خرید فالوور اینستاگرام خرید لایک اینستاگرام
خانه / جی ای اس GIS / جزوه راهنمای فارسی مدل های خدمات اکوسیستمی

جزوه راهنمای فارسی مدل های خدمات اکوسیستمی

InVEST Model Entry Points — InVEST 3.6.0.post0+d20190201 documentation

جزوه راهنمای فارسی مدل های خدمات اکوسیستمی

InVEST

بخش اول:

Seasonal Water Yiel

نویسنده: میلاد رحیمی۱ و عبدالسلام اسماعیل زاده۲

miladrhime@yahoo.com 1

https://gissmart.com/ 2

https://telegram.me/Urbanism_Gis_Rs_File

پاییز ۹۹

  • امروزه نیاز به ابزاری برای تخمین تأثیر مدیریت سرزمین بر خدمات تأمین آب ، برای استفاده هایی مانند آبیاری ، مصرف داخلی و تولید انرژی برق وجود دارد. مدل عملکرد سالانه آب InVEST برآورد عملکرد کل آب را برای یک حوضه آبریز فراهم می کند ، بسیاری از برنامه ها نیاز به دانش جریان های فصلی ، به ویژه در فصل خشک دارند. درک فرآیندهای هیدرولوژیکی در یک حوضه آبریز ، به ویژه تقسیم بندی بین جریان سریع (وقوع در طی وقایع باران یا اندکی پس از آن) و جریان پایه (رخ دادن در هوای خشک) است. در بسیاری از اقلیم‌های فصلی ، جریان پایه ممکن است ارزش بیشتری نسبت به جریان سریع فراهم کند ، مگر اینکه ذخیره قابل توجهی (به عنوان مثال ، یک مخزن بزرگ) در دسترس باشد.

مدل عملکرد آب فصلی InVEST به دنبال ارائه راهنمایی در مورد سهم قطعه زمین در تولید جریان پایه و جریان سریع است. این مدل شاخص های مکانی را محاسبه می کند که سهم نسبی یک قطعه زمین را برای تولید جریان پایه و جریان سریع به چه شکل است.

  • توجه در حال حاضر ، هیچ تخمین کمی از جریان پایه وجود ندارد ، فقط سهم نسبی پیکسل ها وجود دارد. ابزار جداگانه ای برای حل این سوال در دست تهیه است.
  • مقدمه

درک تأثیر مدیریت منظر بر جریان فصلی برای مدیریت حوزه آب از اهمیت حیاتی برخوردار است. سهم یک قطعه زمین در جریان آب به تعدادی از عوامل محیطی از جمله آب و هوا ، خاک ، پوشش گیاهی ، شیب و موقعیت در طول مسیر جریان بستگی دارد (تعیین اینکه آیا ممکن است یک پیکسل آب را از سلول همسایه دریافت کند یا خود مستقیماً اثر شارژ دارد).

آب جاری در سراسر چشم انداز دچار حالتی از این چهار عامل می شود:

۱- تبخیر ، ۲- تعرق ، ۳- نفوذ و یا ۴- جاری

اگر یک پیکسل منفرد و ارزش آن را با توجه به عملکرد آب در نظر بگیریم ، می توان دو روش را پیشبینی کرد:

۱- اولین مقدار خالص آب تولید شده در یک پیکسل برابر است با بارش ورودی منهای تلفات ناشی از تبخیر و تعرق در آن پیکسل

در این حالت ، در صورت تأمین آب از شیب پیکسل های همسایه به پیکسل مدنظر ، ممکن است تبخیر و تعرق واقعی بیشتر از میزان بارندگی باشد. بنابراین ، تولید خالص می تواند منفی باشد. این روش هیچ توجهی به دفع احتمالی آب تولید شده روی آن پیکسل نمی کند. به این معنی که آیا آب در واقع جریان نشان می دهد یا در جایی از مسیر خود تبخیر یا خارج می شود ، در نظر نمی گیرد.

۲- رویکرد دوم آب را از گروهی از عوامل که در واقع جریان آب را نشان می دهد.

روش قبلی تأکید بیشتری بر استفاده از زمین و پوشش زمین در سایت دارد ، زیرا تمرکز بر تولید خالص از آن پیکسل است. این آب از پیکسل های شیب افزایشی است ، اما اثرات کاهش شیب را در نظر نمی گیرد. این نشان دهنده پتانسیل تولید جریان (نه تولید واقعی جریان) است.

روش دوم تأکید بیشتری بر موقعیت توپوگرافی یک پیکسل دارد ، زیرا این امر پتانسیل آب تولید شده در آن پیکسل را برای مصرف قبل از جریان یافتن تعیین می کند. این جریان واقعی جریان تولید شده توسط یک پیکسل را نشان می دهد. از آنجا که جریان واقعی نمی تواند کمتر از صفر باشد ، این روش ، بر خلاف روش اول ، در شاخص هایی بزرگ یا مساوی با صفر نتیجه خواهد گرفت.

برای مدل مجموعه ای از سه شاخص ، یکی برای جریان سریع ، دوم برای شارژ مجدد (که “جریان پایه بالقوه” را نشان می دهد) و آخر برای جریان واقعی ، از هر دو این مفاهیم استفاده می کنیم. در اینجا ، جریان پایه به عنوان تولید جریان با زمان اقامت حوزه از ماه ها تا سال تعریف می شود ، در حالی که جریان سریع نشان دهنده تولید جریان با زمان اقامت در حوزه از چند ساعت تا چند روز است.

  • ساختار مدل

جریان سریع

جریان سریع (QF) با رویکرد مبتنی بر شماره منحنی (CN) محاسبه می شود. رویدادهای ماهانه باراندگی باعث ایجاد جریانات مختلف جهت انتققال آب به صورت های مختلف می شود. خصوصیات خاک و پوشش زمین تعیین می کند که چه مقدار از باران به سرعت از سطح زمین خارج شود (تولید جریان سریع) و در مقابل چه مقدار از باران به خاک نفوذ کند (شارژ محلی آبخوان).

عدد منحنی یک روش ساده برای به دست آوردن این ویژگی است که با استفاده از ترکیب خاک + پوشش زمین است – مقادیر بالاتر CN دارای پتانسیل رواناب بالاتری هستند (به عنوان مثال ، خاک های رسی و پوشش گیاهی کم) ، مقادیر پایین تر احتمال نفوذ دارند (به عنوان مثال ، خاک های شنی و پوشش گیاهی متراکم.) برای محاسبه جریان سریع ، از میانگین عمق رویداد ، استفاده می کنیم و یک توزیع نمایی از عمق بارش روزانه را در روزهای باران فرض می کنیم:

در اینجا

ai، m میانگین عمق باران در یک روز بارانی در pixel i در ماه m [in] ،

ni، m تعداد رویدادها با پیکسل i در ماه m است [-]

Pi، m بارش ماهانه pixel i در ماه m [mm] است.

