Υπολογισμός της εξατμισοδιαπνοής αναφοράς χρησιμοποιώντας μοντέλα τηλεπισκόπησης και εμπειρικά μοντέλα σε περιοχή περιορισμένων...
Από RemoteSensing Wiki
| Γραμμή 46: | Γραμμή 46: | ||
'''ΑΠΟΤΕΛΕΣΜΑΤΑ''' | '''ΑΠΟΤΕΛΕΣΜΑΤΑ''' | ||
| - | [[Εικόνα:E.K4.211 pinakas.JPG |thumb|RIGHT| Πίνακας 1. Συνοπτική παρουσίαση των αποτελεσμάτων που προέκυψαν από το μοντέλο ανάλυσης σφάλματος και ανάλυσης γραμμικής παλινδρόμησης.]][[Εικόνα:E.K4.3 eikona.JPG | thumb| RIGHT| Εικόνα | + | [[Εικόνα:E.K4.211 pinakas.JPG |thumb|RIGHT| Πίνακας 1. Συνοπτική παρουσίαση των αποτελεσμάτων που προέκυψαν από το μοντέλο ανάλυσης σφάλματος και ανάλυσης γραμμικής παλινδρόμησης.]][[Εικόνα:E.K4.3 eikona.JPG | thumb| RIGHT| Εικόνα 2. Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE). Τα σφάλματα χρησιμοποιούνται για την ποσοτικοποιήση των διαφορών μεταξύ της ΕΤο που υπολογίστηκε χρησιμοποιώντας τη μέθοδο FAO-PM και των εκτιμήσεων που προέκυψαν από τα εμπειρικά μοντέλα, που έχουν παραμετροποιηθεί χρησιμοποιώντας δεδομένα MODIS LST.]] |
Τα αποτελέσματα που προέκυψαν κατά την αξιολόγηση των μοντέλων ETo συνοψίζονται στον Πίνακα 1. Το RMSE και το MAE χρησιμοποιήθηκαν για να ποσοτικοποιήσουν τις διαφορές μεταξύ των ΕΤο που υπολογίστηκαν με χρήση της μεθόδου FAO-PM και των εκτιμήσεων που προέκυψαν από τη χρήση των εμπειρικών μοντέλων, τα οποία παραμετροποιήθηκαν με δεδομένα LST MODIS.Οι παγκόσμιοι μέσοι όροι του RMSE και του ΜΑΕ είναι αρκετά ομοιογενείς για κάθε ένα από τα μοντέλα που αξιολογούνται. | Τα αποτελέσματα που προέκυψαν κατά την αξιολόγηση των μοντέλων ETo συνοψίζονται στον Πίνακα 1. Το RMSE και το MAE χρησιμοποιήθηκαν για να ποσοτικοποιήσουν τις διαφορές μεταξύ των ΕΤο που υπολογίστηκαν με χρήση της μεθόδου FAO-PM και των εκτιμήσεων που προέκυψαν από τη χρήση των εμπειρικών μοντέλων, τα οποία παραμετροποιήθηκαν με δεδομένα LST MODIS.Οι παγκόσμιοι μέσοι όροι του RMSE και του ΜΑΕ είναι αρκετά ομοιογενείς για κάθε ένα από τα μοντέλα που αξιολογούνται. | ||
| - | Τα μηνιαία σφάλματα που προέκυψαν από τα υπό δοκιμή μοντέλα, σε σύγκριση με τη μέθοδο αναφοράς, παρουσιάζονται στην | + | Τα μηνιαία σφάλματα που προέκυψαν από τα υπό δοκιμή μοντέλα, σε σύγκριση με τη μέθοδο αναφοράς, παρουσιάζονται στην εικόνα 2. Με άλλα λόγια, το μοντέλο Blaneye-Criddle-LST απέδωσε καλύτερα τους μήνες που η θερμοκρασία του αέρα παρουσίαζε ισχυρή συσχέτιση με την LST, ενώ είχε μειωμένη απόδοσή τους μήνες που η θερμοκρασία του αέρα εμφάνιζε ασθενή συσχέτιση με την LST. Από την άλλη πλευρά, το μοντέλο Hargreaves-LST ήταν πιο αποτελεσματικό στην ελαχιστοποίηση των συνεπειών των διαφορών που παρατηρήθηκαν μεταξύ της θερμοκρασίας του αέρα και της LST κατά το Νοέμβριο, το Δεκέμβριο