دوره 12، شماره 24 - ( پاییز و زمستان 1400 1400 )
جلد 12 شماره 24 صفحات 76-65 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asadi Oskouei E, Jamei M. (2021). Production of Soil Moisture Maps in Iran from BEC Global Level 3 Products of SMOS Satellite. J Watershed Manage Res. 12(24), 65-76. doi:10.52547/jwmr.12.24.65
URL: http://jwmr.sanru.ac.ir/article-1-1112-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1112-fa.html
اسعدی اسکویی ابراهیم، جامعی مژده. تولید نقشه‌های رطوبت خاک ایران از محصولات BEC Global Level 3 ماهواره اسموس پژوهشنامه مديريت حوزه آبخيز 1400; 12 (24) :76-65 10.52547/jwmr.12.24.65
1- پژوهشگاه هواشناسی و علوم جو
2- هواشناسی کشاورزی، سازمان آب و برق خوزستان
2- هواشناسی کشاورزی، سازمان آب و برق خوزستان
چکیده: (3559 مشاهده)
چکیده مبسوط
مقدمه و هدف: رطوبت خاک سطحی یکی از مؤلفه‌های اساسی سامانه اقلیمی زمین و چرخه هیدرولوژیکی است که نقش مهمی در کاربری های علمی و عملی مختلف نظیر پیش بینی عددی هواشناسی، پایش وقایع فرین، مدلسازی هیدرولوژیکی، مطالعات تغییراقلیم و مدیریت منابع آب دارد. سنجش از دور مایکروویو قابلیت منحصربه‌فردی برای برآورد جهانی رطوبت خاک در سطوح گسترده دارد، در این خصوص ماهواره اسموس آژانس فضایی اروپا اولین ماموریت اختصاصی برای پایش جهانی رطوبت خاک است که از سال 2009 فعالیت دارد. هدف این تحقیق استخراج داده های رطوبت خاک از محصولات ماهواره اسموس (BEC_L3_SM_SMOS) و تولید نقشه های رطوبت خاک در مقیاس های زمانی مختلف برای ایران و نیز ارزیابی تغییرات مکانی و زمانی این داده ها (دوره آماری 2010 تا 2019) برای کشور است.
مواد و روش‌ها: در راستای هدف تحقیق، یک مدل با استفاده از قابلیت های Model Builder نرم‌افزار Arc Map به منظور خواندن و استخراج باند رطوبت خاک از محصولات BEC_L3_SM_SMOS ماهواره اسموس و تولید نقشه های میانگین رطوبت خاک برای ایران توسعه داده شد. به منظور بررسی منابع تداخل فرکانس رادیویی (RFI) محصولات اسموس، نقشه های احتمال رخداد RFI اسموس در ایران در دوره آماری مطالعاتی مورد ارزیابی قرار گرفت و مشخص شد که داده های مدار صعودی اسموس در ایران کمترین درصد RFI را دارند. براین اساس از محصولات (ASC) BEC_L3_SM_SMOS برای تولید نقشه های رطوبت خاک کشور استفاده گردید.
یافته‌ها: نتایج حاصل از اجرای مدل توسعه داده شده در تحقیق، دستیابی به نقشه های میانگین ماهانه، فصلی و سالانه رطوبت خاک از محصولات ماهواره ی اسموس طی 10 سال برای ایران است. ارزیابی تغییرات زمانی نقشه های میانگین ماهانه رطوبت خاک اسموس بیانگر آن است که بالاترین مقدار بیشینه ماهانه رطوبت خاک ( m3m-3854/0) در ماه می رخ داده است. همچنین بیشترین میانگین ماهانه رطوبت خاک مربوط به ماه های فوریه (m3m-3 0/087)، مارس (m3m-3 0/086) و آوریل (m3m-3 0/086) بوده و کمترین میانگین ماهانه رطوبت خاک در ماه های اوت (m3m-3 0/034) و سپتامبر (m3m-3 0/037) رخ می دهد. ارزیابی نقشه میانگین سالانه (10 سال) رطوبت خاک کشور، حاصل از داده های ماهواره اسموس، نشان داد که رطوبت خاک بین مقادیر کمینه 0/002 و بیشینه m3m-30/78 در سطح کشور متغیر بوده و متوسط میانگین 10 ساله رطوبت سطحی خاک برای کل ایران بر اساس داده های ماهواره اسموس برابر m3m-3 0/063 است.
