بهبود قدرت تفکیک زمانی-مکانی داده های تبخیر-تعرق واقعی با استفاده از ترکیب داده های مادیس و لندست-8

هدف این مطالعه تولید نقشه های تبخیر- تعرق روزانه با قدرت تفکیک مکانی 30 متر و به صورت روزانه برای اراضی کشت و صنعت امیرکبیر با استفاده از دو سناریو می باشد. در سناریوی اول پارامترهای ورودی مورد نیاز الگوریتم سبال حاصل از تصاویر مادیس به قدرت تفکیک مکانی لندست-8 ریزمقیاس شد، سپس با استفاده از الگوریتم سبال و پارامترهای ورودی ریزمقیاس شده، تبخیر- تعرق واقعی محاسبه شد. در سناریوی دوم تبخیر- تعرق واقعی بدست آمده از سنجنده مادیس به قدرت تفکیک مکانی لندست-8 ریزمقیاس شد. در سناریوهای اول و دوم ریزمقیاس کردن داده ها با سه روش نسبت، رگرسیون و شبکه عصبی مصنوعی و با دو رویکرد مختلف انجام شد. در رویکرد اول فاصله زمانی بین تصویر پایه و تصویر ریزمقیاس شده از 1 روز تا 15 روز متغیر می باشد ولی در رویکرد دوم فاصله زمانی بین دو تصویر پایه و ریزمقیاس شده 1 روز می باشد. با مقایسه تبخیر- تعرق های واقعی ریزمقیاس شده با مقادیر تبخیر- تعرق واقعی بدست آمده از تصویر لندست-8 روش رگرسیون در سناریوی دوم با رویکرد اول با مجذور میانگین مربعات خطا 87/0 میلیمتر در روز دارای بهترین نتیجه و روش شبکه عصبی مصنوعی در سناریوی دوم با رویکرد دوم با مجذور میانگین مربعات خطا 25/2 میلیمتر در روز دارای بدترین نتیجه بود. اگرچه نتایج محاسبه تبخیر-تعرق واقعی حاصل از ریزمقیاس نمایی در تمامی روش ها در هر دو سناریو و با هر دو رویکرد، نسبت به تبخیر- تعرق واقعی بدست آمده از تصویر مادیس با مجذور میانگین مربعات خطا 19/3 میلیمتر در روز دارای صحت بهتری بود.