26462

ارزيابي تأثير جذب محصولات داده‌ي ماهواره‌اي شاخص سطح برگ براي شبيه‌سازي هيدرولوژيكي يك حوضه‌ي آبريز تحت تأثير دخالت انسان

كارشناسي ارشد

مهندسي عمران- مهندسي آب - مديريت منابع آب

1397

1400/8/19

حسين عليزاده - برات مجردي

مهندسي عمران

تغييرات پوشش گياهي تأثيرات متفاوتي بر چرخه آب زميني دارد و بنابراين نقش اساسي در مدل‌سازي بيوفيزيكي و هيدرولوژيكي در مقياس حوضه‌ي آبريز ايفا مي‌كند. با اين وجود، كاليبراسيون مدل‌سازي هيدرولوژيكي حوضه‌هاي تحت تأثير دخالت انسان يا آبياري غالب با در نظر گرفتن تغييرات پوشش گياهي در كنار متغيرهاي هيدرولوژيكي مانند رواناب به ‌ندرت انجام شده است.. درحالي‌كه در ساير مطالعات نشان داده شده است كه اگرچه كاليبراسيون فقط با جريان رودخانه مي‌تواند به معيارهاي آماري خوبي از جريان رسيد، اما فرآيندهاي داخلي حوضه مثل رطوبت خاك و تغييرات پوشش گياهي به ‌درستي شبيه‌سازي نمي‌شوند. بنابراين هدف مطالعه اين است كه اطلاعات پوشش گياهي را به عنوان يك داده‌ي كمكي در مدل‌سازي هيدرولوژيكي يك حوضه‌ي تحت تأثير دخالت انسان لحاظ كند. بدين منظور، ابتدا نقشه كاربري اراضي و نقشه‌ي الگوي گشت مبتني بر تصاوير سنتينل-2 (S2) فرآهم شد و سپس بازيابي شاخص سطح برگ (LAI) از طريق الگوريتم شبكه عصبي و مدل PROSAIL انجام شد. همچنين براي بررسي كارايي جذب مستقل و هم ‌زمان مشاهداتLAI سنجش از دوري و مشاهدات دبي رودخانه، از تكنيك فيلتر ذرات متوالي (PF) براي بهبود دقت SWAT+ استفاده شد. لازم به ذكر است كه چگونگي ويرايش كدهاي مرجع SWAT+ به ‌منظور جذب داده در اين مطالعه توضيح داده شده است. مدل توسعه‌يافته در يكي از زير حوضه‌هاي رودخانه‌ي حبله رود، زير حوضه‌ي سيمين دشت، واقع در شهرستان فيروزكوه بكار رفت. در اين حوضه، 66 نقشه رستري از LAI با دقت مكاني 20 متر از ژانويه تا دسامبر 2019 و همچنين نقشه كاربري اراضي و نقشه الگوي كشت سال 2019 با دقت مكاني 10 متري فراهم شد. نتايج نشان داد كه در جذب چند متغيره S2-LAI و مشاهدات جريان، شبيه‌سازي هيدرولوژيكي رواناب، تبخيرتعرق و LAI نسبت به جذب مستقل مشاهدات جريان و LAI بهبود مي‌يابد. به طوري كه ضريب نش براي جريان رودخانه از 0.69 (در جذب مستقل رواناب) به 0.78 ( در جذب توامان رواناب و LAI) افزايش مي‌يابد. نتايج همچنين نشان داد كه جذب LAI تأثير مهمي در تخمين حجم و زمان‌هاي آبياري دارد. در نهايت اين مطالعه جذب داده‌هاي LAI را به عنوان يك داده‌ي مكمل در كنار ساير متغيرهاي هيدرولوژيكي براي شبيه سازي حوضه‌هاي كه در آن آبياري غالب است پيشنهاد مي‌‌دهد.

1401/02/24

Evaluation of the effect of assimilating satellite leaf area index data for hydrological simulation of an Irrigation-dominated/managed irrigated Watershed

11/10/2022 12:00:00 AM

Vegetation dynamics have different effects on the terrestrial water cycle and therefore plays an essential role in catchment-scale biophysical and hydrological modeling. Meanwhile, validation of hydrological modelling of irrigation-dominated watersheds with respect to vegetation dynamics besides conventional hydrologic variables such as river streamflow has rarely been studied. In this study, we propose a combinatorial approach; at first, based Sentinel-2 (S2), we provide crop/land-use mapping and retrieve S2-based leaf area index (LAI) through neural network algorithm and PROSAIL model. Then we employ sequential particle filter (PF) technique to explore the benefits of jointly assimilating remotely-sensed high-resolution LAI and in-situ river discharge observations to improve the accuracy of SWAT+ (Soil and Water Assessment Tool Plus) model’s predictions. Moreover, we explain how SWAT+’s source codes must be modified to make the assimilation procedure possible. The developed methodology is applied to an irrigation-dominated watershed in Iran; we provide 66 raster maps of LAI with 20-meter spatial resolution for the study area during January to December of 2019 as well as crop/land-use mapping of 2019 with 10-meter spatial resolution. Results show that improvement in hydrological simulation of LAI, evapotranspiration, and river runoff is achieved when we apply multivariate assimilation of S2-LAI and streamflow observations compared to streamflow or LAI univariate assimilation scenarios. Results also reveal that LAI assimilation has an important influence on the estimation of irrigation volume and timing.

Omid Mohammadi

Dr. Hossein Alizade