مطالعه ی پایش محور میزان تبخیر-تعرق در شهر تبریز با استفاده از الگوریتم SEBAL با یکپارچگی GIS و TRS

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه محیط زیست و ایمنی، دانشکده محیط زیست، دانشگاه تهران، تهران، ایران

2 گروه زمین شناسی منابع معدنی و آب، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

چکیده

سابقه و هدف: تبخیر-تعرق یکی از بخش‌های مهم تعادل چرخه آب هستند. بیش از 72 درصد از منابع آبی کشور به دلیل تبخیر-تعرق از دسترس خارج می‌شود. این عوامل، اهمیت و ضرورت استفاده بهینه از آب و پیش‌بینی دقیق میزان تبخیر و تعرق واقعی در کاربردهای مختلف ازجمله کشاورزی و مدیریت منابع آب، اعم از برنامه‌ریزی آبیاری و مدل‌سازی رشد گیاه را نشان می‌دهد. برآوردهای دقیق تبخیر-تعرق در مطالعاتی از قبیل بررسی تغییرات اقلیمی، توسعه‌ی پایدار و کنترل منابع آبی نقش مهمی را ایفا می‌کند. با توجه به محدود بودن تعداد ایستگاه‌های هواشناسی و بالا بودن هزینه و زمان جمع‌آوری اطلاعات زمینی، استفاده از تکنیک‌های سنجش از دور، در صورت برخورداری از خروجی دقیق و مناسب، می‌تواند ابزار مناسبی برای تعیین تبخیر-تعرق واقعی باشد. ازجمله الگوریتم‌های موجود در سنجش‌ازدور که مربوط به برآورد تبخیر و تعرق که بر اساس روش‌های مبتنی بر بیلان انرژی است، می‌توان به الگوریتم سبال اشاره کرد. سبال یک الگوریتم سنجش از دور است که تعادل انرژی سطحی لحظه‌ای را برای هر پیکسل از یک تصویر ماهواره‌ای انجام می‌دهد. همچنین محدوده مورد بررسی تبریز در غرب استان آذربایجان شرقی است.
مواد و روش­ها: در این پژوهش با توجه به‌دقت و تطبیق‌پذیری بالا در الگوریتم سبال و همچنین تکنیک‌های سنجش‌ازدور برای برآورد تبخیر و تعرق از الگوریتم سبال و تصاویر ماهواره‌ای لندست استفاده گردید. بدین منظور تصاویر ماهواره‌ای لندست در سنجنده‌های ("OLI_TIRS")  و از سال‌ 2013 - 2021 از سایت اداره‌ی کل ملی هوانوردی و فضا (NASA) تهیه‌شده است. همچنین در این پژوهش از فنون سنجش از دور حرارتی و سامانه اطلاعات جغرافیایی که به شیوه‌ای مؤثر و کارآمد با یکدیگر ترکیب شدند استفاده ‌شده است. در اﯾﻦ ﻣﻄﺎﻟﻌﻪ از نرم‌افزار 10.8 ARC Gis ﺑﺮای ﺗﻬﯿﻪ خروجی و از نرم‌افزارهای 5.3 Envi به‌منظور اﻧﺠﺎم ﭘﺮدازش، تجزیه ‌و تحلیل ﺗﺼﺎوﯾﺮ ﻟﻨﺪﺳﺖ اﺳﺘﻔﺎده ﺷﺪ.
نتایج و بحث: نتایج این پژوهش نشان داد (LST) از سال 2017 قسمت نارنجی و قرمز رنگ افزایش پیداکرده است. پیکسل‌های با دمای 315 درجه الی 320 درجه و 320 درجه به بالا در منطقه موردبررسی غالب گردیده است. علاوه بر این شاخص NDVI نشان داد پیکسل‌های رنگ زرد و قرمزرنگ (4/0-2/0) و (<6/0) افزایش پیداکرده است و همچنین ادامه شاخص BT افزایش پیداکرده است و پیکسل‌های 310-315 درجه جای خود را به 315-320 درجه و 320 درجه به بالا داده است. با توجه به ارتباط میان پوشش گیاهی (NDVI) و دمای سطح زمین که مستقیم بر محاسبه‌ی تبخیر-تعرق تأثیر می‌گذارند، نتایج تبخیر-تعرق بدرستی نشان داد روند صعودی در تبخیر-تعرق وجود داشته و از سال 2017 الی 2021 در قسمت خارج از مرکز شهر تبخیر-تعرق افزایش پیداکرده است.
نتیجه‌گیری: با توجه به نتایج این پژوهش، تبخیر-تعرق در خارج از مرکز شهر افزایش پیداکرده است، در قسمت‌هایی که افزایش دما ثبت ‌شده میزان تبخیر-تعرق نیز افزایش پیدا کرده و رابطه معناداری ثبت‌ شده است. همچنین پیشنهاد می‌شود با توجه به نتایج پژوهش که سال‌های 2017، 2019 و 2021 تغییرات مشهودی در خارج از مرکز شهر در تبخیر-تعرق ثبت گردیده است در تحقیقات آینده از فرمول روزانه ماهانه و سالانه استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Monitoring of Evapotranspiration Rate in Tabriz City Using SEBAL Algorithm with GIS and TRS Integration

