دانشگاه شهرکرد پژوهش آب ایران 2008-1235 15 4 2021 12 22 Evaluating the performance of SEBAL and EEFLux algorithms in estimating daily evapotranspiration using Landsat 8 satellite data ارزیابی عملکرد الگوریتم‌های SEBAL و EEFLux در برآورد تبخیر و تعرق روزانه با استفاده از داده‌های ماهواره لندست 8 21 33 11164 10.22034/iwrj.2021.11164 FA ابوالفضل دلاوری کامیاب دانشجوی دکترای گروه مهندسی آب، دانشکدة کشاورزی.، دانشگاه آزاد اسلامی، واحد اراک شهرو مختاری دانشیار گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه آزاد اسلامی، واحد اراک رضا جعفری نیا دانشیار گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه آزاد اسلامی، واحد اراک Journal Article 2020 07 14 Evapotranspiration (ET) is one of the key components of the Earth's hydrological cycle and its accurate estimation is very important in the water resources management and planning in agricultural usages. ET as a main factor in hydrological flux, links energy, carbon and water cycles, and has an important role in meteorology, hydrology and water resource management, especially in Agricultural Water Management (AWM). Precise and accurate estimation of ET is essential for the Integrated Water Resources Management (IWRM). Knowledge about ET (water consumption over the agricultural areas) plays an important role in irrigation planning and agricultural management. Quantification of water consumption in agricultural areas can be carried out using climatic and environmental variables, e.g. reference evapotranspiration (ETo), crop coefficient (Kc) and crop evapotranspiration (ETc).<br />Over the past few decades, satellite imagery based methods have come to the attention of researchers, which they have developed varieties of remote sensing methods to estimate evapotranspiration. In the present study, the Surface Energy Balance algorithm for Land (SEBAL) and Mapping Evapotranspiration with Internalized Calibration (METRIC)/Earth Engine Evapotranspiration Flux (EEFLux) algorithms were used to estimate ET for every pixel of the Landsat 8 at the Oghaf maize farm, Arak, Iran. Various observed data was used in this study. The meteorological data to calculate actual ET were obtained from Markazi Regional Water Authority (sunny hours and solar radiation at selected dates) and Arak synoptic station and the selected satellite data. Moreover, wind speed, dew point temperature and daily temperature at the corresponding dates of the Landsat 8 satellite overpass time were gathered from Iran Meteorological Organization. In order to obtain the Leaf Area Index (LAI) at the overpass time of the Landsat 8 satellite over the study area, field measurements were performed. For this purpose, based on the Landsat pixel size, plots of 30*30 m was designed for field sampling in the selected maize farmland, and a square of 1*1 m as a sub-plot was then designed in the center of each plot. The measurements were done at each date of field operation which was at the same date as the overpass time of the Landsat 8 satellite. ,. In order to compare the used models, some quantitative criteria were required to measure the model performance. In this study, daily ET from SEBAL and EEFlux were used to compare the relative performance of the algorithms for the eight Landsat images during the growth period. Based on commonly used statistical metrics, percent bias error (PBIAS), root mean squared error (RMSE), Nash-Sutcliffe coefficient of efficiency (NSE) and coefficient of determination (R2) criteria were used to evaluate the models. Taylor diagram was applied to provide a visual framework and graphically summarize that illustrates how closely a set of patterns matches the observed data. In this study, Taylor diagram was used for visual comparing Evapotranspiration derived from SEBAL and EEFLux algorithms, based on the ET obtained from Lysimeter (as reference data).