και τον Ιανουάριο. Το μοντέλο απέδωσε καλά κατά τη διάρκεια αυτών των μηνών. Σύμφωνα με τα αποτελέσματα αυτής της έρευνας και τις συγκρίσεις με προηγούμενες, συμπεραίνουμε ότι το μοντέλο των Blaney-Criddle-LST δεν είναι το καταλληλότερο για τη συγκεκριμένη περιοχή κατά τη χρήση της προτεινόμενης μεθοδολογίας. Αντιθέτως, από το μοντέλο Hargreaves-LST επετεύχθησαν τα καλύτερα αποτελεσματα γραμμικής παλινδρόμησης και ανάλυσης σφαλμάτων, τα οποία είναι επίσης σύμφωνα με τα αποτελέσματα προηγούμενων μελετών. Ως εκ τούτου, είναι εφικτό να υποστηρίζεται ότι η συγκεκριμένη μέθοδος θεωρείται ως η πλέον κατάλληλη για την εφαρμογή της προτεινόμενης μεθοδολογίας σε αυτή την περιοχή μελέτης. |
| - | Οι μεταβολές της ΕΤο κατά τη διάρκεια του έτους στην Taita Hills απεικονίζονται στην εικόνα | + | Οι μεταβολές της ΕΤο κατά τη διάρκεια του έτους στην Taita Hills απεικονίζονται στην εικόνα 3 χρησιμοποιώντας τους μέσους όρους των καταγεγραμμένων τιμών LST από το 2001 έως το 2008. Η εικόνα δείχνει ότι η ETo διαφέρει σημαντικά μεταξύ των πεδινών περιοχών, που κυμαίνονται από 600 έως 1000 μέτρα, και των λόφων, μεταξύ 1000 και 2200 μέτρων, λόγω των διαφορών στην επιφάνεια της γης και την ατμοσφαιρική θερμοκρασία. Επιπλέον, η ετήσια διακύμανση είναι μεγάλη τόσο στις πεδινές περιοχές όσο και στους λόφους. |
| - | Σε γενικές γραμμές, η ETo είναι υψηλότερη κατά τους μήνες Σεπτέμβριο και Οκτώβριο, και φτάνει τις χαμηλότερες τιμές της μεταξύ Απριλίου και Ιουνίου. Ένα ενδιαφέρον χωρικό πρότυπο της ΕΤο παρατηρείται στη βορειοδυτική πλευρά των λόφων του βουνού Arc, το οποίο τοποθετείται σε μια περιοχή ομβροσκιάς και ως εκ τούτου λαμβάνει λιγοστή βροχόπτωση κατά τη διάρκεια του έτους. Ακόμη και αν η συγκεκριμένη περιοχή βρίσκεται στα 1600 m υψόμετρο, η ΕΤο είναι χαμηλότερη σε σύγκριση με άλλα μέρη των λόφων σε ίδιο υψόμετρο. Αυτή η συμπεριφορά οπτικοποιείται καλύτερα στην εικόνα | + | Σε γενικές γραμμές, η ETo είναι υψηλότερη κατά τους μήνες Σεπτέμβριο και Οκτώβριο, και φτάνει τις χαμηλότερες τιμές της μεταξύ Απριλίου και Ιουνίου. Ένα ενδιαφέρον χωρικό πρότυπο της ΕΤο παρατηρείται στη βορειοδυτική πλευρά των λόφων του βουνού Arc, το οποίο τοποθετείται σε μια περιοχή ομβροσκιάς και ως εκ τούτου λαμβάνει λιγοστή βροχόπτωση κατά τη διάρκεια του έτους. Ακόμη και αν η συγκεκριμένη περιοχή βρίσκεται στα 1600 m υψόμετρο, η ΕΤο είναι χαμηλότερη σε σύγκριση με άλλα μέρη των λόφων σε ίδιο υψόμετρο. Αυτή η συμπεριφορά οπτικοποιείται καλύτερα στην εικόνα 4, το οποίο δείχνει την εικόνα της ΕΤο κατά τη διάρκεια του Μαιου και του Οκτωβρίου σε δυο διατομές που σχεδιάστηκαν στην περιοχή μελέτης. Η συσχέτιση μεταξύ της ETo και του υψομέτρου ποικίλλει ανάλογα με την εποχή και το εύρος τιμών του υψομέτρου. Η ΕΤο ακολουθεί περισσότερο μεταβολές στο υψόμετρο τον Οκτώβριο σε σχέση με το Μάιο.