتر از تبخیر- تعرق ساعتی پنمن مانتیث فائو 56 می باشد که بدین دلیل است که در طول روز مقاوت سطحی در مدل تبخیر- تعرق ساعتی پنمن مانتیث ASCE کمتر می باشد در حالیکه در طول شب در روش تبخیر- تعرق ساعتی پنمن مانتیث ASCE مقدار مقاومت سطحی بیشتر بوده و در نتیجه تبخیر کمتر از روش تبخیر-تعرق ساعتی پنمن مانتیث فائو 56 می باشد. مقادیر تبخیر- تعرق یک ساعته پنمن مانتیث ASCE در حدود 18 درصد بیشتر از تبخیر- تعرق یک ساعته پنمن مانتیث فائو 56 در این منطقه می باشد و مقادیر تبخیر- تعرق مجموع 24 ساعته پنمن مانتیث فائو در حدود 14 درصد کمتر از تبخیر- تعرق مجموع 24 ساعته پنمن مانتیث ASCE می باشد. اختلاف بین مقادیر محاسبه شده تبخیر- تعرق یک ساعته از دو روش در طول شب و روز وابستگی بسیار بالایی با سرعت باد در روز و شب داشته است. برای تمام طول سال مقادیر تبخیر- تعرق مجموع 24 ساعته پنمن مانتیث فائو 56 نسبت به مقادیر تبخیر- تعرق روزانه پنمن مانتیث فائو 56، در حدود 6/2 درصد بیش برآورد داشته است درحالیکه روش تبخیر- تعرق مجموع 24 ساعته پنمن مانتیث ASCE نسبت به تبخیر- تعرق روزانه پنمن مانتیث فائو 56، در حدود 17 درصد بیش برآورد داشته است. این نتایج تاکید می کند که برای مواردی که نیاز به استفاده از داده های یک ساعته و یا روزانه برای تمام طول می باشد استفاده از داده های تبخیر- تعرق یک ساعته و روزانه روش پنمن مانتیث فائو 56 توصیه می گردد.
کلید واژگان: تبخیر, تعرق مرجع, مقاوت سطح, تبخیر, تعرق پنمن مانتیث ASCE, تبخیر, تعرق پنمن مانتیث فائو, 56, مجموع ساعتی, فریمانPotential evapotranspiration is one of basic parameter in hydrologic cycle that should be estimate in irrigation design and scheduling, watershed hydrology studies. Many applications in diverse disciplines require estimates of evapotranspiration (ET) at hourly or smaller time steps. The primary objectives of this study were to compare the American Society of Civil Engineers (ASCE) and FAO-56 Penman–Monteith equations for hourly ET0 (ET0,hourly,ASCE and ET0, hourly,FAO) estimations for semiarid climate conditions and to compare the 24 h sum of ASCE (ET0,24 h,ASCE) and FAO-56 hourly ET0 (ET0,24 h,FAO) with the daily ET0 (ET0,d,FAO) computed from the daily FAO-56 equation, which is identical to ASCE daily ET0 equation. 278-days, i.e., 2008–2009 continuous hourly and daily weather data from the automated internet weather station where placed in private Farm in fariman khorasan razavi province were used. It was evident that during the day, ET0,hourly,ASCE was higher than ET0, hourly, FAO due to a lower surface resistance parameter value, while at night ET0, hourly,ASCE was lower than ET0, hourly,FAO due to a higher surface resistance parameter value. The ET0, hourly,FAO was about 18% less than ET0, hourly,ASCE and ET0,24 h,FAO was about 14% lower than ET0,24 h,ASCE. The difference between ET0, hourly,ASCE and ET0, hourly,FAO during the day and night was highly dependent on wind speed. For the entire year, ET0,24 h,FAO was 2.6% higher than ET0,d,FAO while ET0,24 h,ASCE was 17% higher than ET0,d,FAO. These results demonstrated that for applications that require hourly time steps or daily ET0 for the entire year, the use of ET0, hourly, FAO and ET0,24 h,FAO, respectively, will yield more consistent outcomes. -