خروجی جریان سریع برای پیکسل های واقع در جریان بر روی میزان بارندگی آن پیکسل تنظیم می شود ، که هیچ نفوذی ندارد، فقط رواناب است.

در غیر این صورت می توان از توزیع نمایی نشان داد که رواناب ماهانه QFi ، m است.

در معادله فوق:

  • CNi عدد منحنی پیکسل i [در -۱] است که به عنوان تابعی از LULC محلی و نوع خاک جدول بندی می شود (برای الگوی این جدول به پیوست ۱ مراجعه کنید) ،
  • E1 تابع انتگرالی نمایی است ،
  • ۲۵٫۴ یک عامل تبدیل از اینچ (استفاده شده توسط معادله) به میلی متر است (مورد استفاده مدل)

بنابراین QFi جریان سریع سالانه می تواند از مجموع QFi ماهانه ، مقادیر متر محاسبه شود:

  • شارژ محلی

شارژ محلی یا سهم بالقوه در جریان پایه ، یک پیکسل در مقیاس محلی می‌باشد. بارش هایی که به عنوان جریان سریع خاموش وارد عمل نمی شود و توسط پوشش گیاهی روی یک پیکسل تخلیه نمی شوند ، می توانند به خاک نفوذ کرده و به شارژ محلی تبدیل شوند. اگر پیکسل محلی آب کافی برای تأمین نیازهای گیاهی خود را دریافت نکند ، می تواند منفی باشد ، بنابراین از شیب پیکسل تولیدشده در آب نیز استفاده می شود (که به عنوان “سرانه افزایش شیب” نامیده می شود) شاخص شارژ محلی در مقیاس زمانی سالانه محاسبه می شود ، اما از مقادیر حاصل از مقدار کلی ماهیانه آب استفاده می کند.

برای یک پیکسل i ، شارژ محلی حاصل از بودجه سالانه آب است (شکل ۱):

جایی که AET تبخیر و تعرق واقعی سالانه مجموع AET ماهانه است:

برای هر ماه ، AETi ، m یا با تقاضا (تبخیر و تعرق بالقوه – PET) یا با آب موجود (از آلن و همکاران ۱۹۹۸) محدود می شود:

جایی که PETi ، m تبخیر و تعرق بالقوه ماهانه است ،

Lsum.avail ، بصورت بازگشتی توسط (شکل ۲) تعریف شده است ،

که در آن pij ∈ [۰،۱] نسبت جریان از سلول i به j است ، و Lavail ، i شارژ موجود به یک پیکسل است ، که هر زمان Li منفی باشد Li است و در صورت مثبت بودن یک نسبت γ Li است ( برای تعریف γ) به زیر مراجعه کنید:

در معادله بالا:

  • Pi و Pi، m به ترتیب میزان بارش سالانه و ماهانه است [میلی متر]
  • QFi و QFi ، m شاخص های جریان سریع هستند که در بالا [mm] تعریف شده اند
  • ET0، i، m تبخیر و تعرق مرجع برای ماه m [mm] است
  • Kc، i، m عامل برداشت ماهانه برای pixel’s LULC است
  • αm کسری از شارژ موجود سالانه upslope است که در ماه m موجود است (پیش فرض ۱/۱۲ است)
  • βi کسری از یارانه افزایش شیب است که برای تبخیر و تعرق downslope در دسترس است (پیش فرض ۱ است ؛ برای اطلاعات بیشتر به پیوست ۲ مراجعه کنید)
  • γ کسری از شارژ مجدد پیکسل است که برای پیکسل های شیب پایین در دسترس است (پیش فرض ۱ است)
  • انتساب شارژ

کل جریان پایه ، Qb (در میلی متر) ، میانگین شارژهای محلی کمک کننده (منفی یا مثبت) در حوضه آبریز است ،

مقدار انتساب به یک پیکسل سهم نسبی شارژ محلی L در آن پیکسل به جریان پایه Qb است:

شکل ۱٫ تعادل آب در مقیاس پیکسل برای محاسبه شارژ محلی (معادله ۳).

شکل ۲٫ مسیریابی در مقیاس hillslope برای محاسبه تبخیر و تعرق واقعی (بر اساس متغیرهای آب و هوایی هر پیکسل و سهم افزایش شیب ، به معادله ۵ مراجعه کنید) و جریان پایه (بر اساس Bsum ، جریان واقعاً به جریان می رسد ، نگاه کنید به معادله ۱۱-۱۴)

  • جریان پایه

شاخص جریان پایه نشان دهنده سهم واقعی پیکسل در جریان پایه (به عنوان مثال آبی که به جریان می رسد) است. اگر شارژ محلی منفی باشد ، پیکسل به جریان پایه کمک نمی کند بنابراین B روی صفر تنظیم می شود. اگر پیکسل به شارژ مجدد آب زیرزمینی کمک کند ، B تابعی از مقدار جریان ترکیبی از پیکسل و سهم نسبی در شارژ مجدد این پیکسل است.

برای پیکسلی که مجاور کانال جریان نیست ، جریان تجمعی ، Bsum ، i متناسب با جریان تجمعی پایه است که از پیکسل های پایین شیب مجاور خارج می شود منهای جریان پایه تجمعی که در همان پیکسل پایین دستی ایجاد شده است (شکل ۲):

با خروجی حوضه آبریز (یا در هر پیکسل مجاور جریان) ، مجموع تولید جریان پایه Bsum ، i در کل پیکسل های upslope برابر است با مجموع تولید محلی در همان پیکسل ها (زیرا دیگر فرصتی برای جریان کند وجود ندارد قبل از رسیدن به جریان مصرف شود):

که در آن Lsum ، i شارژ بالادست تجمعی است که توسط آن تعریف شده است:

و جریان پایه ، Bi را می توان مستقیماً از نسبت جریان تجمعی ترک شده از سلول i ، با توجه به شارژ موجود به شارژ تجمعی بالادست ، استخراج کرد:

  • محدودیت ها

مانند همه مدل های InVEST ، عملکرد آب فصلی از یک روش ساده برای تخمین جریان سریع و جریان پایه استفاده می کند و بسیاری از پیچیدگی هایی را که هنگام حرکت آب در یک منظره رخ می دهد شامل نمی شود. Quickflow اساساً بر اساس عدد منحنی است که توپوگرافی را در نظر نمی گیرد. برای جریان پایه ، اگرچه مدل از رویکردی مبتنی بر فیزیک استفاده می کند ، معادلات در مقیاس مکانی و زمانی بسیار ساده هستند ، که به طور قابل توجهی عدم قطعیت در تعداد مطلق تولید شده را افزایش می دهد. بنابراین ما پیشنهاد نمی کنیم از مقادیر مطلق استفاده کنیم ، بلکه در عوض از مقادیر نسبی در سراسر مناظر استفاده می کنیم (جایی که تصور می کنیم ساده سازی ها اهمیت کمتری دارند ، زیرا در کل چشم انداز کاربرد دارند).