[[Εικόνα:E.K4.5 eikona.JPG | thumb| left| Εικόνα 3. Χάρτες μέσης μηνιαίας ΕΤο που αποκτήθηκαν χρησιμοποιώντας το μοντέλο Hargreaves και τις μέσες LST καταγραφές από το 2001 έως το 2008.]][[Εικόνα:E.K4.6 eikona.JPG| thumb| left| Εικόνα 4. Προφίλ της εξατμισοδιαπνοής αναφοράς των μηνών Μαίου και Οκτωβρίου σε δυο τομές που διασχίζουν την περιοχή μελέτης.]] |
'''ΣΥΖΗΤΗΣΗ''' | '''ΣΥΖΗΤΗΣΗ''' | ||
| - | [[Εικόνα:E.K4.22 eikona.JPG | thumb| RIGHT | Εικόνα | + | [[Εικόνα:E.K4.22 eikona.JPG | thumb| RIGHT | Εικόνα 5. Μηνιαίοι μέσοι όροι μέγιστης, ελάχιστης και μέσης θερμοκρασίας έπειτα από μέτρηση στο μετεωρολογικό σταθμό Voi και μέσες μηνιαίες τιμές της ημέρας, της νύχτας και της μέσης θερμοκρασίας της επιφάνειας του εδάφους (LST) από τον αισθητήρα MODIS (2001-2008). ]][[Εικόνα:E.K4.4 eikona.JPG | thumb| RIGHT| Εικόνα 6. Μέση μηνιαία κατανομή ETo υπολογισμένη από τη μέθοδο FAO-PM και σε σύγκριση με τις τιμές που υπολογίζονται από τις βαθμονομημένες μεθόδους Hargreaves, Thornthwaite και Blaneye-Criddle, χρησιμοποιώντας MODIS δεδομένα της θερμοκρασίας της επιφάνειας της γης.]] |
| - | Τα μοντέλα που αξιολογήθηκαν έλαβαν ως δεδομένα εισόδου, δεδομένα της LST του αισθητήρα MODIS και τα αποτελέσματα συγκρίθηκαν με το μοντέλο FAO-PM που χρησιμοποιεί μετεωρολογικά δεδομένα από το σταθμό εδάφους. Ως εκ τούτου, αν και αυτά τα εμπειρικά μοντέλα της ETo αναπτύχθηκαν αρχικά χρησιμοποιώντας τη θερμοκρασία του αέρα, η παρούσα μελέτη έδειξε ότι παρόμοια αποτελέσματα μπορούν να επιτευχθούν με τη χρήση της LST ως εναλλακτικής εισόδου σε περιοχές με περιορισμένη διαθεσιμότητα των δεδομένων εδάφους. Η χρήση δεδομένων LST που έχουν ανακτηθεί για τροχιακούς αισθητήρες έχουν το πλεονέκτημα ότι επιτρέπουν τη χωρική επεξήγηση της ETo σε υψηλότερες χωρικές αναλύσεις. Παρ όλα αυτά, όπως φάνηκε από τις εικόνες 2, | + | Τα μοντέλα που αξιολογήθηκαν έλαβαν ως δεδομένα εισόδου, δεδομένα της LST του αισθητήρα MODIS και τα αποτελέσματα συγκρίθηκαν με το μοντέλο FAO-PM που χρησιμοποιεί μετεωρολογικά δεδομένα από το σταθμό εδάφους. Ως εκ τούτου, αν και αυτά τα εμπειρικά μοντέλα της ETo αναπτύχθηκαν αρχικά χρησιμοποιώντας τη θερμοκρασία του αέρα, η παρούσα μελέτη έδειξε ότι παρόμοια αποτελέσματα μπορούν να επιτευχθούν με τη χρήση της LST ως εναλλακτικής εισόδου σε περιοχές με περιορισμένη διαθεσιμότητα των δεδομένων εδάφους. Η χρήση δεδομένων LST που έχουν ανακτηθεί για τροχιακούς αισθητήρες έχουν το πλεονέκτημα ότι επιτρέπουν τη χωρική επεξήγηση της ETo σε υψηλότερες χωρικές αναλύσεις. Παρ όλα αυτά, όπως φάνηκε από τις εικόνες 2, 5 και 6, τα