تبخیر- تعرق به عنوان یکی از اجزا مهم چرخه هیدرولوژیک نقش بسیار بزرگی در بررسی بیلان حوضه های آبریز دارد. در محاسبه نیاز آبی گیاهان و حجم تبخیر- تعرق، ابتدا مقدار تبخیر- تعرق مرجع (ET0) محاسبه و سپس توسط آن و با استفاده از روش های مختلف، تبخیر-تعرق برای هر نوع گیاهی محاسبه می شود. در این تحقیق جهت برآوردی دقیق از مقدار تبخیر- تعرق مرجع روزانه در منطقه بناب استان آذربایجان شرقی ابتدا براساس یک روش استاندارد و متداول فائو- پنمن- مونتیث و داده های هواشناسی ایستگاه بناب مقدار تبخیر- تعرق مرجع ET0محاسبه و سپس با ارائه سناریوهای مختلفی از ترکیب پارامترهای هواشناسی شامل میانگین، حداقل و حداکثر دما، میانگین، حداقل و حداکثر رطوبت نسبی، بارش، سرعت باد و ساعات آفتابی به عنوان ورودی مدل شبکه های عصبی مصنوعی پرسپترون چندلایه انتشار خطا به عقب و مدل درختی M5 در مقیاس زمانی روزانه سعی در برآورد دقیق تری از تبخیر-تعرق مرجع به عنوان خروجی مدل شده است. نتایج حاصل از بررسی های فوق نشان می دهد که گرچه روش شبکه عصبی مصنوعی با اختلاف خیلی کمی در مقایسه با روش M5 پیش بینی نسبتا دقیق تری از میزان تبخیر-تعرق مرجع ارائه می کند، اما روش M5 روابط ساده خطی، قابل فهم تر و کاربردی تری برای پیش بینی تبخیر-تعرق ارائه می کند.
کلید واژگان: تبخیر, تعرق مرجع, روش فائو, پنمن, مونتیث, شبکه عصبی مصنوعی, مدل درختی M5, بنابEvapotranspiration as an important element of hydrologic cycle plays a crucial role in the assessment of watershed balance. To calculate plant water requirements، first reference evapotranspiration (ET0) must be computed، then on this basis this calculation can be applied for any other plants. In the present study the precise assessment of daily reference evapotranspiration was carried out in Bonab station by standard FAO-Penman-Monteith then the combination of daily climatic parameters such as average، minimum and maximum of air temperature، average، minimum and maximum of relative humidity، rainfall، wind speed and sunlight hours were all considered as an input of Multi-Layered-Perceptrons Feed Forward Back Propagation Neural Networks and M5 model tree were both applied to achieve better results. It can be inferred that though the Neural Network approach may render more exact result than M5 model tree، however، M5 model tree provides a more understandable، applicable and simple linear relation in predicting evapotranspiration.Keywords: Reference Evapotranspiration, FAO, Penman, Monteith, ANN, M5 model tree, Bonab -
تبخیر-تعرق به عنوان یکی از اجزاء مهم چرخه هیدرولوژیک، نقش مهمی در بیلان حوضه های آبریز دارد. برای محاسبه حجم تبخیر-تعرق و نیاز آبی در گیاهان، لازم است ابتدا مقدار تبخیر-تعرق مرجع (ET0) محاسبه و اعمال ضرائبی، تبخیر-تعرق برای هر نوع گیاهی محاسبه شود. در این تحقیق، ابتدا براساس روش استاندارد و متداول فائو-پنمن-مونتیث و داده های هواشناسی ایستگاه تبریز، مقدار تبخیر-تعرق مرجع ماهانه در منطقه تبریز استان آذربایجان شرقی محاسبه شد. سپس با استفاده از پارامترهای هواشناسی شامل میانگین، حداقل و حداکثر دما و رطوبت نسبی، مقدار بارش، سرعت باد و ساعات آفتابی به عنوان ورودی برنامه ریزی ژنتیک و مدل درختی M5 در مقیاس زمانی ماهانه، میزان تبخیر-تعرق مرجع به عنوان خروجی مدل برآورد گردید. نتایج نشان داد که هر دو روش مذکور نتایج دقیقی (با ضریب تبیین 99/0 برای مدل درختی M5 و 96/0 برای برنامه ریزی ژنتیک) را جهت پیش بینی تبخیر-تعرق مرجع ماهانه در منطقه تبریز ارائه می دهند، ولی مدل درختی M5 روابط خطی ساده، قابل فهم و کاربردی تری برای پیش بینی تبخیر-تعرق مرجع ارائه می دهد.