البته ، این امر تأیید اعتبار در برابر نتایج مشاهده شده را که همیشه توصیه می شود ، دشوارتر می کند. یک احتمال تأیید مقادیر نسبی (به عنوان مثال توزیع مقادیر در سراسر چشم انداز) است. این به چندین (حداقل> 3 ، واقع گرایانه تر> 5) ایستگاه آبسنجی نیاز دارد که می توان آنها را با خروجی تولید جریان پایه مدل مقایسه کرد. متناوباً ، در صورت موجود بودن ، نتایج ممکن است با یک مدل صریح و متفاوت فضایی مقایسه شود.

  • داده های موردنیاز

این بخش داده های خاص مورد استفاده توسط مدل را به طور خلاصه بیان می کند. برای اطلاعات بیشتر در مورد منابع داده و پیش پردازش ، به پیوست مراجعه کنید. لطفاً برای نمونه تمام این داده های ورودی ، با نمونه داده های InVEST (در پوشه ای که InVEST نصب شده است) نیز مراجعه کنید. نوع فایل ، ساختار پوشه و قالب بندی جدول کمک می کند. توجه داشته باشید که تمام ورودی های GIS باید در همان سیستم مختصات پیش بینی شده و در واحدهای کنتور خطی باشند. فضای کاری (الزامی) پوشه ای که در آن خروجی مدل نوشته می شود. اطمینان حاصل کنید که فضای دیسک کافی وجود داشته باشد.

  • پسوند (اختیاری) رشته متنی که به عنوان “_Suffix” به انتهای نام پرونده های خروجی اضافه می شود. برای تمایز در مورد اجرا در مدل ، از Suffix استفاده کنید ، به عنوان مثال با ارائه یک نام کوتاه برای هر سناریو. اگر پسوند ارائه نشود ، یا بین نسخه های مدل تغییر کند ، این ابزار نتایج قبلی را بازنویسی می کند.

مسیر بارش (لازم است). پوشه حاوی ۱۲ رستر بارش ماهانه برای هر پیکسل. نام پرونده های رستر باید با شماره ماه پایان یابد (به عنوان مثال Precip_1.tif برای ژانویه.) فقط پرونده های .tif باید در این پوشه باشند (هیچ پرونده .tfw ، .xml و غیره). [واحد: میلی متر)

فهرست ET0 (لازم است). پوشه ای حاوی ۱۲ رستر تبخیر و تعرق ماهانه مرجع برای هر پیکسل. نام پرونده های رستر باید با شماره ماه پایان یابد (به عنوان مثال ET0_1.tif برای ژانویه.) فقط پرونده های .tif باید در این پوشه باشند (هیچ پرونده .tfw ، .xml و غیره). [واحد: میلی متر)

مدل ارتفاع دیجیتال (الزامی). ردیف ارتفاع برای هر پیکسل. مقادیر float یا عدد int. [واحد: متر]

کاربری زمین / پوشش زمین (الزامی). فهرست استفاده از زمین / پوشش زمین (LULC) برای هر پیکسل ، که در آن هر عدد صحیح منحصر به فرد نشان دهنده یک کلاس استفاده متفاوت از زمین است. تمام مقادیر موجود در این رستری باید ورودی های مربوطه را در جدول بیوفیزیکی داشته باشند.

گروه خاک (الزامی). رستر گروه های هیدرولوژیک خاک A) SCS ، B ، C یا (D ، همراه با نقشه LULC برای محاسبه رستری عدد منحنی (CN) استفاده می شود. رستر از اعداد صحیح است که مقادیر به ترتیب با شماره های ۱ ، ۲ ، ۳ و ۴ وارد می شوند ، به ترتیب مربوط به گروه های خاک A ، B ، C و D است.

AOI / حوزه آبخیز (الزامی). شکل مشخص مرز حوضه آبخیز برای مدل سازی. نتایج در هر چند ضلعی تعریف شده جمع می شوند. ستون ws_id الزامی است ، که برای هر چند ضلعی یک عدد صحیح صحیح دارد.

جدول بیوفیزیک (الزامی). جدول .csv (مقدار جداشده با کاما) حاوی اطلاعات مدل مربوط به هر یک از کلاسهای کاربری اراضی در رستری LULC. تمام کلاسهای LULC در رستری LULC باید مقادیر متناظر در این جدول را داشته باشند. هر سطر یک کلاس استفاده از زمین / پوشش زمین است و ستون ها باید به صورت زیر نامگذاری و تعریف شوند:

lucode (الزامی). عدد صحیح منحصر به فرد برای هر کلاس LULC (به عنوان مثال ، ۱ برای جنگل ، ۳ برای مرتع ، و غیره) هر مقدار در نقشه LULC باید یک مقدار لوکود مربوطه در جدول بیوفیزیکی داشته باشد.

CN_A ، CN_B ، CN_C ، CN_D (لازم است). مقادیر عدد منحنی عدد صحیح (CN) برای هر ترکیبی از نوع خاک و کلاس lucode. هیچ صفر (صفر) مجاز نیست.

Kc_1 ، Kc_2… Kc_11 ، Kc_12 (لازم است). مقدار ماهانه محصول / ضریب پوشش گیاهی شناور (Kc) برای هر lucode. Kc_1 مربوط به ژانویه ، Kc_2 فوریه و غیره است.