<br />The results of estimating daily Evapotranspiration from Surface Energy Balance algorithm for Land (SEBAL) and Earth Engine Evapotranspiration Flux (EEFLux) algorithms indicated that daily ET were low at the beginning of the growing season and then came up until middle of the growing season. Then, the ET values have been decreased due to decreasing temperature as well as changes in maize cover in the study area. Comparison of SEBAL and EEFLux algorithms showed that SEBAL algorithm has estimated about 7.71% of daily ET more that EEFLux algorithm at Arak maize farm. The results of performance evaluation showed that RMSE, NSE, PBIAS and R2 were obtained 0.711, 0.807, 7.398 and 0.885, respectively based on SEBAL algorithm, and for EEFLux algorithm were equal to 1.046, 0.582, 15.080 and 0.793, respectively. The Taylor diagrams showed that the SEBAL model had a lower RMSE and higher correlation than the EEFLux model. Comparing the standard deviation of both models, it was found that the SEBAL model was more in agreement and closer to measured daily ET values than the EEFLux model. This was also observed that SEBAL has a close standard deviation to the measured data, but EEFLux model has a lower standard deviation than the measured data. This indicates that the EEFLux model cannot predict the daily ET the same as SEBAL model. According to observed data (lysimeter data), evaluating the performance of SEBAL and EEFLux algorithms showed that SEBAL algorithm had higher correlation and less standard deviation than EEFLux algorithm. Therefore, SEBAL algorithm had better estimation than the EEFLux algorithm.  تبخیر و تعرق به عنوان یکی از مولفه‌های کلیدی چرخه هیدرولوژیکی کره زمین می‌باشد و برآورد دقیق آن به عنوان یک عامل مهم در برنامه‌ریزی و مدیریت منابع آب در کشاورزی از اهمیت بسیار زیادی برخوردار می‌باشد. طی چند دهه گذشته، روش‌های مبتنی بر استفاده از تصاویر ماهواره‌ای مورد توجه پژوهشگران قرار گرفته است به طوریکه محققان انواع روش‌های سنجش از دور را برای برآورد تبخیر و تعرق توسعه داده‌اند. در پژوهش حاضر، امکان استفاده از دو مدل مبتنی بر سنجش از دور سبال (SEBAL) و متریک (EEFlux) و نیز مقایسه آنها در برآورد تبخیر و تعرق روزانه در مزرعه اوقاف اراک مورد بررسی قرار گرفت. با استفاده از مدل‌های SEBAL و EEFlux شارهای سطحی برای هر پیکسل تصویر ماهواره‌ لندست 8 (برای هست تصویر در دوره فصل رویشی در مزرعه اوقاف اراک) محاسبه و مقدار تبخیر و تعرق واقعی به صورت باقی مانده معادله توازن انرژی در سطح برآورد شد. دقت نتایج الگوریتم‌های SEBAL و EEFlux با استفاده از داده‌های لایسیمتر (برداشت شده در 8 تاریخ منطبق با تاریخ تصاویر ماهواره لندست 8) با استفاده از معیارهای PBAIS، NSE، RMSE و R2 انجام شد. نتایج برآورد تبخیر و تعرق روزانه حاصل از الگوریتم‌های SEBAL و EEFLux به این صورت بود که با شروع فصل زراعی مقادیر تبخیر و تعرق روزانه کم بود و سپس با گذر زمان و رسیدن به میانه‌های فصل زراعی مقدار تبخیر و تعرق به اوج خود رسید و سپس بعد از آن مقادیر تبخیر و تعرق به علت کاهش دما و همچنین تغییرات پوشش ذرت در منطقه مورد مطالعه سیر نزولی به خود گرفت. مقایسه الگوریتم‌های SEBAL و EEFLux حاکی از آن بود که الگوریتم SEBAL حدود 7.71 درصد تبخیر و تعرق واقعی روزانه در محدوده مزرعه اوقاف اراک را بیشتر برآورد کرده است. نتایج ارزیابی عملکرد بیانگر این بود که RMSE، NSE، PBIAS و R2 بر اساس الگوریتم SEBAL به ترتیب برابر با 0.711، 0.807، 7.398 و 0.885 و برای الگوریتم EEFLux به ترتیب برابر با 1.046، 0.582، 15.080 و 0.793 بود. از این‌رو ارزیابی عملکرد الگوریتم‌های SEBAL و EEFLux با توجه به داده‌های لایسیمتر نشان داد که الگوریتم SEBAL دارای همبستگی بالاتر و و انحراف معیار کمتر نسبت به الگوریتم EEFLux می‌باشد. براین اساس، الگوریتم‌ SEBAL نسبت به الگوریتم EEFLux نتایج بهتری را ارائه داده است و الگوریتم‌ SEBAL دقت بالای تصاویر در برآورد تبخیر و تعرق را نشان داد https://iwrj.sku.ac.ir/article_11164_5a4e1f98b2c8560d0a4d8206f4fa2f09.pdf