نتیجه گیری: باتوجه به کمبود داده های رطوبت خاک در ایران و توانایی ماهواره اسموس در تولید داده های رطوبت خاک با کیفیت مطلوب، میتوان از محصولات این ماهواره برای کاربردهای مختلف در ایران استفاده نمود. از نقشه های میانگین رطوبت خاک ماهانه، فصلی و سالانه حاصل از این تحقیق می توان در مطالعات منطقه ای مدل های هیدرولوژی، بهبود و افزایش دقت مدل های پیش بینی هواشناسی، مدیریت منابع آب، مطالعات تغییر اقلیم، برنامه ریزی آبیاری در کشاورزی و هوشمندسازی آبیاری دارند.
مقدمه و هدف: رطوبت خاک سطحی یکی از مؤلفه‌های اساسی سامانه اقلیمی زمین و چرخه هیدرولوژیکی است که نقش مهمی در کاربری های علمی و عملی مختلف نظیر پیش بینی عددی هواشناسی، پایش وقایع فرین، مدلسازی هیدرولوژیکی، مطالعات تغییراقلیم و مدیریت منابع آب دارد. سنجش از دور مایکروویو قابلیت منحصربه‌فردی برای برآورد جهانی رطوبت خاک در سطوح گسترده دارد، در این خصوص ماهواره اسموس آژانس فضایی اروپا اولین ماموریت اختصاصی برای پایش جهانی رطوبت خاک است که از سال 2009 فعالیت دارد. هدف این تحقیق استخراج داده های رطوبت خاک از محصولات ماهواره اسموس (BEC_L3_SM_SMOS) و تولید نقشه های رطوبت خاک در مقیاس های زمانی مختلف برای ایران و نیز ارزیابی تغییرات مکانی و زمانی این داده ها (دوره آماری 2010 تا 2019) برای کشور است.
مواد و روش‌ها: در راستای هدف تحقیق، یک مدل با استفاده از قابلیت های Model Builder نرم‌افزار Arc Map به منظور خواندن و استخراج باند رطوبت خاک از محصولات BEC_L3_SM_SMOS ماهواره اسموس و تولید نقشه های میانگین رطوبت خاک برای ایران توسعه داده شد. به منظور بررسی منابع تداخل فرکانس رادیویی (RFI) محصولات اسموس، نقشه های احتمال رخداد RFI اسموس در ایران در دوره آماری مطالعاتی مورد ارزیابی قرار گرفت و مشخص شد که داده های مدار صعودی اسموس در ایران کمترین درصد RFI را دارند. براین اساس از محصولات (ASC) BEC_L3_SM_SMOS برای تولید نقشه های رطوبت خاک کشور استفاده گردید.
یافته‌ها: نتایج حاصل از اجرای مدل توسعه داده شده در تحقیق، دستیابی به نقشه های میانگین ماهانه، فصلی و سالانه رطوبت خاک از محصولات ماهواره ی اسموس طی 10 سال برای ایران است. ارزیابی تغییرات زمانی نقشه های میانگین ماهانه رطوبت خاک اسموس بیانگر آن است که بالاترین مقدار بیشینه ماهانه رطوبت خاک ( m3m-3854/0) در ماه می رخ داده است. همچنین بیشترین میانگین ماهانه رطوبت خاک مربوط به ماه های فوریه (m3m-3 0/087)، مارس (m3m-3 0/086) و آوریل (m3m-3 0/086) بوده و کمترین میانگین ماهانه رطوبت خاک در ماه های اوت (m3m-3 0/034) و سپتامبر (m3m-3 0/037) رخ می دهد. ارزیابی نقشه میانگین سالانه (10 سال) رطوبت خاک کشور، حاصل از داده های ماهواره اسموس، نشان داد که رطوبت خاک بین مقادیر کمینه 0/002 و بیشینه m3m-30/78 در سطح کشور متغیر بوده و متوسط میانگین 10 ساله رطوبت سطحی خاک برای کل ایران بر اساس داده های ماهواره اسموس برابر m3m-3 0/063 است.
نتیجه گیری: باتوجه به کمبود داده های رطوبت خاک در ایران و توانایی ماهواره اسموس در تولید داده های رطوبت خاک با کیفیت مطلوب، میتوان از محصولات این ماهواره برای کاربردهای مختلف در ایران استفاده نمود. از نقشه های میانگین رطوبت خاک ماهانه، فصلی و سالانه حاصل از این تحقیق می توان در مطالعات منطقه ای مدل های هیدرولوژی، بهبود و افزایش دقت مدل های پیش بینی هواشناسی، مدیریت منابع آب، مطالعات تغییر اقلیم، برنامه ریزی آبیاری در کشاورزی و هوشمندسازی آبیاری دارند.