نویسندگان [English]

  • Ali Sayyadi 1
  • Mohammad Javad Amiri 1
  • Mohamad Yazdi 2
1 Department of Environment and Safety, Faculty of Environment, University of Tehran, Tehran, Iran
2 Department of Geology of Mineral and Water Resources, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran
چکیده [English]

Introduction: The intricate choreography of evaporation and transpiration plays a fundamental role in the delicate ballet of the water cycle, serving as a linchpin for ecological equilibrium. Regrettably, more than 0.72% of a nation's water reservoirs slip through our fingers due to this natural process. The significance of precise predictions for evaporation and transpiration reverberates across a myriad of applications, encompassing agriculture, water resource management, irrigation planning, and the intricate modeling of plant growth. Robust studies on evapotranspiration, especially within the domains of climate change, sustainable development, and the management of water resources, underscore its indispensable importance. Nevertheless, the scarcity of meteorological stations and the resource-intensive nature of ground-based data collection have propelled an exploration into the realm of remote sensing techniques. Remote sensing techniques, when armed with accurate and fitting outputs, emerge as invaluable instruments for unraveling the intricacies of actual evaporation and transpiration.
Among the plethora of algorithms residing within remote sensing, the Sabal algorithm stands out as a beacon of precision. Executing an instantaneous surface energy balance for each pixel in a satellite image, this algorithm becomes a powerful instrument for crafting accurate estimations. This investigation centers on the vibrant city of Tabriz, nestled in the western expanse of East Azerbaijan Province, Iran.
Material and Methods: To unravel the enigmas of evaporation and transpiration in Tabriz, the Sabal algorithm and Landsat satellite images in sensors ("OLI_TIRS") spanning from 2013 to 2021 were enlisted. These images, procured from NASA, became the canvas for the meticulous strokes of remote sensing and geographic information systems (GIS). The harmonious fusion of thermal remote sensing techniques and GIS was orchestrated with precision, employing ARC GIS 10.8 and Envi 5.3 software for the intricate processes of data manipulation, analysis, and visualization.
Results and Discussion: The findings of this research unveiled a visual metamorphosis since 2017, as the orange and red tones of Land Surface Temperature (LST) underwent a discernible escalation. Prevailing pixels exhibited temperatures spanning from 315 to 320 degrees and 320 degrees and above, marking a conspicuous warming trend in the surveyed area. The Normalized Difference Vegetation Index (NDVI) echoed this narrative, with yellow and red pixels (0.2-0.4) and (<0.6) illustrating an upward trajectory. The Brightness Temperature (BT) index joined the symphony of change, portraying an upward shift, as pixels in the 310-315 range yielded ground to 315-320 and 320 degrees and above. The tangible correlation between vegetation cover (NDVI) and land surface temperature resonated in the accurate depiction of the ascending trend in evaporation-transpiration from 2017 to 2021, particularly in the regions beyond the city center.
Conclusion: In conclusion, this research illuminates the surge in evaporation-transpiration beyond Tabriz's city center, notably in regions experiencing a documented temperature increase. The documented correlation underscores the profound influence of climate variations on this indispensable process. It is recommended that, considering the research results indicating noticeable changes in evapotranspiration outside the city center in the years 2017, 2019, and 2021, future investigations utilize daily, monthly, and annual formulas. Factors such as land-use changes and meteorological variables like temperature statistics, precipitation, etc., should be thoroughly examined in upcoming research. And this topic is of utmost importance for sustainability.