کلید واژگان: تبخیر, تعرق مرجع, فائو, پنمن, مونتیث, برنامه ریزی ژنتیک, مدل درختی M5Evapotranspiration has a main role in water budget assessment and management. In plant water requirements and evapotranspiration volume calculation, firstly reference evapotranspiration (ET0) have to be computed and then plant water requirements can be estimated using different methods. In this research, firstly the reference evapotranspiration factor was calculated by standard FAO-Penman-Monteith formula via climatic data of Tabriz station, East Azerbaijan province. Climatic parameters include mean, minimum and maximum of air temperature also mean, minimum and maximum of relative humidity, rainfall, wind speed and sunshine hours were considered as an input of genetic programming and M5 tree models to estimation of monthly reference evapotranspiration as an output. Results showed that both of two approaches present exact results (determination coefficient for M5 tree model equal to 0.99 and for GP equal to 0.96) in estimating monthly reference evapotranspiration in Tabriz region, but M5 model tree, provides understandable, applicable and simple linear relations to estimate reference evapotranspiration.Keywords: Reference Evapotranspiration, FAO-Penman-Monteith, Genetic Programing, M5 Tree Model
-
در این پژوهش، پهنه بندی داده های فرآورده ی تبخیر-تعرق پتانسیلاستان با هدف شناسایی پهنه های اقلیمی از نظر تبخیر-تعرق پتانسیل و بررسی تغییرات مکانی و زمانی آن در هر پهنه انجام شده است. برای تحقق این هدف از داده های فرآورده ی دورسنجی MOD16A2 سنجنده ی مودیس در فواصل زمانی 8 روزانه در بازه ی زمانی 2014-2000 استفاده گردید. جهت پهنه بندی استان از نظر میانگین بلندمدت تبخیر-تعرق پتانسیل در مقیاس 8 روزانه، پایگاه داده ای با آرایه ای به ابعاد 46 × 388 × 321 تولید شد. خوشه بندی تبخیر-تعرق پتانسیل به منظور تعیین پهنه های تبخیر-تعرق پتانسیل استان به روش وارد روی داده های 8 روزانه انجام شد. نخست استان به دو پهنه ی تبخیر-تعرق پتانسیلیک و دو تقسیم شد که خوشه بندی مجدد آن ها چهار پهنه در گستره ی استان نمایان ساخت. نتایج پژوهش ضمن نشان دادن تغییرات مکانی تبخیر-تعرق پتانسیلاستان، منعکس کننده ی تغییرات آندر چهار پهنه ی همگن تبخیر-تعرق پتانسیل می باشد. از این رو در مدیریت منابع آب در چهار پهنه ی همگن می تواند نقش قابل توجهی داشته باشد.کلید واژگان: مودیس تررا, تبخیر-تعرق پتانسیل, تحلیل خوشه ای, استان آذربایجان شرقی
-