واژه‌های کلیدی: رادیومتری باند-L، رطوبت خاک ماهوارهای، ماهواره اسموس، مایکروویو غیرفعال، نقشه رطوبت خاک
نوع مطالعه: پژوهشي |
موضوع مقاله:
سنجش از دور و سامانه های اطلاعات جغرافيايی
دریافت: 1399/7/9 | پذیرش: 1400/3/29
دریافت: 1399/7/9 | پذیرش: 1400/3/29
فهرست منابع
1. Al-Yaari, A., J.P. Wigneron, A. Ducharne, Y. Kerr, W. Wagner, G. De Lannoy, R. Reichle, A. Al Bitar, W. Dorigo and P. Richaume. 2014. Global-scale comparison of passive (SMOS) and active (ASCAT) satellite based microwave soil moisture retrievals with soil moisture simulations (MERRA-Land). Remote Sensing of Environment, 152: 614-626. [DOI:10.1016/j.rse.2014.07.013]
2. Al-Yaari, A.M. 2014. Global-scale evaluation of a hydrological variable measured from space: SMOS satellite remote sensing soil moisture products. 2014 Université Pierre et Marie Curie-Paris VI.
3. Al Bitar, A., D. Leroux, Y.H. Kerr, O. Merlin, P. Richaume, A. Sahoo and E.F. Wood. 2012. Evaluation of SMOS soil moisture products over continental US using the SCAN/SNOTEL network. Geoscience and Remote Sensing, IEEE Transactions on, 50(5): 1572-1586. [DOI:10.1109/TGRS.2012.2186581]
4. Albergel, C., P. De Rosnay, C. Gruhier, J. Muñoz-Sabater, S. Hasenauer, L. Isaksen, Y. Kerr and W. Wagner. 2012. Evaluation of remotely sensed and modelled soil moisture products using global ground-based in situ observations. Remote Sensing of Environment, 118: 215-226. [DOI:10.1016/j.rse.2011.11.017]
5. Anam, R., F. Chishtie, S. Ghuffar, W. Qazi and I. Shahid. 2017. Inter-comparison of SMOS and AMSR-E soil moisture products during flood years (2010-2011) over Pakistan. European Journal of Remote Sensing, 50(1): 442-451. [DOI:10.1080/22797254.2017.1352461]
6. Champagne, C., T. Rowlandson, A. Berg, T. Burns, J. L'Heureux, E. Tetlock, J.R. Adams, H. McNairn, B. Toth and D. Itenfisu. 2016. Satellite surface soil moisture from SMOS and Aquarius: Assessment for applications in agricultural landscapes. International Journal of Applied Earth Observation and Geoinformation, 45: 143-154. [DOI:10.1016/j.jag.2015.09.004]
7. Cui, C., J. Xu, J. Zeng, K.S. Chen, X. Bai, H. Lu, Q. Chen and T. Zhao. 2018. Soil moisture mapping from satellites: An intercomparison of SMAP, SMOS, FY3B, AMSR2, and ESA CCI over two dense network regions at different spatial scales. Remote Sensing, 10(1): 33 p. [DOI:10.3390/rs10010033]
8. dall'Amico, J.T., F. Schlenz, A. Loew and W. Mauser. 2012. First Results of SMOS Soil Moisture Validation in the Upper Danube Catchment. IEEE Transactions on Geoscience and Remote Sensing, 50: 1507-1516. [DOI:10.1109/TGRS.2011.2171496]
9. Djamai, N., R. Magagi, K. Goïta, M. Hosseini, M.H. Cosh, A. Berg and B. Toth. 2015. Evaluation of SMOS soil moisture products over the CanEx-SM10 area. Journal of Hydrology, 520: 254-267. [DOI:10.1016/j.jhydrol.2014.11.026]
10. Dorigo, W., W. Wagner, R. Hohensinn, S. Hahn, C. Paulik, A. Xaver, A. Gruber, M. Drusch, S. Mecklenburg and P.V. Oevelen. 2011. The International Soil Moisture Network: a data hosting facility for global in situ soil moisture measurements. Hydrology and Earth System Sciences, 15(5): 1675-1698. [DOI:10.5194/hess-15-1675-2011]
11. Edrisi, T., M. Habibnejad Roshan and B. Jafari Gorzin. 2020. Simulation of Zaremrod river flow in different time scales using soil moisture accounting model (SMA). journal of watershed management research, 11(21): 198-207 (In Persian).