جدول رویدادهای بارانی (این جدول یا جدول منطقه اقلیم الزامی است). جدول CSV )مقدار تفکیک شده با کاما ، .csv( با ۱۲ مقدار وقایع باران ، هر ماه یک عدد. یک رویداد بارانی به عنوان> 0.1 میلی متر تعریف می شود. زمینه های زیر لازم است:

ماه (لازم) مقادیر عدد صحیح ۱ تا ۱۲ هستند ، مربوط به ژانویه (۱) تا دسامبر)۱۲(

رویداد بارش(الزامی) تعداد رویدادهای باران برای آن ماه که مقادیر شناور یا عدد صحیح هستند

انباشت جریان آستانه (لازم). تعداد سلول های بالادستی که باید قبل از آنکه به عنوان بخشی از جریان در سلول قرار بگیرد ، به داخل آن جریان داشته باشد که برای ایجاد جریان از DEM استفاده می شود. مقادیر کوچکتر شاخه های بیشتری ایجاد می کنند ، مقادیر بزرگتر تعداد کمتری ایجاد می کنند. مقدار عدد صحیح برای اطلاعات بیشتر در مورد انتخاب این مقدار به پیوست ۱ مراجعه کنید. مقدار عدد صحیح ، بدون ویرگول و علامت نقطه ای – به عنوان مثال “۱۰۰۰”.

alpha_m ، beta_i ، گاما (الزامی). پارامترهای مدل مورد استفاده برای اهداف تحقیق و کالیبراسیون. مقادیر پیش فرض عبارتند از: alpha_m = 1/12 ، beta_i = 1 ، gamma = 1. alpha_m نوع رشته ای است. beta_i و گاما نوع شناور هستند.

  • گزینه های پیشرفته مدل

یک ورودی مدل تعداد رویدادهای باران در هر ماه است که به عنوان یک جدول .csv با یک عدد برای هر ماه از سال وارد می شود. این فرض می کند که یک تعداد برای کل حوزه آبخیز وجود دارد ، که ممکن است برای مناطق بزرگ یا مناطقی که بارندگی بسیار مکانی دارند ، درست نباشد.

برای نشان دادن تنوع در تعداد حوادث باران ، می توان نقشه مناطق آب و هوایی و تعداد رویدادهای بارشی مربوط به هر منطقه را وارد کرد.

  • ورودی ها

جدول منطقه آب و هوا (این جدول یا جدول رویدادهای باران الزامی است). جدول CSV (مقدار تفکیک شده با کاما ، .csv) با تعداد رویدادهای باران در ماه و منطقه آب و هوایی ، با زمینه های مورد نیاز زیر:

cz_id. اعداد منطقه اقلیمی ، اعداد صحیح که با مقادیر موجود در رستر منطقه اقلیمی مطابقت دارند

Jan feb mar apr may jun jul aug sept oct nov dec. 12 قسمت مربوط به هر ماه از سال. این موارد شامل تعداد حوادث باران در آن ماه در آن منطقه آب و هوایی است. نقطه شناور.

منطقه اقلیمی. تسریع کننده مناطق آب و هوایی ، هر یک از آنها با یک عدد صحیح مشخص می شوند (یعنی همه پیکسل هایی که بخشی از یک منطقه آب و هوایی هستند باید از عدد صحیح یکسانی برخوردار باشند.) باید با مقادیر cz_id در جدول منطقه آب و هوا مطابقت داشته باشد.

این مدل به صورت پی در پی لایه شارژ محلی و سپس لایه جریان جریان از شارژ محلی را محاسبه می کند. به جای محاسبه شارژ محلی InVEST ، این لایه را می توان از مدل دیگری بدست آورد به عنوان مثال RHESSys. برای محاسبه سهم جریان پایه بر اساس لایه شارژ خود ، می توان قسمت اول مدل را دور زد و مستقیماً نقشه ای از شارژ محلی

  • ورودی ها

شارژ محلی شارژر محلی با یک شارژ محلی دیگر (در میلی متر) به دست می آید. مقادیر شناور

پارامتر آلفا نشان دهنده تنوع زمانی در سهم افزایش شیب آب موجود در تبخیر و تعرق بر روی یک پیکسل است. در پارامتر سازی پیش فرض ، مقدار آن به ۱۲/۱ تنظیم می شود ، با این فرض که خاک بافر باعث آزاد شدن آب شود و سهم ماهانه دقیقاً ۱ \ ۱۲th از کمک سالانه باشد.

برای اینکه حجم افزایش upslope از نظر زمانی متغیر باشد ، کاربر می تواند مقادیر آلفای ماهانه را در همان جدول جدول حوادث باران وارد کند.

  • ورودی ها

جدول حوادث باران. جدول رویدادهای باران یک ورودی مدل CSV (مقدار تفکیک شده با کاما ، .csv) است (نگاه کنید به بالا). برای اجرای این گزینه پیشرفته ، همراه با فیلد ماه مورد نیاز ، یک ستون اضافی به نام آلفا مورد نیاز است. مقادیر آلفا نقطه شناور است.

  • اجرای مدل

برای راه اندازی مدل عملکرد آب فصلی به منوی شروع Windows بروید -> همه برنامه ها -> InVEST [نسخه] -> عملکرد آب فصلی. این رابط به دسک تاپ GIS نیازی ندارد ، اگرچه نتایج لازم است با هر ابزار GIS مانند ArcGIS یا QGIS بررسی شود.

  • تفسیر خروجی ها

در زیر شرح مختصری از هر یک از خروجی های مدل عملکرد آب فصلی داده شده است. نتایج نهایی در فضای کاری مشخص شده توسط کاربر برای این مدل اجرا شده یافت می شود. “پسوند” در نام پرونده های زیر به ورودی اختیاری تعریف شده توسط کاربر توسط مدل در مدل اشاره دارد.

  • وضوح شبکه خروجی وضوح DEM است که به عنوان ورودی ارائه می شود.

پوشه [Workspace]:

گزارش پارامتر: هر بار که مدل اجرا می شود ، یک فایل متنی (.txt) در Workspace ایجاد می شود. پرونده مقادیر پارامتر و پیام های خروجی برای آن اجرا را لیست می کند و با توجه به سرویس ، تاریخ و زمان نامگذاری می شود.

B_ [Suffix] .tif (نوع: رستر ؛ واحدها: میلی متر ، اما باید به عنوان مقادیر نسبی تفسیر شود ، نه مطلق): نقشه مقادیر پایه جریان B ، سهم پیکسل در جریان آهسته انتشار (جریان قبل از رسیدن به آن تبخیر نمی شود)

B_sum_] پسوند [.tif (نوع: رستری ؛ واحد: میلی متر ، به عنوان مقادیر نسبی تفسیر شود ، نه مطلق): نقشه مقادیر Bsumval ، جریان از طریق یک پیکسل ، با کمک تمام پیکسل های uplope ، جریان قبل از رسیدن به آن تبخیر نمی شود.

