ارزیابی الگوریتم سبال برای تخمین تبخیر- تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل SWAT

الگوریتم سبال ابزاری است که از آن برای تخمین توزیع مکانی تبخیر- تعرق واقعی با استفاده از تصاویر ماهواره­ای از جمله مودیسو لندست استفاده می­شود. اگرچه تصاویر لندست دارای توان تفکیک مکانی بالاتری نسبت به تصاویر مودیس هستند (30 متر در برابر 1000 متر)، اما توان تفکیک زمانی آن­ها نسبت به تصاویر مودیس کمتر است (هر 16 روز در برابر هر روز). از طرف دیگر، تصاویر هر روزه مودیس به دلیل مشکلاتی از قبیل ابرناکی ممکن است همیشه قابل استفاده نباشد و همچنین تفسیر تصاویر متعدد به شدت زمان بر است. در این مطالعه از بین تصاویر هر روزه مودیس تصاویری انتخاب شد که بتواند تغییرات ناگهانی جوی و بارش­های رخداده را پایش نموده تا بتوان با کاهش زمان مورد نیاز برای تفسیر تصاویر ماهواره­ای بدون از دست دادن اطلاعات مفید تصاویر، به تخمینی بهتر از تبخیر-تعرق واقعی دست یافت. با توجه به اهمیت انتخاب پیکسل های سرد و گرم و به دلیل اینکه انتخاب این پیکسل­ها نیاز به مهارت زیادی دارد و زمانبر می­باشد، در این مطالعه از الگوریتم انتخاب خودکار پیکسل سرد و گرم (بدون دخالت کاربر) با کمک تصاویر لندست استفاده شد. در نهایت برای تخمین تبخیر- تعرق سالانه از روی تصاویر روزانه، علاوه بر استفاده از روش درون­یابی خطی بین تصاویر، از روش خطی- لگاریتمی نیز استفاده شد. تبخیر- تعرق به دست آمده از الگوریتم سبال با شرایط توصیف شده در بالا، با تبخیر- تعرق حاصل از معادله بیلان آب و خروجی مدل SWAT برای سه سال تر (1384-1383)، نرمال (1385-1384) و خشک (1387-1386) در حوضه نیشابور- رخ مقایسه شد. همچنین برای صحت­سنجی نتایج از چارچوب بادیکو نیز استفاده شد. بر اساس نتایج به دست آمده، در مقایسه با مدل SWAT، روش خطی- لگاریتمی نتایج بهتری ارائه داد (RMSE، MBE و MAE برای روش خطی-لگاریتمی به ترتیب 4/20، 09/0 و 4/18 میلیمتر در سال و برای روش خطی به ترتیب 8/21، 4/2-، 8/20 میلیمتر در سال بود). نتایج همچنین نشان داد که انتخاب خودکار پیکسل سرد و گرم در الگوریتم سبال ، نتایج قابل قبولی برای تخمین تبخیر- تعرق واقعی در مقیاس زمانی سالانه و مقیاس مکانی کل حوضه به همراه دارد. اما در مقیاس­های کوچکتر مکانی (واحدهای پاسخ هیدرولوژیکی) و زمانی (ماهانه) نتایج الگوریتم سبال با خروجی مدل SWAT همبستگی خوبی ندارد. نتایج همچنین گواهی داد که با وارد کردن عمق آبیاری در منحنی­های بادیکو، تبخیر به دست آمده توسط الگوریتم سبال و مدل SWAT از چارچوب بادیکو تبعیت می­کند.