σφάλματα και η ακρίβεια αυτής της προσέγγισης μπορεί να διαφέρουν ανάλογα με την εποχή. Τα οφέλη της χρήσης μιας ορθής χωρικά προσέγγισης αποδεικνύονται στους χάρτες που παρουσιάζονται στην εικόνα 3. Η μέθοδος αυτή επέτρεψε τον εντοπισμό των χωρο-χρονικών μεταβολών σε τοπικές κλίμακες, κάτι που θα ήταν τεχνικώς ανέφικτο με τη χρήση τυποποιημένων μεθόδων, λαμβάνοντας υπόψη ότι μόνο ένας μετεωρολογικός σταθμός υπάρχει στην περιοχή αυτή. Το εν λόγω χαρακτηριστικό μπορεί να ωφελήσει τη βελτίωση της διαχείρισης των υδάτων στην περιοχή και να υποστηρίξει τις αποφάσεις της πολιτικής για την κατανομή των χρήσεων γης με βάση αγρο-κλιματικές συνθήκες. Επιπλέον, ορθά χωρικά μοντέλα της ETo αποτελούν μια ουσιαστική συνιστώσα σε εφαρμογές όπως η παρακολούθηση των φαινομένων ξηρασίας, αξιολόγηση του κινδύνου ερημοποίησης και προβλέψεων γεωργικής απόδοσης. |
Παρούσα αναθεώρηση της 23:22, 22 Φεβρουαρίου 2011
Υπολογισμός της εξατμισοδιαπνοής αναφοράς χρησιμοποιώντας μοντέλα τηλεπισκόπησης και εμπειρικά μοντέλα σε μια περιοχή περιορισμένων διαθέσιμων εδαφικών δεδομένων στην Κένυα.
Estimating reference evapotranspiration using remote sensing and empirical models in a region with limited ground data availability in Kenya.
Συγγραφείς : Eduardo Eiji Maeda, David A. Wiberg και Petri K.E. Pellikka.
Πηγή : Science Direct
ΕΙΣΑΓΩΓΗ
Παρόλο που το παγκόσμια αποθέματα των υδάτινων πόρων είναι ακόμα κάτω από το κρίσιμο όριο, πολλά είναι τα δισεκατομμύρια των ανθρώπων που ζουν σε περιοχές με υψηλή πίεση έλλειψης ύδατος, λόγω της άνισης κατανομής του πόρου αυτού στο χώρο και το χρόνο. Σε αυτές τις περιοχές, η ακριβής εκτίμηση των αναγκών σε νερό και η διανομή του είναι καθοριστικής σημασίας για τη βελτίωση της διαχείρισης του νερού και για την αποφυγή της έλλειψης του. Στις περισσότερες αφρικανικές χώρες η γεωργία αποτελεί την κύρια οικονομική δραστηριότητα, και εκτιμάται ότι οι γεωργικές περιοχές διπλασιάστηκαν μεταξύ των ετών 1975 και 2000. Κατά συνέπεια, ένας προσεκτικός έλεγχος του νερού που χρησιμοποιείται για άρδευση αποτελεί βασική πτυχή που πρέπει να εξεταστεί, προκειμένου να εξασφαλιστεί η ορθή κατανομή των διαθέσιμων πόρων μεταξύ οικιστικής, βιομηχανικής και γεωργικής χρήσης. Αρκετές μελέτες έχουν δείξει ότι η προσεκτική διαχείριση της άρδευσης μπορεί να βελτιώσει σημαντικά την αποδοτική χρήση του νερού για τις καλλιέργειες χωρίς να προκαλείται μείωση στη σοδειάς τους. Μία από τις θεμελιώδεις απαιτήσεις για να εκτιμηθεί η ποσότητα του νερού που απαιτείται για τη βέλτιστη γεωργική παραγωγή είναι να κατανοήσουμε αποτελεσματικά τις σχέσεις μεταξύ των κλιματολογικών συνθηκών και της εξατμισοδιαπνοής (ΕΤ). Η ποσοτικοποίηση της ET είναι ένα βασικό