CN_ [Suffix] .tif (نوع: رستر): نقشه مقادیر تعداد منحنی

L_avail_ [پسوند] .tif (نوع: رستری ؛ واحد: میلی متر ، به عنوان مقادیر نسبی تفسیر شود نه مطلق): نقشه شارژ محلی موجود Lavail ، یعنی فقط مقادیر مثبت L

L_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر ، به عنوان مقادیر نسبی تفسیر شود ، نه مطلق): نقشه مقادیر L شارژ محلی

L_sum_avail_ [Suffix] .tif (نوع: رستری ؛ واحد: mm ، به عنوان مقادیر نسبی تفسیر شود ، نه مطلق): نقشه مقادیر Lsum.avail ، آب موجود در یک پیکسل ، با کمک تمام پیکسل های uplope ، موجود است برای تبخیر و تعرق توسط این پیکسل

L_sum_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر ، به عنوان مقادیر نسبی تفسیر شود ، نه مطلق): نقشه مقادیر Lsum ، جریان از طریق یک پیکسل ، با کمک تمام پیکسل های uplope ، که برای تبخیر و تعرق در دسترس است پیکسل های شیب پایین

QF_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر): نقشه مقادیر جریان سریع (QF)

Vri_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر): نقشه مقادیر شارژ (سهم ، مثبت یا منفی) ، به کل شارژ

aggregated_results_swy_ [Suffix] .shp: جدول حاوی مقادیر بیوفیزیکی برای هر حوزه ، با زمینه هایی به شرح زیر:

qb (واحد: میلی متر ، اما باید به عنوان مقادیر نسبی تفسیر شود نه مطلق): میانگین مقدار جریان پایه در حوزه آبخیز

پوشه [فضای کاری] \ intermediate_outouts:

aet_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر): نقشه تبخیر و تعرق واقعی (AET)

qf_1_ [پسوند] .tif… qf_12_ [پسوند] .tif (نوع: رستری ؛ واحدها: میلی متر): نقشه های جریان سریع ماهانه (۱ = ژانویه… ۱۲ = دسامبر)

stream_ [Suffix] .tif (نوع: رستری): شبکه جریانی تولید شده از ورودی DEM و تجمع جریان آستانه. مقادیر ۱ جریان را نشان می دهد ، مقادیر ۰ پیکسل بدون جریان است.

پیوست ۱: منابع داده ها و راهنمایی برای انتخاب پارامتر

این مجموعه تلفیقی از منابع داده و پیشنهادهایی در مورد یافتن ، گردآوری و قالب بندی داده ها ، ارائه پیوندهایی به مجموعه داده های جهانی است که می تواند شما را شروع کند. به شدت توصیه می شود به دنبال داده های محلی و دقیق تر (از ملی ، ایالتی ، دانشگاه ، ادبیات ، سازمان های غیردولتی و سایر منابع) بگردید و تنها در صورت در دسترس نبودن اطلاعات محلی ، از داده های جهانی برای تجزیه و تحلیل نهایی استفاده کنید.

  • بارش ماهانه

داده های جهانی بارش ماهانه را می توان از مجموعه جهانی WorldClim بدست آورد

: http://www.worldclim.org/ یا: http://www.cru.uea.ac.uk.

متناوباً ، رسترها را می توان از نقاط باران سنج با داده های بلند مدت ماهانه درون یابی کرد. هنگام در نظر گرفتن داده های اندازه گیری باران ، اطمینان حاصل کنید که آنها پوشش خوبی را در منطقه مورد نظر فراهم می کنند ، به ویژه اگر تغییرات زیادی در ارتفاع وجود داشته باشد که باعث ناهمگن بودن میزان بارش در منطقه مورد مطالعه شود. در حالت ایده آل ، سنجها حداقل ۱۰ سال داده مداوم و بدون شکاف زیاد در همان بازه زمانی استفاده شده از نقشه استفاده از زمین / پوشش زمین دارند.

  • ماهانه تبخیر و تعرق مرجع

تبخیر و تعرق مرجع ، ET0 ، انرژی (بیان شده به عنوان عمق آب ، به عنوان مثال میلی متر) است که توسط خورشید (و گاهی اوقات باد) برای بخار شدن آب تأمین می شود. تبخیر و تعرق مرجع با ارتفاع ، عرض جغرافیایی ، رطوبت و جنبه شیب متفاوت است. روش های بسیاری وجود دارد که از نظر نیاز و دقت داده ها متغیر است.

تبخیر و تعرق مرجع ماهانه جهانی را می توان از مجموعه داده های براساس داده های CGIAR CSI (WorldClim) بدست آورد: http://www.cgiar-csi.org/data/global-aridity-and-pet-database

مهم است که داده های بارشی که برای محاسبه تبخیر و تعرق مرجع استفاده می شود ، همان داده های بارشی است که به عنوان ورودی مدل استفاده می شود.

شما می توانید ET مرجع را با ایجاد شبکه های میانگین ماهانه بارندگی و حداکثر و حداقل دما (که از WorldClim و CRU نیز در دسترس است) محاسبه کنید که هنگام استفاده از ایستگاه های مشاهده نیاز به ترکیب کردن اثرات ارتفاع دارند. داده های توسعه این شبکه های بارشی و دمایی ماهانه در توسعه شبکه های “بارش ماهانه” همان روند را دنبال می کنند.

یک روش ساده برای تعیین تبخیر و تعرق مرجع ، معادله “اصلاح شده Hargreaves” است (Droogers and Allen، ۲۰۰۲) ، که در نتیجه عدم اطمینان اطلاعات ، نتایج برتر از Pennman-Montieth ایجاد می کند.

“Hargreaves اصلاح شده” از میانگین حداکثر میانگین روزانه و حداقل دمای روزانه (Tavg بر حسب درجه سانتیگراد) ، اختلاف بین حداکثر روزانه و حداقل روزانه (TD) ، RA تابش فرازمینی است (RA در MJm − ۲d− ۱ و میزان بارش (P در میلی متر در ماه) که همه آنها به راحتی قابل دستیابی است. داده های دما و بارش اغلب از نمودارهای منطقه ای یا اندازه گیری مستقیم در دسترس هستند. از طرف دیگر ، داده های تابش برای اندازه گیری مستقیم بسیار گران ترند اما از طریق ابزارها ، جداول یا معادلات آنلاین می توان به طور قابل اعتماد تخمین زد. کاغذ زهکشی آبیاری FAO 56 داده های تابش را در پیوست ۲ ارائه می دهد.