تبخیر-تعرق یکی از اجزای مهم بیلان آب می باشد که اندازه گیری مقدار واقعی آن مشکل است و روش های تعیین آن محدود می باشد. روش های معمول برآورد تبخیر-تعرق عموما نقطه ای بوده و حداکثر سطح یک مزرعه را پوشش می دهد، در صورتیکه جهت مدیریت و برنامه ریزی آبیاری، برآورد تبخیر-تعرق واقعی درسطح شبکه های آبیاری که وابسته به گیاه و مدیریت آبیاری می باشد، ضروری است. استفاده از مدل های مرسوم در برآورد تبخیر تعرق واقعی به علت نقطه ای بودن اطلاعات هواشناسی و عدم در نظر گرفتن تنش های آبی و محیطی از دقت پایینی بر خوردار است. امروزه با پیشرفت تکنولوژی ماهواره ها، امکان برآورد تبخیر-تعرق واقعی با استفاده از تکنیک سنجش از دور در سطح وسیع فراهم شده است. در این تحقیق ضمن بررسی آمار 20 ساله هوا شناسی (1368 تا 1388)، سالهای 1386، 1379 و 1374به عنوان سال های پر بارش، کم بارش و متوسط انتخاب و تبخیر-تعرق واقعی و پتانسیل شبکه آبیاری آبشار اصفهان با استفاده از تصاویر ماهواره NOAA-AVHRR و به کارگیری الگوریتم بیلان انرژی در سطح زمین برآورد گردید. نتایج نشان داد که میزان تبخیر-تعرق در سال کم بارش (1379) به بیشترین میزان (تبخیر-تعرق واقعی تا 1/8 میلیمتر در روز و پتانسیل تا 5/9 میلیمتر در روز) رسیده است. با مقایسه نتایج تبخیر-تعرق به دست آمده از روش سنجش از دور با دو روش برآورد تبخیر-تعرق (هارگریوز و پنمن مانتیث) در هر سال مشاهده شد که نتایج به دست آمده از روش سنجش از دور با ریشه میانگین مربعات خطاها 67/0، میانگین خطای مطلق 4/0 و انحراف 26/0 میلیمتر در روز مطابقت خوبی با برآوردهای حاصل از روش های محاسباتی دارد که نشان دهنده امکان استفاده از تکنیک سنجش از دور برای تخمین تبخیر-تعرق مکانی در سطوح مختلف مزرعه و شبکه های آبیاری می باشد. به طور کلی با برآورد میزان آب مورد نیاز (تبخیر-تعرق واقعی) در نقاط مختلف شبکه می توان نسبت به توزیع مناسب آب در سطح شبکه و بهبود مدیریت آبیاری اقدام نمود که تاثیر به سزایی در مدیریت بهینه مصرف آب در شبکه دارد.
کلید واژگان: تبخیر, تعرق, سنجش از دور, شبکه های آبیاریEvapotranspiration (ET) is one of the most important components of the water balance, it is also one of the most difficult to measure. Despite the importance of ET, methods to obtain values of ET are still limited. Conventional methods are very local, ranging from point to field scale. Estimates of the ET over the entire area, especially for irrigated areas, are essential, as these can differ substantially depending on the crop and the management applied. Today, actual and potential evapotranspiration under different conditions can be estimated by using satellites and remote sensing (RS) techniques. So that in this research, recent twenty years metrological data was assessed and based on precipitation, temperature and wind speed, three period include drought, normal and wet years (2000, 1995 and 2007 respectively) was chosen. The actual and potential evapotranspiration was estimated from a time series of NOAA-AVHRR satellite images using the SEBAL (Surface Energy Balance Algorithm for Land) algorithm in Abshar irrigation system in Esfahan during the three selected years. The results show that the maximum evapotranspiration (8.1 mm/day for ETa and 9.5mm/day for ETp) occurs in 2000 as a drought year. Comparing the potential evapotranspiration results of SEBAL method with Hargreaves and FAO-56 Penman-monteith methods show that, SEBAL method and conventional methods has the same results under current condition, so remote sensing techniques can estimated actual evapotranspiration and produce high spatial coverage of important terms in the water balance for large areas, but at the cost of a rather sparse temporal resolution. As water is highly manageable in irrigation systems, it is an application typically suitable to establish improvements in irrigation water management at large scale such as basin and irrigation systems. -