συστατικό για το σχεδιασμό, τη λειτουργία και διαχείριση των συστημάτων άρδευσης. Ο σχεδιασμός πολύπλοκων μοντέλων που αναπτύχθηκαν για την προσομοίωση των φυσικών διαδικασιών που εμπλέκονται στην ET περιλαμβάνουν συχνά πολλές μεταβλητές, και απαιτούν μεγάλη ποσότητα δεδομένων εισόδου, τα οποία δεν είναι εύκολο να συγκεντρωθούν στις αναπτυσσόμενες και φτωχές χώρες. Ο συνδυασμός μοντέλων της ΕΤ με τηλεπισκοπικά δεδομένα παρέχει μια εφικτή εναλλακτική λύση για την απόκτηση χρονικών και χωρικών συνεχών πληροφοριών σχετικά με τις βιοφυσικές μεταβλητές. Στις κακώς εκτιμημένες λεκάνες απορροής, τηλεπισκοπικά δεδομένα έχουν τη δυνατότητα να βελτιώσουν σημαντικά τη διαθεσιμότητα των απαραίτητων πληροφοριών, όπως για παράδειγμα τη λευκαύγεια, το δείκτη μεγέθους των φύλλων του φυτού και τη θερμοκρασία της επιφάνειας του εδάφους (LST). Ουσιαστική εφαρμογή του ανωτέρω συνδυασμού αποτελεί η αξιολόγηση τριών εμπειρικών μοντέλων ETo σε μια περιοχή ιδιαίτερα σημαντική από άποψης διατήρησης του περιβάλλοντος στη Νοτιοανατολική-Κένυα, όπου λαμβάνει χώρα έντονη γεωργική επέκταση. Προκειμένου να ξεπεραστεί η χαμηλή διαθεσιμότητα των μετεωρολογικών δεδομένων, συλλέχτηκαν LST δεδομένα μέσω του αισθητήρα MODIS / Terra και εξετάστηκαν ως εναλλακτική εισροή για την αξιολόγηση των μοντέλων.
ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ
Η περιοχή Taita Hills αποτελεί το βορειότερο τμήμα των ανατολικών περιοχών του βουνού Arc στην Κένυα και στην Τανζανία, και βρίσκεται στο κέντρο της πεδιάδας Tsavo, της Taita-Taverta District στην Coast Province, της Κένυα (Εικόνα 1). Τα τροπικά δάση βροχής της περιοχής έχουν υποστεί ουσιαστική υποβάθμιση καθώς έχουν μετατραπεί σε καλλιεργήσιμες εκτάσεις, εξαιτίας των άφθονων βροχοπτώσεων (1100mm ετησίως) και των πλούσιων εδαφών που παρέχουν καλές συνθήκες αγροτικής παραγωγής. Κατά τη διάρκεια των δυο τελευταίων δεκαετιών, οι αγροτικές εκτάσεις έχουν αυξηθεί ειδικότερα στους γύρω πρόποδες και στα πεδινά. Η περιοχή μελέτης βρίσκεται μέσα στο σημείο σύγκλισης των τροπικών ζωνών, η περίοδος μακρών βροχοπτώσεων σημειώνεται στο διάστημα Μαρτίου – Μαΐου και των σύντομων μεταξύ Νοεμβρίου και Δεκεμβρίου.
ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ
Πολλά είναι τα σύνθετα εμπειρικά και φυσικά μοντέλα εξατμισοδιαπνοής που έχουν αναπτυχθεί κατά τις προηγούμενες δεκαετίες με διαφοροποιήσεις στην πολυπλοκότητα και στα υπερβολικά απαιτητικής ακρίβειας δεδομένα, τα οποία αποτέλεσαν πρόβλημα σε πολλές περιπτώσεις. Για να ξεπεραστούν τέτοιου είδους προβλήματα, χρησιμοποιήθηκαν τα εμπειρικά μοντέλα εξατμισοδιαπνοής (ΕΤο) Hargreaves, Thornthwaite και Blaney – Criddle που απαιτούν μόνο δεδομένα θερμοκρασίας του αέρα.