تبخیر و تعرق مرجع همچنین می تواند با استفاده از معادله هامون محاسبه شود (هامون ۱۹۶۱ ، وولوک و مک کیب ۱۹۹۹):

که d تعداد روزهای یک ماه است ، D میانگین ساعات ماهانه نور روز محاسبه شده برای هر سال (در واحد های ۱۲ ساعته) و Wt یک مدت زمان چگالی بخار آب اشباع محاسبه شده توسط:

که در آن T متوسط دماي ماهانه بر حسب درجه سانتيگراد است. وقتی میانگین دمای ماهانه زیر صفر باشد ، تبخیر و تعرق مرجع روی صفر تنظیم می شود. روش نهایی برای ارزیابی ETo ، در صورت وجود داده های تبخیر پان ، استفاده از معادله زیر است.

  • مدل دیجیتال ارتفاع

داده های DEM برای هر منطقه از جهان در دسترس است ، اگرچه در رزولوشن های مختلف. داده های DEM جهانی خام رایگان از طریق:

صندوق جهانی حیات وحش http://worldwildlife.org/pages/hydrosheds

ناسا: https://asterweb.jpl.nasa.gov/gdem.asp (رزولوشن ۳۰ متر)؛ و دسترسی آسان به داده های SRTM: http://dwtkns.com/srtm/

USGS: https://earthexplorer.usgs.gov/

متناوباً ، ممکن است نسبتاً ارزان در سایتهایی مانند MapMart (www.mapmart.com) خریداری شود.

وضوح DEM بسته به اهداف پروژه ممکن است یک پارامتر بسیار مهم باشد. به عنوان مثال ، اگر تصمیم گیرندگان به اطلاعاتی درباره تأثیر جاده ها بر خدمات اکوسیستم نیاز داشته باشند ، نیاز به وضوح مناسب است. جنبه های هیدرولوژیکی DEM استفاده شده در مدل باید صحیح باشد. بیشتر داده های خام DEM دارای خطا هستند ، بنابراین به احتمال زیاد برای حذف غرق ها باید DEM پر شود. الگوریتم QGIS Wang & Liu Fill (کتابخانه SAGA) یا ابزار ArcGIS Fill نتایج خوبی را نشان داده اند. به شبکه جریانی تولید شده توسط مدل از نزدیک نگاه کنید (stream.tif.) اگر جریانها مداوم نباشند ، اما قطعه قطعه شوند ، DEM هنوز غرقهایی دارد که باید پر شوند. اگر پر کردن چندین بار غرق شدن شبکه ای جریان مداوم ایجاد نمی کند ، شاید یک DEM متفاوت را امتحان کنید. اگر نتایج یک الگوی شبکه غیرمنتظره را نشان می دهد ، این ممکن است به دلیل بازتولید DEM به جای “bilinear” یا “مکعب” با روش درون یابی “نزدیکترین همسایه” باشد. در این حالت ، به داده های خام DEM برگردید و با استفاده از “bilinear” یا “cubic” دوباره تولید مجدد کنید.

  • کاربری زمین / پوشش زمین

یک مولفه کلیدی برای همه مدل های آب ، یک رستر فضایی مداوم برای استفاده از زمین / پوشش زمین (LULC) است ، که در آن همه پیکسل ها باید کلاس استفاده از زمین / پوشش زمین را تعریف کنند.

داده های استفاده جهانی از زمین در دسترس است از:

ناسا: https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table/mcd12q1 (داده های جهانی مخفی چند ساله MODIS با چندین طبقه بندی ارائه شده)

آژانس فضایی اروپا: https://www.esa-landcover-cci.org (سه نقشه جهانی برای دوره های ۲۰۰۰ ، ۲۰۰۵ و ۲۰۱۰)

تسهیلات جهانی پوشش زمین دانشگاه مریلند: http://glcf.umd.edu/data/landcover/ (داده ها در وضوح ۱ درجه ، ۸ کیلومتر و ۱ کیلومتر موجود است).

داده ها برای ایالات متحده توسط USGS و وزارت کشور از طریق پایگاه داده ملی پوشش زمین ارائه می شود: https://www.mrlc.gov/finddata.php

ساده ترین طبقه بندی LULC ها در چشم انداز شامل مشخص شدن فقط با پوشش زمین است (به عنوان مثال ، زمین های زراعی ، جنگل ها ، چمنزارها). چندین طبقه بندی جهانی و منطقه ای پوشش زمین در دسترس است (به عنوان مثال ، Anderson و همکاران ۱۹۷۶) ، و اغلب طبقه بندی دقیق زمین برای منظره مورد علاقه انجام شده است.

طبقه بندی کمی پیچیده تر LULC شامل تجزیه انواع LULC مربوطه به انواع معنی دارتر است. به عنوان مثال ، طبقات زمین های کشاورزی می تواند به انواع مختلف گیاهان و یا جنگل ها به گونه های خاص تقسیم شود. طبقه بندی انواع کاربری ها به مدل و میزان داده موجود برای هر یک از انواع زمین بستگی دارد. فقط درصورت تجزیه نوع کاربری اراضی باید دقت بیشتری در مدل سازی ایجاد کند. به عنوان مثال ، فقط اگر اطلاعاتی در مورد تفاوت میزان تبخیر و تعرق (Kc) و خصوصیات خاک (CN) بین مقادیر مدیریت محصول داشته باشید ، “محصولات” را به انواع مختلف گیاهان تقسیم کنید.

  • گروه خاک

دو لایه جهانی از گروه خاک هیدرولوژیک در دسترس است ، ( از FutureWater )موجود در

: http://www.futurewater.eu/2015/07/soil-hydraulic-properties/

و ۲ ORNL-DAAC’s HYSOGs250m موجود در

Https //daac.ornl.gov/SOILS/guides/Global_Hydrologic_Soil_Group.html

FuterWater رستر مقادیر گروهی عددی ۱-۴ ۱۴ ، ۲۴ و ۳۴ را ارائه می دهد. مدل عملکرد آب فصلی فقط به مقادیر ۱/۲/۳/۴ نیاز دارد ، بنابراین شما باید مقادیر ۱۴ ، ۲۴ یا ۳۴ را به یکی از مقادیر تبدیل کنید. مقادیر مجاز

HYSOGs250m مقادیر حروف A-D ، A / D ، B / D ، C / D و D / D را ارائه می دهد. برای استفاده در این مدل ، این مقادیر حرف باید به مقادیر عددی ترجمه شود ، جایی که A = 1 ، B = 2 ، C = 3 و D = 4. دوباره ، پیکسل هایی با مقادیر دوگانه مانند A / D ، B / D و غیره باید به مقداری در محدوده ۱-۴ تبدیل شده است. در صورت تمایل ، گروه های خاک نیز ممکن است از هدایت هیدرولیکی و عمق خاک تعیین شوند. مجموعه داده های ویژگی های هیدرولیک FutureWater’s Soil همچنین مانند سایر پایگاه های خاک حاوی رسانایی هیدرولیکی است. از جدول ۱ زیر می توان برای تبدیل رسانایی خاک به گروه های خاک استفاده کرد.

