ارزيابي الگوريتم سبال براي تخمين تبخير- تعرق واقعي حوضه نيشابور-رخ با استفاده از مدل SWAT

Assessment of the SEBAL Algorithm to Estimate Actual Evapotranspiration in Neishaboor-Rokh Watershed Using SWAT Model

الگوريتم سبال ابزاري است كه از آن براي تخمين توزيع مكاني تبخير- تعرق واقعي با استفاده از تصاوير ماهواره اي از جمله موديسو لندست استفاده مي شود. اگرچه تصاوير لندست داراي توان تفكيك مكاني بالاتري نسبت به تصاوير موديس هستند (30 متر در برابر 1000 متر)، اما توان تفكيك زماني آن ها نسبت به تصاوير موديس كمتر است (هر 16 روز در برابر هر روز). از طرف ديگر، تصاوير هر روزه موديس به دليل مشكلاتي از قبيل ابرناكي ممكن است هميشه قابل استفاده نباشد و همچنين تفسير تصاوير متعدد به شدت زمان بر است. در اين مطالعه از بين تصاوير هر روزه موديس تصاويري انتخاب شد كه بتواند تغييرات ناگهاني جوي و بارش هاي رخداده را پايش نموده تا بتوان با كاهش زمان مورد نياز براي تفسير تصاوير ماهواره اي بدون از دست دادن اطلاعات مفيد تصاوير، به تخميني بهتر از تبخير-تعرق واقعي دست يافت. با توجه به اهميت انتخاب پيكسل هاي سرد و گرم و به دليل اينكه انتخاب اين پيكسل ها نياز به مهارت زيادي دارد و زمانبر مي باشد، در اين مطالعه از الگوريتم انتخاب خودكار پيكسل سرد و گرم (بدون دخالت كاربر) با كمك تصاوير لندست استفاده شد. در نهايت براي تخمين تبخير- تعرق سالانه از روي تصاوير روزانه، علاوه بر استفاده از روش درون يابي خطي بين تصاوير، از روش خطي- لگاريتمي نيز استفاده شد. تبخير- تعرق به دست آمده از الگوريتم سبال با شرايط توصيف شده در بالا، با تبخير- تعرق حاصل از معادله بيلان آب و خروجي مدل SWAT براي سه سال تر (1384-1383)، نرمال (1385-1384) و خشك (1387-1386) در حوضه نيشابور- رخ مقايسه شد. همچنين براي صحت سنجي نتايج از چارچوب باديكو نيز استفاده شد. بر اساس نتايج به دست آمده، در مقايسه با مدل SWAT، روش خطي- لگاريتمي نتايج بهتري ارايه داد (RMSE، MBE و MAE براي روش خطي-لگاريتمي به ترتيب 4/20، 09/0 و 4/18 ميليمتر در سال و براي روش خطي به ترتيب 8/21، 4/2-، 8/20 ميليمتر در سال بود). نتايج همچنين نشان داد كه انتخاب خودكار پيكسل سرد و گرم در الگوريتم سبال ، نتايج قابل قبولي براي تخمين تبخير- تعرق واقعي در مقياس زماني سالانه و مقياس مكاني كل حوضه به همراه دارد. اما در مقياس هاي كوچكتر مكاني (واحدهاي پاسخ هيدرولوژيكي) و زماني (ماهانه) نتايج الگوريتم سبال با خروجي مدل SWAT همبستگي خوبي ندارد. نتايج همچنين گواهي داد كه با وارد كردن عمق آبياري در منحني هاي باديكو، تبخير به دست آمده توسط الگوريتم سبال و مدل SWAT از چارچوب باديكو تبعيت مي كند.

The SEBAL algorithm is used to estimate spatial distribution of actual evapotranspiration using remote sensing imageries of MODIS or Landsat. Despite having a better spatial resolution than MODIS imageries (30 m instead of 1000 m), Landsat imageries do not have an appropriate temporal resolution (every 16 days instead of daily). On the other hand, the daily imageries of MODIS can be difficult to use under cloudy condition. Additionally, it is also a time-consuming process to interpret all the imageries. In this research, we chose the appropriate imageries from MODIS to be able to monitor the sudden weather changes as well as rainfall events and to reduce the interpretation time, while keeping the important information of the daily MODIS imageries in order to obtain the better actual evapotranspiration estimates. Due to the importance of hot and cold pixel selection, whose selection needs time and proficiency, we applied the automated method of hot and cold pixel selection (without user-intervention) using Landsat imageries. To integrate evapotranspiration over time, we used linear-logarithmic interpolation method in addition to linear interpolation method. The estimated actual evapotranspiration by SEBAL was compared to the estimated actual evapotranspiration from water balance equation and SWAT model for 3 years including a wet year (2004-2005), a normal year (2005-2006) and a dry year (2007-2008) in the Neishaboor-Rokh watershed. Furthermore, we used the Budyko framework to validate the evapotranspiration estimated by SEBAL and SWAT. The results showed that in comparison to SWAT, the linear-logarithmic interpolation method performed better than the linear method to estimate evapotranspiration. For linear-logarithmic method, RMSE, MBE, and MAE were 20.4, 0.09, and 18.4 mm year-1, respectively; and for the linear method, they were 21.8, -2.4, and 20.8 mm year-1, respectively. The results also demonstrated that the SEBAL algorithm with automated cold and hot pixel selection is able to have a good estimate of actual evapotranspiration at annual time scale and watershed scale. But, the algorithm does not perform well at HRUs and monthly scale in comparison to SWAT model. Results showed that by taking irrigation into account, evaporation estimated by SEBAL and SWAT follows the Budyko framework.