12. El Hajj, M., N. Baghdadi, M. Zribi, N. Rodríguez-Fernández, J.P. Wigneron, A. Al-Yaari, A. Al Bitar, C. Albergel and J.C. Calvet. 2018. Evaluation of SMOS, SMAP, ASCAT and Sentinel-1 Soil Moisture Products at Sites in Southwestern France, 10(4): 569. [DOI:10.3390/rs10040569]
13. Entekhabi, D., E.G. Njoku, P.E. Neill, K.H. Kellogg, W.T. Crow, W.N. Edelstein, J.K. Entin, S.D. Goodman, T.J. Jackson and J. Johnson. 2010. The soil moisture active passive (SMAP) mission, Proceedings of the IEEE, 98(5): 704-716. [DOI:10.1109/JPROC.2010.2043918]
14. Famiglietti, J.S., D. Ryu, A.A. Berg, M. Rodell and T.J. Jackson. 2008. Field observations of soil moisture variability across scales. Water Resources Research, 44: 1-16. [DOI:10.1029/2006WR005804]
15. Jamei, M., M. Mousavi Baygi, E.A. Oskouei and E. Lopez-Baeza. 2020. Validation of the SMOS Level 1C Brightness Temperature and Level 2 Soil Moisture Data over the West and Southwest of Iran. Remote Sensing, 12(17): 2819. [DOI:10.3390/rs12172819]
16. Kerr, Y.H., A. Al-Yaari, N. Rodriguez-Fernandez, M. Parrens, B. Molero, D. Leroux, S. Bircher, A. Mahmoodi, A. Mialon and P. Richaume. 2016. Overview of SMOS performance in terms of global soil moisture monitoring after six years in operation. Remote Sensing of Environment, 180: 40-63. [DOI:10.1016/j.rse.2016.02.042]
17. Kerr, Y.H., P. Waldteufel, P. Richaume, J.P. Wigneron, P. Ferrazzoli, A. Mahmoodi, A. Al Bitar, F. Cabot, C. Gruhier and S.E. Juglea. 2012. The SMOS soil moisture retrieval algorithm. Geoscience and Remote Sensing, IEEE Transactions on, 50(5): 1384-1403. [DOI:10.1109/TGRS.2012.2184548]
18. Kerr, Y.H., P. Waldteufel, J.P. Wigneron, S. Delwart, F.O. Cabot, J. Boutin, M.J. Escorihuela, J. Font, N. Reul and C. Gruhier. 2010. The SMOS mission: New tool for monitoring key elements ofthe global water cycle. Proceedings of the IEEE, 98(5): 666-687. [DOI:10.1109/JPROC.2010.2043032]
19. Kerr, Y.H., P. Waldteufel, J.P.Wigneron, J.M. Martinuzzi, J. Font and M. Berger, 2001. Soil moisture retrieval from space: The Soil Moisture and Ocean Salinity (SMOS) mission. Geoscience and Remote Sensing, IEEE Transactions on, 39(8): 1729-1735. [DOI:10.1109/36.942551]
20. Leroux, D.J., Y.H. Kerr, A. Al Bitar, R. Bindlish, T.J. Jackson, B. Berthelot, and G. Portet. 2014. Comparison between SMOS, VUA, ASCAT and ECMWF soil moisture products over four watersheds in US. Geoscience and Remote Sensing, IEEE Transactions on, 52(3): 1562-1571. [DOI:10.1109/TGRS.2013.2252468]
21. Leroux, D.J., Y.H. Kerr, P. Richaume and R. Fieuzal. 2013. Spatial distribution and possible sources of SMOS errors at the global scale. Remote Sensing of Environment, 133: 240-250. [DOI:10.1016/j.rse.2013.02.017]
22. Mason, P., J. Zillman, A. Simmons, E. Lindstrom, D. Harrison, H. Dolman, S. Bojinski, A. Fischer, J. Latham and J. Rasmussen. 2010. Implementation plan for the global observing system for climate in support of the UNFCCC (2010 Update). 2010 GOOS-184, GTOS-76, WMO-TD/No. 1523: Geneva.