جدول ۱: معیارهای تخصیص گروه های خاک هیدرولوژیکی (NRCS-USDA ، ۲۰۰۷ ، بخش ۷)

A B C D
هدایت هیدرولیکی اشباع شده از حداقل لایه انتقال دهنده هنگام وجود لایه غیر قابل نفوذ در آب در عمق بین ۵۰ و ۱۰۰ سانتی متر >40 μm/s [۴۰;۱۰] μm/s [۱۰;۱] μm/s <1 میکرومتر بر ثانیه (یا عمق لایه غیر قابل نفوذ <50 سانتی متر یا سطح آب <60 سانتی متر)
هدایت هیدرولیکی اشباع شده از حداقل لایه انتقالی در صورت وجود هر لایه غیر قابل نفوذ در آب در عمق بیش از ۱۰۰ سانتی متر >10 μm/s [۴;۱۰] μm/s [۰٫۴;۴] μm/s <0.4 μm/s
  • حوضه های آبریز / زیر آبها

برای ترسیم حوضه های آبخیز ، ابزار InVEST DelineateIT را ارائه می دهیم ، که نسبتاً ساده و در عین حال سریع است و این مزیت ایجاد حوضه هایی را دارد که ممکن است با هم همپوشانی داشته باشند ، مانند تخلیه حوضه های آبخیز به چندین سد در همان رودخانه. برای اطلاعات بیشتر در مورد این ابزار به بخش راهنمای کاربر برای DelineateIt مراجعه کنید. ابزارهای ایجاد آبخیز نیز با نرم افزار GIS و همچنین برخی مدل های هیدرولوژی ارائه می شود. توصیه می شود حوضه های آبخیزداری را با استفاده از DEM که مدلسازی می کنید مشخص کنید ، بنابراین مرز حوزه به درستی با توپوگرافی مطابقت دارد.

متناوباً ، تعدادی از نقشه های حوزه آبخیز بصورت آنلاین در دسترس هستند ، به عنوان مثال: HydroBASINS

http://hydrosheds.org/ توجه داشته باشید که اگر مرزهای حوزه بر اساس همان DEM در حال مدل سازی نباشد ، نتایج جمع شده در این حوزه ها نادرست است.

مکان دقیق سازه های خاص ، مانند مخازن ، باید از نهاد مدیریت گرفته شود یا ممکن است در وب بدست آید:

موجودی ملی سدها در ایالات متحده :

http://nid.usace.army.mil/

بانک اطلاعاتی مخزن و سد جهانی (GRanD): http://www.gwsp.org/products/grand-

گزارش توسعه جهانی آب سد پایگاه داده سدها :

http://wwdrii.sr.unh.edu/download.html

برخی از این مجموعه های داده شامل حوضه آبریز تخلیه شده به هر سد است که باید برای ارزیابی صحت با مساحت حوزه آبخیز تولید شده توسط ابزار خط کشی مقایسه شود.

  • جدول بیوفیزیک

توصیه می شود برای جستجوی مقادیر CN و Kc که مخصوص منطقه ای است که در آن کار می کنید ، یک جستجوی ادبیات انجام دهید. اگر این موارد در دسترس نیستند ، به دنبال مقادیری باشید که تا حد ممکن با همان نوع پوشش زمین مطابقت داشته باشد / خاک / آب و هوا اگر هیچ یک از این مقادیر محلی بیشتر در دسترس نباشد ، چندین منبع کلی توصیه می شود.

اعداد منحنی (زمینه های CN_A ، CN_B ، CN_C ، CN_D) را می توانید از کتاب راهنمای USDA بدست آورید: (NRCS-USDA، ۲۰۰۷ Chapt. 9)

مقادیر ماهانه Kc (زمینه های Kc_1 تا Kc_12 را می توان از دستورالعمل های FAO بدست آورد: (آلن و همکاران ، ۱۹۹۸)

برای اجسام آبی و تالاب هایی که به جریان وصل هستند ، CN می تواند روی ۹۹ تنظیم شود (یعنی با فرض اینکه آن پیکسل ها به سرعت جریان سریع را منتقل کنند.)

هنگامی که تمرکز بر اثرات احتمالی سیل است ، ممکن است CN برای انعکاس شرایط رواناب قبل از مرطوب انتخاب شود: مقادیر CN باید مطابق فصل ۱۰ در دستورالعمل های NRCA-USDA (2007) به شرایط ARC-III تبدیل شوند.

  • جدول رویداد باراندگی

تعداد متوسط ​​حوادث باران ماهانه را می توان از آمارهای محلی آب و هوا (اداره هواشناسی) یا منابع آنلاین بدست آورد:

http://www.yr.no/

http://wcatlas.iwmi.org

بانک جهانی همچنین نقشه هایی با آمار بارش ارائه می دهد:

http://data.worldbank.org/developers/climate-data-api

مناطق اقلیمی از طریق در دسترس هستند:

http://koeppen-geiger.vu-wien.ac.at/present.htm

  • انباشت جریان آستانه

هیچ مقدار “صحیحی” برای انباشت جریان آستانه (TFA) وجود ندارد. مقدار صحیح برای برنامه شما مقداری است که باعث می شود مدل یک لایه جریان ایجاد کند که به نظر می رسد تا آنجا که ممکن است به شبکه جریان واقعی در حوضه آبریز نزدیک باشد. فایل خروجی مدل stream.tif را با یک نقشه جریان صحیح شناخته شده مقایسه کنید و TFA را بر این اساس تنظیم کنید – مقادیر بزرگتر TFA باعث ایجاد شبکه جریانی با انشعابات کمتر می شود ، مقادیر کمتر TFA باعث ایجاد شبکه جریانی با انشعابات بیشتر می شود. یک مقدار خوب برای شروع با ۱۰۰۰ است ، اما توجه داشته باشید که بسته به وضوح DEM ، آب و هوای محلی و توپوگرافی می تواند متفاوت باشد. همچنین توجه داشته باشید که جریان های مشخص شده از DEM به طور کلی با دنیای واقعی مطابقت ندارند ، بنابراین فقط سعی کنید تا آنجا که ممکن است نزدیک شوید. اگر جریانهای مدل شده بسیار متفاوت هستند ، پس سعی کنید یک DEM متفاوت را امتحان کنید. این یک مقدار عدد صحیح است ، بدون ویرگول و نقطه – برای مثال “۱۰۰۰”.