فصلنامه فضای جغرافیایی، پیاپی 44 (زمستان 1392)، صص 241 -262تبخیر- تعرق به عنوان یکی از مولفه های موثر در چرخه هیدرولوژی نقش قابل ملاحظه ای در اقلیم منطقه ای و جهانی دارد به طوری که به طور متوسط70% نزولات جوی در کره زمین و 90% آن در کشور ما از طریق تبخیر- تعرق به چرخه هیدرولوژی بازمی گردند و از این جهت برآورد دقیق آن حائز اهمیت است. یکی از عوامل مهم و موثر در میزان تبخیر- تعرق واقعی در هر منطقه، دمای سطح زمین است؛ به طوری که افزایش دمای سطح زمین سبب کاهش تبخیر- تعرق واقعی و خشکی سطح زمین می گردد. در این پژوهش با استفاده از تصاویر ماهواره Terra- MODIS در فاصله زمانی 1381 الی 1387 در حوضه سفید رود، مقادیر تبخیر- تعرق واقعی از طریق الگوریتم SEBAL کوهستانی برآورد گردیده و تاثیر افزایش دمای سطح زمین بعنوان یکی از عوامل موثر در کاهش مقدار تبخیر- تعرق واقعی در اثر خشکی سطح زمین و کاهش پوشش گیاهی مورد مطالعه قرار گرفته است. نتایج نشان می دهد که دمای سطح زمین به طور متوسط در حال افزایش و مقدار تبخیر- تعرق واقعی در حال کاهش است. عامل اصلی افزایش دمای سطح نیز، کاهش 78% در بارندگی منطقه در سال 87 می باشد.
کلید واژگان: تبخیر, تعرق واقعی - دمای سطح زمین (LST) - SEBAL - حوضه سفید رود, NDVIGeographic Space, Volume:13 Issue: 44, 2014, PP 241 -262Evapotranspiration is one of the important hydrologic cycle components that have very considerable effect in local and global climate. 70% of precipitation in the world and 90% of it in Iran returns in hydrologic cycle with Evapotranspiration and for this reason its estimation is very valuable. One of important factors in local actual Evapotranspiration is land surface temperature that its increase causes to decrease of actual evapotranspiration. In this study Satellite images of Terra-MODIS used for estimation of Evapotranspiration in Sefidrood basin between 2002 -2008. Satellite image processing for mountain SEBAL method show’s actual Evapotranspiration distribution in basin. Relationship between land surface temperature and vegation cover and actual Evapotranspiration was studied. results shown decrease in actual Evapotranspiration and the reason is decrease in precipitation about 78% in 2008 year.Keywords: Evapotranspiration, LST, SEBAL, Sefidrood basin, NDVI -
تغییر اقلیم بر روند سالانه تولید اولیه خالص و تبخیر تعرق بوم سازگان ها تاثیرگذار است. در پژوهش پیش رو، از داده های هواشناسی بلندمدت (1365 تا 1396) مربوط به 96 ایستگاه هواشناسی همدیدی در پنج ناحیه رویشی جنگلی کشور شامل هیرکانی، ارسباران، زاگرس، صحارا- سندی و ایرانی- تورانی برای محاسبه تولید اولیه خالص با مدل سینتتیک و تبخیر تعرق مرجع با روش فایو- پنمن- مانتیث استفاده شد. آزمون من کندال برای روندیابی تولید اولیه خالص و تبخیر تعرق مرجع سالانه به کار گرفته شد. بیشترین تولید اولیه خالص در ناحیه رویشی هیرکانی (7/10 تن در هکتار در سال) و بیشینه تبخیر تعرق سالانه در ناحیه رویشی صحارا- سندی (2099 میلی متر) برآورد شد. تولید اولیه خالص ناحیه های رویشی صحارا- سندی و ایرانی- تورانی بین دو تا سه تن در هکتار در سال به دست آمد. از 96 روند سالانه تولید اولیه خالص و نیز تبخیر تعرق در ناحیه های رویشی، 22 روند تولید اولیه خالص (حدود 23 درصد) و 73 روند تبخیر تعرق (معادل 76 درصد)، معنی دار بودند. روندیابی تبخیر تعرق و تولید اولیه خالص، گامی مهم برای شناخت اثر تغییر اقلیم بر کارکرد بوم سازگان ها محسوب می شود.