بروزرساني مدل توزيعي رطوبت خاك پالمر با استفاده از داده‌هاي تبخير- تعرق پتانسيل حاصل از سنجنده ماديس

Assimilation of evapotranspiration maps derived from Modis satellite data into the Palmer distributed soil moisture model

رطوبت خاك يكي از مهم ترين پارامترهاي هيدرولوژيكي است كه در پايش خشكسالي كشاورزي از اهميت خاصي برخوردار است. مدل پالمر يك مدل هيدرولوژيك است كه در عين سادگي كاربرد گسترده اي در برآورد انحراف رطوبت خاك و پايش خشكسالي دارد. اخيراً مدل توزيعي پالمر به منظور مطالعه خشكسالي در ايران توسط تعدادي از محققين داخل كشور با انجام اصلاحاتي بر مدل پالمر توسعه داده شده است. اما آنچه كه كمتر مورد توجه قرارگرفته است اصلاح روش محاسبه تبخير- تعرق است كه بدون شك تاثير زيادي بر مقدار رطوبت باقيمانده در خاك دارد. در اين تحقيق، به منظور كاهش تاثير عدم‌‌ قطعيت پارامترهاي ورودي مدل در سطح منطقه‌اي، نقشه هاي تبخير- تعرق پتانسيل با قدرت تفكيك مكاني 1 كيلومتر از تصاوير ماهواره‌اي سنجنده ماديس و با استفاده از الگوريتم آهاس استخراج شد و در نهايت در بروزرساني مدل پالمر مورد استفاده قرار گرفتند. با استفاده از مدل توزيعي پالمر، شبيه سازي رطوبت خاك با و بدون فرآيند بروز‌رساني در سال هاي 80-1379و 85-1384 به عنوان سال هاي خشك و تر صورت پذيرفت. نتايج، حاكي از آن بود كه شبيه‌سازي همراه با بروز رساني مدل توزيعي پالمر مقدار ضريب تبيين را نسبت به شبيه‌سازي بدون بروز‌ رساني افزايش مي‌دهد بطوري‌كه ضريب تبيين از 304/0 به 5348/0 در ماه خرداد ارتقا يافت. نتايج نشان مي‌دهد كه ورود نقشه‌هاي تبخير- تعرق پتانسيل در دوره خشك بر افزايش دقت نتايج خروجي مدل تاثير مثبت داشته ‌است در حالي‌كه در سال تر، نتايج بهبود چشمگيري نشان ‌نمي‌دهند. بالاترين مقدار ضريب تبيين و كمترين مقدار خطاي مطلق در دوره خشك در ماه خرداد و برابر با 53/0 و 0595/0 مشاهده‌ شد كه نشان مي‌دهد بهترين زمان براي بروز رساني، استفاده از تصاوير شبيه‌سازي شده تبخير- تعرق پتانسيل در اين ماه مي‌باشد.

Soil moisture is considered as an important hydrological parameter which has a significant role in agricultural drought monitoring. Palmer model is a lumped hydrological model and has been applied widely for drought monitoring. Recently its distributed version has been developed for regional drought monitoring in Iran, but correction of evapotranspiration methods which definitely have a high effect on soil moisture residual have been less regarded. In this study, potential evapotranspiration derived from MODIS satellite images and AHAS algorithm was used to reduce the uncertainty of the model caused by the input parameters. The soil moisture simulated using both original and developed Palmer distribution model. Results showed that updating Palmer distribution model during simulation increased correlation compared to simulation without any updates as coefficients of determination improved from 0.304 to 0.5348 in June. The results also showed that using potential evapotranspiration maps for dry periods had a positive effect on the model correction, while it had not significantly improvement in wet periods. The highest amount of coefficient of determination (R2) and the lowest amount of absolute error of 0.53 and 0.0595 respectively was observed in dry period (June) which can be recommended as the best time to update the images of simulated potential evapotranspiration.