ارزیابی داده‌های تبخیر–تعرق، بارش و دمای هوای حاصل از مدل سطح زمین (GLDAS) با استفاده از داده‌های مشاهداتی در استان قزوین

سابقه و هدف: کاهش ذخیره آب یک تهدید هیدرولوژیکی برای تولید محصولات کشاورزی و ثبات اجتماعی و اقتصادی در سراسر جهان به شمار می‌رود. در مناطق خشک و نیمه خشک نظیر کشور ایران که دارای بارش کم و تبخیر-تعرق زیاد می‌باشند این کاهش ذخیره آب به سرعت به آستانه خطر نزدیک می‌شود. لذا برآورد هرچه دقیق‌تر تبخیر-تعرق به‌عنوان یکی از مهم‌ترین پارامترهایی که باعث هدر رفت آب می‌شود می‌تواند گامی به‌سوی افزایش توانایی بشر در کنترل و مدیریت بحران آب باشد. متاسفانه با بروز پدیده خشکسالی و افزایش بی‌رویه مصرف آب و کاهش منابع آب‌های زیرزمینی، استان قزوین با بحران کمبود آب مواجه شده‌است. لذا برآورد تبخیر-تعرق به‌عنوان یکی از پارامترهای مهم بیلان آب منطقه و همچنین یکی از عوامل مهم در بحث هدر رفت آب می‌تواند تا حد زیادی برای این استان اهمیت داشته باشد. هدف اصلی این مقاله معرفی روشی برای افزایش دقت پارامتر تبخیر-تعرق حاصل از مدل سیستم جهانی اطلاعات سطح زمین(GLDAS) و همچنین معرفی تبخیر-تعرق اصلاح شده GLDAS به عنوان جایگزینی مناسب برای داده‌های تبخیر-تعرق لایسیمتر بخصوص در مناطق فاقد آمار و غیرقابل دسترس می‌باشد. مواد و روش‌ها: استان قزوین با مساحتی معادل 15821 کیلـومتر مربـع به ترتیب بـین طول و عرض جغرافیایی 48 درجه و 53 دقیقه و 36 درجه و 50 دقیقه در گوشه شمال‌غرب و 50 درجه و 35 دقیقـه و 35 درجـه و 18 دقیقـه در گوشه جنوب شرقی در حوزه مرکزی ایران واقع شده است. در این پژوهش تبخیر–تعرق لایسیمتر و تبخیر–تعرق حاصل از GLDAS و همچنین بارش و دمای حاصل از مدل GLDAS و بارش ماهواره TRMM برای سال‌های 1379 تا 1382 مورد بررسی قرار گرفته‌‌اند. با توجه به داده‌های بارش 50 ساله منطقه، سال زراعی 80-79، 81-80 و 82-81 به ترتیب به عنوان سال زراعی خشک، نرمال و تر انتخاب شدند. شاخص‌های کمی که به منظور ارزیابی نتایج مورداستفاده قرار گرفته‌اند شامل ریشه میانگین مربعات خطا(RMSE)، میانگین خطای اریبی MBE‌ و میانگین مطلق خطا MAE می‌باشند. یافته‌ها: نتایج بررسی داده‌های تبخیر-تعرق مدل GLDAS و لایسیمتر 95/0=R2، 68/0=RMSE نشان‌ می‌دهد که همبستگی بالایی بین این دو سری داده وجود دارد. علاوه بر تبخیر-تعرق، پارامترهای دما و بارش نیز به عنوان دو عنصر تاثیرگذار بر تبخیر-تعرق مورد بررسی قرار گرفتند. نتایج آماری نشان‌دهنده R2 بیش از 9/0 بین داده‌های دمای هوای حاصل از مدل GLDAS و داده‌های ایستگاهی و 82/0=R2 بین داده‌های بارش حاصل از مدل GLDAS و داده‌های ایستگاهی و همچنین 76/0=R2 بین داده‌های بارش ماهواره TRMM و داده‌های ایستگاهی است. نتیجه‌گیری: با توجه به نتایج بدست آمده استفاده از داده‌های تبخیر-تعرق، دمای هوا و بارش حاصل از مدل GLDAS به عنوان جایگزینی مناسب برای داده‌های مشاهداتی در مناطق فاقد آمار قابل استفاده می‌باشند.