Μοντέλα εξατμισοδιαπνοής (ΕΤο) αναφοράς
- Hargreaves
Η μέθοδος Hargreaves χρησιμοποιεί δεδομένα οκτώ ετών που λαμβάνονται σε καθημερινή βάση με λυσίμετρο και έχει δοκιμαστεί σε διάφορες τοποθεσίες όπως η Αυστραλία, η Αϊτή και το Μπαγκλαντές. Η εξίσωση Hargreaves απαιτεί γνώση της ημερήσιας μέσης, μέγιστης και ελάχιστης θερμοκρασίας αέρα και της εξωγήινης ακτινοβολίας.
- Thornthwaite
Η μέθοδος Thornthwaite βασίζεται σε μια εμπειρική σχέση μεταξύ ΕΤο και μέσης θερμοκρασίας.
- Blaney - Criddle
Η εξίσωση Blaneye - Criddle είναι ένα από τα πρώτα εμπειρικά μοντέλα που αναπτύχθηκαν για την εκτίμηση της ETo και εξακολουθεί να εφαρμόζεται με επιτυχία σε πολλές μελέτες διαχείρισης υδάτων.
Δεδομένα εισόδου
Τα δεδομένα θερμοκρασίας του αέρα που χρησιμοποιούνται στα μοντέλα της ETo αποκτήθηκαν από τον αισθητήρα MODIS και πιο συγκεκριμένα πρόκειται για προϊόντα κατηγορίας MOD11A2, τα οποία προσφέρουν ημερήσια και νυχτερινά δεδομένα της θερμοκρασίας επιφάνειας του εδάφους (LST). Τα δεδομένα αποθηκεύονται σε ένα ημιτονοειδές δίκτυο 1-χιλιομέτρου και παρέχεται η δυνατότητα αποθήκευσης των μέσων τιμών της θερμοκρασίας επιφάνειας του εδάφους για διάστημα 8-ημερών. Τα προϊόντα MOD11A2 επικυρώνονται για μια σειρά από αντιπροσωπευτικές συνθήκες, πράγμα που σημαίνει ότι οι αβεβαιότητες τους έχουν καθοριστεί σωστά και χρησιμοποιούνται ικανοποιητικά σε πλήθος επιστημονικών μελετών. Οι τιμές της θερμοκρασίας, οι οποίες αρχικά ήταν σε Kelvin, μετατρέπονται σε βαθμούς Κελσίου, ώστε να ταιριάζουν στις απαιτήσεις των μοντέλων, και τα σύνθετα εικόνων 8 ημερών συγκεντρώνονται σε μηνιαίους μέσους όρους. Όλες οι διαδικασίες επεξεργασίας εικόνας και οι υπολογισμοί γίνονται με χρήση του λογισμικού MATLABΤΜ. Για να διακρίνεται καθαρά η προσέγγιση που χρησιμοποιήθηκε στην παρούσα μελέτη, όταν χρησιμοποιούνται LST δεδομένα σε αντικατάσταση δεδομένων της θερμοκρασίας του αέρα από επίγειους σταθμούς, τα μοντέλα Hargreaves, Thornthwaite, και Blaneye-Criddle θα ονομάζονται στο εξής Hargreaves-LST, Thornthwaite-LST, και BlaneyeCriddle-LST, αντίστοιχα. Επιπλέον εξαιρετική σημασία διαδραματίζει η βαθμονόμηση των εμπειρικών εξισώσεων για τον υπολογισμό της ΕΤο οι οποίες, παρά την αποτελεσματικότητα τους, χρησιμοποιούν ως σημείο αναφοράς τη μέθοδο FAO Penman-Monteith (FAO-PM). Η εν λόγω μέθοδος στηρίζεται σε μια σειρά εξισώσεων, που αποτελούνται από ορισμένες μετεωρολογικές παραμέτρους οι οποίες συμπληρώνονται από δεδομένα επίγειου μετεωρολογικού σταθμού, και παρά τις όποιες αδυναμίες της έχει γίνει αποδεκτή από την επιστημονική κοινότητα ως η πιο ακριβής. Με αυτή τη διαδικασία υπολογίζονταν οι τιμές της ΕΤο για ένα συγκεκριμένο σημείο χρησιμοποιώντας τα εμπειρικά μοντέλα και τα δεδομένα MODIS LST. Τα μοντέλα εξατμισοδιαπνοής συγκρίνονταν με τυπικές στατιστικές και τη γραμμική ανάλυση παλινδρόμησης, ενώ για κάθε ένα από αυτά υπολογίζονταν το Root Mean Squared Error (RMSE) και το Mean Absolute Error (MAE).