کلید واژگان: آزمون من کندال, ایستگاه هواشناسی سینوپتیک, فائو- پنمن- مانتیث, مدل سینتتیکClimate change significantly affects net primary production (NPP) and evapotranspiration (ET). To estimate NPP and reference ET (ET0), long-term (1986-2017) meteorological data collected by 96 synoptic weather stations located in five of Iran's forest vegetation zones: Hyrcanian, Arasbaran, Zagros, Khalijo-Omanian, and Irano-Turanian were used. The synthetic model and FAO Penman-Monteith combination equation were employed for estimation. Mann-Kendall test detected annual trends of NPP and ET0. The Hyrcanian zone demonstrated the highest amount of NPP at 10.7 t ha-1 y-1, while Khalijo-Omanian displayed the highest annual ET0 at 2099 mm. The NPP of Khalijo-Omanian and Irano-Turanian zones were roughly similar, ranging between 2 and 3 t ha-1 y-1. Out of 96 observed annual trends of NPP and ET0 in diverse vegetation zones, statistically significant trends were found in 22 trends (23 percent) of NPP and 73 trends (76 percent) of ET0. Understanding the impact of climate change on ecosystem function requires trending of NPP and ET.Keywords: FAO Penman-Monteith, Mann-Kendall test, Synoptic weather station, Synthetic Model
-
به دلیل برخی مشکلات در استفاده از لایسیمتر برای برآورد تبخیر- تعرق، مانند هزینه های فراوان، زمان بر بودن و تعمیم داده ها به سطح وسیعی از مزرعه، فناوری سنجش از دور برای این منظور در کانون توجه قرار گرفته است. این مطالعه با هدف برآورد تبخیر- تعرق گیاه یونجه با استفاده از تصاویر ماهواره ای و مقایسه و صحت سنجی آن ها با داده های برآورد شده از لایسیمتر، در طول سه سال زراعی (1399-1396)، در دو استان البرز و چهارمحال و بختیاری اجرا شد. در این پروژه مقدار تبخیر- تعرق یونجه در طول دوره رشد به دو روش استفاده از ماهواره لندست8 در قالب الگوریتم سبال و استفاده از لایسیمتر زهکش دار برآورد و نتایج مقایسه شد. چون تصاویر ماهواره ای تبخیر- تعرق گیاهان را در شرایط واقعی و لایسیمترها تبخیر- تعرق را در شرایط استاندارد ارایه می دهند، برای جلوگیری از ورود خطا، در این پروژه، تبخیر- تعرق پیکسل های سرد که دارای شرایط استاندارد هستند استفاده شد. میانگین مقدار نیاز خالص آب آبیاری یونجه در دو استان البرز و چهارمحال و بختیاری توسط لایسیمتر زهکش دار به ترتیب 1383 و 1087 میلی متر به دست آمد. تبخیر- تعرق به دست آمده از ماهواره و لایسیمتر در هر دو استان نشان از همبستگی نسبتا مناسب بین تبخیر- تعرق حاصل از لایسیمتر و ماهواره داشت. در استان البرز و استان چهارمحال و بختیاری ضریب تبیین (R2) به ترتیب 0/73 و 0/76 حاصل شد. افزون بر این، پراکندگی داده های این دو روش نسبت به میانگین کم بود و مقدار تبخیر- تعرق برآورد شده توسط لایسیمتر بیشتر از مقدار تبخیر- تعرق برآورد شده توسط ماهواره بود. در مجموع با توجه به مزایای فراوانی که ماهواره در برآورد تبخیر- تعرق دارد، از جمله ساده و ارزان بودن و دربر گرفتن سطح وسیعی از مزرعه، توصیه می شود از این فناوری برای برآورد آب مصرفی گیاهان زراعی استفاده شود.
