برآورد تبخير و تعرق واقعي و بهره وري آب گندم با استفاده از الگوريتم سبال و تصاوير ماهواره‌اي لندست 5 دردشت قزوين

Estimation of Actual Evapotranspiration and Water Productivity of Wheat Using SEBAL Algorithm and Landsat 5TM Images

بخش كشاورزي بزرگترين مصرف كننده آب شناخته شده است. با توجه به محدوديت منابع آب لازم است اصلاح بهره وري آب در اين بخش صورت گرفته و مفهوم بهره وري آب در بخش كشاورزي در بين سياستگذاران بخش آب و غذا در سطح وسيع و در حوضه آبريز دشت ها مورد توجه قرار گيرد. سنجش از دور ابزاري است كه در دهه هاي اخير در ارزيابي و مديريت آب و خاك مورد استفاده قرار گرفته است. در اين تحقيق نيز از اين ابزار براي برآورد بهره وري آب استفاده شده است. مقادير تبخير و تعرق و ماده خشك توليدي در دشت قزوين با استفاده از الگوريتم سبال و براي 5 تصوير گرفته شده از ماهواره لندست 5 محاسبه شد. نتايج اجراي الگوريتم سبال در هر پنج تصوير با داده هاي لايسيمتر زهكش دار موجود در منطقه مورد ارزيابي قرار گرفت كه مقدار ضريب تبيين (R^2) آنها 9948/0 و ميانگين تفاضل مطلق آنها 446/0 ميلي متر بر روز به دست آمد. اين نتيجه نشان از دقت مناسب روش سنجش از دور در تخمين تبخير و تعرق در سطح دشت دارد. علاوه بر اين، نتايج نشان داد كه بهره وري آب در سطح دشت از 18/0 تا 35/1 كيلوگرم بر مترمكعب متغير است. ميزان بهره وري آب براي گندم در سطح دشت با تصاوير ماهواره اي لندست 5 به طور متوسط 73/0 كيلوگرم بر مترمكعب و از طريق لايسيمتر گندم، 85/0 كيلوگرم بر مترمكعب به دست آمد كه همديگر را تاييد مي كنند.

The agricultural sector is known as the largest consumer of water. Due to limited water resources, water productivity needs to be enhanced in this sector. The concept of water productivity has attracted the attention of policy makers in food and water sector at large scale. Remote sensing is used in the assessment and management of soil and water resources in recent decades. In the present research, this method was used to estimate water productivity. Evapotranspiration and actual production levels of dry matter were calculated using SEBAL algorithms and five images from the Landsat 5TM satellite in Qazvin Plain. The results of SEBAL algorithm in five images and lysimeter data were compared and evaluated in the region. The coefficient of determination ( ) and their mean absolute difference were 0.9948 and 0.446 mm/day, respectively, which demonstrated the accuracy of remote sensing methods in estimating agricultural water productivity at the basin level. The results showed that water productivity varied from 0.18 to 1.35 in the field. The wheat water productivity values from Landsat 5TM images and lysimeter data were 0.73 and 0.85 kg/m3, respectively, which are relatively close to each other.