23. McNally, A., Husak, G.J., Brown, M., Carroll, M., Funk, C., Yatheendradas, S., Arsenault, K., Peters-Lidard, C., and Verdin, J.P. 2015. Calculating Crop Water Requirement Satisfaction in the West Africa Sahel with Remotely Sensed Soil Moisture. Journal of Hydrometeorology, 16: p. 295-305. [DOI:10.1175/JHM-D-14-0049.1]
24. Nadi, m. and Shiukhy Soqanloo, S. 2020. Comparison of SPI and SPImod in Drought Monitoring of Several Climatic Samples of Iran. journal of watershed management research, 11(21): 108-118 (In Persian).
25. Oliva, R., E. Daganzo, Y.H. Kerr, S. Mecklenburg, S. Nieto, P. Richaume and C. Gruhier. 2012. SMOS radio frequency interference scenario: Status and actions taken to improve the RFI environment in the 1400-1427-MHz passive band. IEEE Transactions on Geoscience and Remote Sensing, 50(5): 1427-1439. [DOI:10.1109/TGRS.2012.2182775]
26. Pan, M., A.K. Sahoo, E.F. Wood, A. Al Bitar, D. Leroux and Y.H. Kerr. 2012. An initial assessment of SMOS derived soil moisture over the continental United States. Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, 5(5): 1448-1457. [DOI:10.1109/JSTARS.2012.2194477]
27. Peggy O'Neill, R.B., S. Chan, E. NjokuJet and T. Jackson. 2018. Soil Moisture Active Passive (SMAP) Algorithm Theoretical Basis Document Level 2 & 3 Soil Moisture (Passive) Data Products. 2018, R. D, Editor: Jet Propulsion Laboratory California Institute of Technology. 1-82 p.
28. Sánchez, N., J. Martínez-fernández, A. Scaini and C. Pérez-gutiérrez. 2012. Validation of the SMOS L2 Soil Moisture Data in the REMEDHUS Network (Spain), 50: 1602-1611. [DOI:10.1109/TGRS.2012.2186971]
29. Schalie, R.v.d., Y.H. Kerr, J.P. Wigneron, N.J. Rodríguez-Fernández, A. Al-Yaari and R.A.M.d. Jeu. 2016. Global SMOS Soil Moisture Retrievals from The Land Parameter Retrieval Model. International Journal of Applied Earth Observation and Geoinformation, 45: 125-134. [DOI:10.1016/j.jag.2015.08.005]
30. Srivastava, P.K., Han, D., Rico Ramirez, M.a., and Islam, T. 2013. Appraisal of SMOS soil moisture at a catchment scale in a temperate maritime climate. Journal of Hydrology, 498: 292-304. [DOI:10.1016/j.jhydrol.2013.06.021]
31. Su, C.H., D. Ryu, R.I. Young, A.W. Western and W. Wagner. 2013. Inter-comparison of microwave satellite soil moisture retrievals over the Murrumbidgee Basin, southeast Australia. Remote Sensing of Environment, 134: 1-11. [DOI:10.1016/j.rse.2013.02.016]
32. Walker, V.A., B.K. Hornbuckle and M.H. Cosh. 2018. A Five-Year Evaluation of SMOS Level 2 Soil Moisture in the Corn Belt of the United States. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, (99): 1-12. [DOI:10.1109/JSTARS.2018.2864897]
33. Wigneron, J.P., M. Schwank, E.L. Baeza, Y. Kerr, N. Novello, C. Millan, C. Moisy, P. Richaume, A. Mialon, A. Al Bitar, F. Cabot, H. Lawrence, D. Guyon, J.C. Calvet, J.P. Grant, T. Casal, P. de Rosnay, K. Saleh, A. Mahmoodi, S. Delwart and S. Mecklenburg. 2012. First evaluation of the simultaneous SMOS and ELBARA-II observations in the Mediterranean region. Remote Sensing of Environment, 124: 26-37. [DOI:10.1016/j.rse.2012.04.014]
34. WMO. 2014. Guide to Meteorological Instruments and Methods of observation. 2014 World Meteorological Organization.
35. Zeng, J., Z. Li, Q. Chen, H. Bi, J. Qiu and P. Zou. 2015. Evaluation of remotely sensed and reanalysis soil moisture products over the Tibetan Plateau using in-situ observations. Remote Sensing of Environment, 163: 91-110. [DOI:10.1016/j.rse.2015.03.008]
36. Zhang, L., C. He, M. Zhang and Y. Zhu. 2019. Evaluation of the SMOS and SMAP soil moisture products under different vegetation types against two sparse in situ networks over arid mountainous watersheds, Northwest China. Science China Earth Sciences, 62(4): 703-718. [DOI:10.1007/s11430-018-9308-9]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