کلیدواژه‌ها [English]

  • SEBAL algorithm
  • Heat Island
  • air temperature
  • evaporation
  • Tabriz
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. and Holtslag, A.A.M., 1998. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of Hydrology. 212, 198-212. https://doi.org/10.1016/S0022-1694(98)00253-4
Bastiaanssen, W.G., Pelgrum, H., Wang, J., Ma, Y., Moreno, J.F., Roerink, G.J. and Van der Wal, T., 1998. A remote sensing surface energy balance algorithm for land (SEBAL).Part 2, Validation. Journal of Hydrology. 212, 213-229. https://doi.org/10.1016/S0022-1694(98)00254-6
Brisco, B., Brown, R.J., Hirose, T., McNairn, H. and Staenz, K., 2014. Precision agriculture and the role of remote sensing: a review. Journal canadien de télédétection, 24, 315–327. https://doi.org/10.1080/07038992.1998.10855254
Chander, G., Markham, B. and Helder, D., 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment. 113.893-903. https://doi.org/10.1016/j.rse.2009.01.007.
Jia, L., Xi, G., Liu, S., Huang, C., Yan, Y. and Liu, Y., 2009. Regional estimation of daily to annual regional evapotranspiration with MODIS data in the Yellow River Delta wetland. Hydrology and Earth System Sciences 13:1775–1787. DOI:10.5194/hessd-6-2301-2009
Karbasi, M., Moghaddam, M., Nikbakht, J. and Kaviani, A., 2016. Estimation of crop actual evapotranspiration using SEBAL algorithm (Case study: Khoramdareh region at Zanjan province), Ecohydrology, 3(3):427-437. (In Persian with English abstract). DOI:10.22059/IJE.2016.60031
Liu, S., Bai, J., Jia, Z., Jia, L., Zhou, H. and Lu, L., 2010. Estimation of evapotranspiration in the Mu Us Sandland of China. Hydrology and Earth System Sciences 14(3):573–584. DOI:10.5194/hess-14-573-2010
Lopes, J.D., Rodrigues, L.N., Acioli Imbuzeiro, H.M. and Pruski, F.F., 2019. Performance of SSEBop model for estimating wheat actual evapotranspiration in the Brazilian Savannah region. International Journal of Remote Sensing. 40(18), 6930-6947. Doi: 10.1080/01431161.2019.1597304
MohseniSaruri, M., Ahmadi, H. and Nosrati, K., 2010. Application of Sebal model in estimating evapotranspiration in Taleghan catchment area, The first International Conference on Plant, Water, Soil and Weather Modeling, Kerman, Iran.1-34 (In Persian with English abstract).
Papadavid, G., Hadjimitsis, D.G., Toulios, L. and Michaelides, S., 2013. A modified SEBAL modelling approach for estimating crop evapotranspiration in semi-arid conditions. Water resources management, 27(9).3493-3506. DOI:10.1007/s11269-013-0360-x
Rajeshwari, A. and Mani, N.D., 2014. Estimation of the land surface temperature of Dindigul district using Landsat 8 data. International Journal of Research in Engineering and Technology. 3.122-126. DOI:10.15623/ijret.2014.0305025
Remote Sensing Research Center (RSRC), 2015. Estimation of evapotranspiration, costs and the amount of water saving in agriculture (case study: Urmia Lake basin for 2010), EWRC in Sharif University of Technology.
Sanaeinejad, S.H., NASSIRI, M.M., Zare, H., Salehnia, N. and Ghaemi, M., 2014. Wheat yield estimation using landsat images and field observation: A case study in Mashhad. Journal of  Plant Production Research. 20(4), 45-63 20.1001.1.23222050.1392.20.4.3.2
Sharghi, T., Bary Abarghuei, H., Asadi M. and Kousari, M., 2010. Estimation of reference evapotranspiration using FAO-Penman-Monteith method and its zonation in Yazd province, Journal of Arid Biome. 1 (1). 25-33. (In Farsi with English abstract). 20.1001.1.2008790.1389.1.1.3.7
Szabó, S., Elemér, L., Kovács, Z., Püspöki, Z., Kertész, A., Kumar Singh, S. and Balázs, B., 2018. NDVI dynamics as reflected in climatic variables: spatial and temporal trends-a case study of Hungary. GIScience & Remote Sensing, 56(4), 624-644. DOI:10.1080/15481603.2018.1560686
Van De Griend, A.  and Owe, M., 1993.On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces.International Journal of Remote Sensing. 14. 1119-1131.