یک لایه جهانی جریان می توان از HydroSHEDS بدست آورد: http://hydrosheds.org/ ، اما توجه داشته باشید که آنها رودخانه های عمده تری هستند و ممکن است در مناطق مورد مطالعه شما شامل آن نباشند ، خصوصاً اگر دارای شاخه های فرعی کوچکی باشد. اگر دیگر نقشه محلی در دسترس نیست ، می توانید به جریانهای Google Earth نگاه کنید.

آلفا_م

پیش فرض = ۱۲/۱ به پیوست ۲ مراجعه کنید

بتا

پیش فرض = ۱ به پیوست ۲ مراجعه کنید

گاما

پیش فرض = ۱ به پیوست ۲ مراجعه کنید

ضمیمه ۲: α ، βi و تعریف پارامترهای گاما و مقادیر جایگزین

α و βi کسری از شارژ سالانه از پیکسل شیب را نشان می دهد که در یک ماه مشخص برای تبخیر و تعرق در دسترس است به یک پیکسل شیب. انتظار می رود محصول α × βi <1 باشد زیرا ممکن است مقداری آب از شیب در دسترس نباشد ، یا وقتی مسیرهای جریان عمیق را دنبال می کند یا زمانی که زمان عرضه و (تبخیر و تعرق) تقاضا مناسب نیست.

α تابعی از فصلی بودن بارش است: بسته به زمان سفرهای سطح زیرین ، می توان در ماه های بعد توسط مناطق شیب دار از یک ماه مشخص استفاده کرد. در پارامتر سازی پیش فرض ، مقدار آن به ۱۲/۱ تنظیم می شود ، با این فرض که خاک بافر باعث آزاد شدن آب شود و کمک هزینه ماهانه دقیقاً یک دوازدهم سهم سالانه باشد. یک فرض جایگزین این است که مقادیر را برای مقادیر بارش ماهانه قبلی ، نسبت به کل بارندگی تنظیم کنید: Pm-1 / Pannual

βi تابعی از توپوگرافی محلی و خاک است: برای مقدار مشخصی از شارژ شیب بالا ، مقدار آب استفاده شده توسط یک پیکسل تابعی از ظرفیت ذخیره سازی است. این امر به ویژگی های منطقه افزایش نیز بستگی دارد: استفاده از یارانه upslope به شکل و مساحت منطقه مشارکت بستگی دارد (به عنوان مثال شارژ از پیکسل درست بالای پیکسل مورد نظر کمتر از پیکسل از بین می رود خیلی دورتر)

در پارامتر بندی پیش فرض ، β برای همه پیکسل ها روی ۱ تنظیم شده است. یک گزینه این است که βi را به عنوان TI تعیین کنید ، شاخص رطوبت توپوگرافی برای یک پیکسل ، تعریف شده به عنوان ln (Atanβ) (یا فرمول دیگر شامل نوع و عمق خاک).

γ کسری از شارژ مجدد پیکسل را نشان می دهد که برای پیکسل های شیب پایین در دسترس است. این تابعی از خصوصیات خاک و احتمالاً توپوگرافی است. در پارامتر بندی پیش فرض ، γ نسبت به چشم انداز ثابت است و نقشی شبیه α بازی می کند.

  • در عمل

گزینه های بالا عمدتا برای اهداف تحقیق ارائه شده است. در عمل ، ما پیشنهاد می کنیم که برای آب و هوای بسیار فصلی ، آلفا باید به مقادیر بارش ماهانه مقدماتی ، نسبت به کل بارش تنظیم شود: Pm-1 / Pannual

سپس ، ما دو گزینه برای رفع عدم اطمینان در مورد مقادیر پارامتر ارائه می دهیم:

تأیید تبخیر و تعرق واقعی با مشاهدات

این مدل تبخیر و تعرق واقعی را در مقیاس زمانی سالانه تولید می کند: کاربران می توانند پارامترها را برای مطابقت با تبخیر و تعرق مشاهده شده تنظیم کنند (به عنوان مثال از MODIS ، http://www.ntsg.umt.edu/project/mod16 ). در ادامه ، “_mod” مخفف AET مدل شده ، “_obs” مخفف AET مشاهده شده است.

اگر AET_mod> AET_obs باشد ، مدل تبخیر و تعرق بیش از حد پیش بینی می کند ، که می توان با اصلاح این موارد: کاهش مقادیر Kc یا کاهش مقادیر گاما و / یا مقادیر بتا (بنابراین برای هر پیکسل آب کمتری در دسترس است).

اگر AET_mod <AET_obs باشد ، مدل تبخیر و تعرق را پیش بینی نمی کند ، که می تواند با اصلاح این موارد اصلاح شود: افزایش مقادیر (Kc و افزایش مقادیر گاما یا بتا اگر حداکثر ۱ نباشد).

اگر مقادیر ماهانه AET در دسترس باشد ، می توان با تغییر پارامتر فصلی آلفا ، کالیبراسیون دقیق تری انجام داد.

  • مدل سازی گروه

برای برآورد تأثیر خطای پارامتر ، می توان این مدل را با فرضیات مختلف و خروجی ها مقایسه کرد. دامنه پارامتر را می توان از فرضیات مربوط به نسبت یارانه افزایش در دسترس برای یک پیکسل معین تعیین کرد. برای نتایج اولیه می توان آنها را در حداکثر مرزها (۰ و ۱) تنظیم کرد.

مراجع

Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop evapotranspiration – Guidelines for computing crop water requirements, FAO Irrigation and drainage paper 56. Rome, Italy.

NRCS-USDA, 2007. National Engineering Handbook. United States Department of Agriculture, http://www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063.

© Copyright 2019, The Natural Capital Project.

درباره ی a.esmailzadeh

مطلب پیشنهادی

سیستم مختصات جغرافیایی

(Coordinate Systems) سیستم های مختصات

(Coordinate Systems) سیستم های مختصات یکی از مهمترین تفاوت های سیستم اطلاعات جغرافیایی با سایر …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Secured By miniOrange