کلید واژگان: نیاز آبی یونجه, آب مصرفی گیاه, لایسیمتر زهکش دار, الگوریتم سبالEstimation of crop water requirement and evapotranspiration by lysimeter is costly and time-consuming and could not be applied to larger field scale. Remote sensing technology can overcome this limitation. The goal of this research was to estimate alfalfa actual evapotranspiration using satellite imagery and compare it with the in-situ measurement by lysimeter. The study was carried out from 2017 to 2020 in the agricultural lands of Alborz and Charmahal and Bakhtiari provinces employing Surface Energy Balance Algorithm for Land (SEBAL) method. Lysimeter has been implemented under standard conditions. The cold pixels of each satellite image were extracted to estimate net alfalfa crop water requirement. In-situ net crop water requirement for Alborz and Charmahal and Bakhtiari provinces were obtained as 1383 and 1087 mm, respectively. The coefficients of determination (R2) were 73% and 76%, respectively, for the two studied provinces. The statistical analysis showed that there were small deviations from the mean values. The standard evapotranspiration measurements using lysimeter were higher than the satellite estimations. This technique can be useful for the estimation of crop water consumption since it is simple, cheap, fast, and can be used for large areas.
Keywords: SEBAL Algorithm, Drainage type lysimeter, Alfalfa water requirement -
به منظور برآورد تبخیر- تعرق واقعی چمن، آزمایشی در سال 1389 در ایستگاه هواشناسی دانشکده کشاورزی دانشگاه فردوسی مشهد انجام شد. در این آزمایش، تبخیر- تعرق واقعی چمن در سطوح مختلف کم آبیاری (100، 81، 63، 57 و 41 درصد) با سیستم آبیاری بارانی تک شاخه ای، در دوره های دو روزه به روش بیلان آبی اندازه گیری گردید. همچنین تبخیر-تعرق گیاه مرجع به روش های پنمن- مونتیث فائو، هارگریوز-سامانی و تشت تبخیر نیز برآورد گردید. با محاسبه ضرایب گیاهی در هر سطح آبیاری و بررسی مدل های مختلف فازی و ترکیب های مختلف داده های روزانه هواشناسی، 5 مدل فازی برای برآورد تبخیر و تعرق واقعی روزانه ارائه شد. در این مدل ها تبخیر- تعرق محاسبه شده از معادله پنمن- مونتیث فائو به عنوان خروجی مدل در نظر گرفته شده و کارایی مدل های مورد مقایسه با استفاده از آماره های ریشه میانگین مربع خطا، خطای انحراف میانگین، ضریب تعیین و معیار جاکوویدز (t) و معیار صباغ و همکاران (R2/t) مورد ارزیابی قرار گرفت. نتایج نشان داد که مقادیر تبخیر- تعرق محاسبه شده در شرایط استاندارد با روش های پنمن- مونتیث فائو و هارگریوز- سامانی، در مقایسه با روش بیلان آبی به ترتیب، 17 و 14 درصد بیش برآورد داشته اند. با آنالیز مقادیر تبخیر- تعرق در شرایط غیر استاندارد مشخص شد که کم آبیاری چمن موجب کاهش تبخیر- تعرق واقعی آن می شود، در صورتی که اختلاف مقادیر تبخیر- تعرق در شرایط اعمال 20 درصد کم آبیاری تاثیر معنی داری بر میزان تبخیر- تعرق نداشت. نتایج خروجی مدل های فازی هم نشان دادند که مدل های فازی توسعه یافته با روش مدل ترکیبی (PMF56) تطابق نسبتا بالایی داشته و بنابراین توانایی لازم برای برآورد تبخیر- تعرق واقعی در مقیاس روزانه را دارا می باشند.
-
در بسیاری از مسائل آبیاری و زهکشی، هیدرولوژی، محیط زیستی، فرسایش خاک و منابع آب تخمین دقیق تر تبخیر-تعرق اهمیت زیادی دارد. استفاده از شبکه عصبی مصنوعی یکی از روش های تخمین تبخیر-تعرق مرجع می باشد. تاکنون در بیشتر مقالات منتشر شده داده های اقلیمی به عنوان ورودی شبکه عصبی جهت تخمین تبخیر-تعرق مرجع مورد استفاده قرار گرفته است. در این تحقیق از تبخیر-تعرق محاسبه شده بوسیله روش های محاسباتی هارگریوز سامانی، جنسن هیز، تورک و روش تشت تبخیر در کنار داده های هواشناسی به عنوان داده های ورودی شبکه عصبی مصنوعی استفاده شد. نتایج نشان داد که از بین روش های مذکور که به همراه داده های هواشناسی به عنوان داده های ورودی شبکه عصبی استفاده شده تنها روش جنسن هیز منجر به تخمین تبخیر-تعرق مرجع روش استاندارد پنمن-مانتیس-فائو با دقت بالا گردید و در بقیه روش ها استفاده از شبکه عصبی مصنوعی به همراه روش های محاسباتی اگرچه اندکی دقت تخمین را بهبود داده اما همچنان دقت این روش ها برای محاسبه تبخیر – تعرق مرجع پایین می باشد.کلید واژگان: شبکه عصبی, پنمن, مانتیس, فائو, هارگریوز, سامانی, جنسن, هیز, تورکEstimation of reference evapotranspiration (ETo) is essential for many issues i.e., irrigation and drainage, hydrology, environment, soil erosion and water resources. Using the artificial neural network (ANN) to estimate ETo is common in a lot of studies. But what has not been addressed in previous studies is using meteorological data as an input of neural network together with computational methods. In this study, calculated ETo by computational methods including Jensen-Haise, Turc, Hargreaves-Samani and pan evaporation methods accompanying with meteorological data were used as input data. Results showed that using the calculated ETo by Jensen-Haise method together with meteorological data as input data resulted in closer estimation to calculated ETo by Penman-Montieth-FAO among all of computational methods. Using the calculated ETo by other methods along with meteorological data improved the ETo estimation compared with using the meteorological data lonely, however, accuracy of ETo estimation by using these methods were still low.Keywords: Artificial Neural Network, Penman-Montieth-FAO, Jensen-Haise, Turc, Hargreaves-Samani
نکته:
-
از آنجا که گزینه «جستجوی دقیق» غیرفعال است همه کلمات به تنهایی جستجو و سپس با الگوهای استاندارد، رتبه‌ای بر حسب کلمات مورد نظر شما به هر نتیجه اختصاص داده شده‌است.
- نتایج بر اساس میزان ارتباط مرتب شده‌اند و انتظار می‌رود نتایج اولیه به موضوع مورد نظر شما بیشتر نزدیک باشند. تغییر ترتیب نمایش به تاریخ در جستجوی چندکلمه چندان کاربردی نیست!
- جستجوی عادی ابزار ساده‌ای است تا با درج هر کلمه یا عبارت، مرتبط ترین مطلب به شما نمایش داده‌شود. اگر هر شرطی برای جستجوی خود در نظر دارید لازم است از جستجوی پیشرفته استفاده کنید. برای نمونه اگر به دنبال نوشته‌های نویسنده خاصی هستید، یا می‌خواهید کلمات فقط در عنوان مطلب جستجو شود یا دوره زمانی خاصی مدنظر شماست حتما از جستجوی پیشرفته استفاده کنید تا نتایج مطلوب را ببینید.
متن مطلب
- 4740
- 116
نوع نشریه
-
علمی4856
اعتبار نشریه
- 4848
- 8
نام نشریه (ده نشریه با بیشترین تعداد نتایج)
موضوعات گروه نشریات علمی
نتایج را در یکی از موضوعات زیر محدود کنید.
نتایج را در یکی از موضوعات زیر محدود کنید.
©2000-2025 magiran.com All Rights Reserved.