ΑΠΟΤΕΛΕΣΜΑΤΑ
Τα αποτελέσματα που προέκυψαν κατά την αξιολόγηση των μοντέλων ETo συνοψίζονται στον Πίνακα 1. Το RMSE και το MAE χρησιμοποιήθηκαν για να ποσοτικοποιήσουν τις διαφορές μεταξύ των ΕΤο που υπολογίστηκαν με χρήση της μεθόδου FAO-PM και των εκτιμήσεων που προέκυψαν από τη χρήση των εμπειρικών μοντέλων, τα οποία παραμετροποιήθηκαν με δεδομένα LST MODIS.Οι παγκόσμιοι μέσοι όροι του RMSE και του ΜΑΕ είναι αρκετά ομοιογενείς για κάθε ένα από τα μοντέλα που αξιολογούνται. Τα μηνιαία σφάλματα που προέκυψαν από τα υπό δοκιμή μοντέλα, σε σύγκριση με τη μέθοδο αναφοράς, παρουσιάζονται στην εικόνα 2. Με άλλα λόγια, το μοντέλο Blaneye-Criddle-LST απέδωσε καλύτερα τους μήνες που η θερμοκρασία του αέρα παρουσίαζε ισχυρή συσχέτιση με την LST, ενώ είχε μειωμένη απόδοσή τους μήνες που η θερμοκρασία του αέρα εμφάνιζε ασθενή συσχέτιση με την LST. Από την άλλη πλευρά, το μοντέλο Hargreaves-LST ήταν πιο αποτελεσματικό στην ελαχιστοποίηση των συνεπειών των διαφορών που παρατηρήθηκαν μεταξύ της θερμοκρασίας του αέρα και της LST κατά το Νοέμβριο, το Δεκέμβριο και τον Ιανουάριο. Το μοντέλο απέδωσε καλά κατά τη διάρκεια αυτών των μηνών. Σύμφωνα με τα αποτελέσματα αυτής της έρευνας και τις συγκρίσεις με προηγούμενες, συμπεραίνουμε ότι το μοντέλο των Blaney-Criddle-LST δεν είναι το καταλληλότερο για τη συγκεκριμένη περιοχή κατά τη χρήση της προτεινόμενης μεθοδολογίας. Αντιθέτως, από το μοντέλο Hargreaves-LST επετεύχθησαν τα καλύτερα αποτελεσματα γραμμικής παλινδρόμησης και ανάλυσης σφαλμάτων, τα οποία είναι επίσης σύμφωνα με τα αποτελέσματα προηγούμενων μελετών. Ως εκ τούτου, είναι εφικτό να υποστηρίζεται ότι η συγκεκριμένη μέθοδος θεωρείται ως η πλέον κατάλληλη για την εφαρμογή της προτεινόμενης μεθοδολογίας σε αυτή την περιοχή μελέτης. Οι μεταβολές της ΕΤο κατά τη διάρκεια του έτους στην Taita Hills απεικονίζονται στην εικόνα 3 χρησιμοποιώντας τους μέσους όρους των καταγεγραμμένων τιμών LST από το 2001 έως το 2008. Η εικόνα δείχνει ότι η ETo διαφέρει σημαντικά μεταξύ των πεδινών περιοχών, που κυμαίνονται από 600 έως 1000 μέτρα, και των λόφων, μεταξύ 1000 και 2200 μέτρων, λόγω των διαφορών στην επιφάνεια της γης και την ατμοσφαιρική θερμοκρασία. Επιπλέον, η ετήσια διακύμανση είναι μεγάλη τόσο στις πεδινές περιοχές όσο και στους λόφους.
Σε γενικές γραμμές, η ETo είναι υψηλότερη κατά τους μήνες Σεπτέμβριο και Οκτώβριο, και φτάνει τις χαμηλότερες τιμές της μεταξύ Απριλίου και Ιουνίου. Ένα ενδιαφέρον χωρικό πρότυπο της ΕΤο παρατηρείται στη βορειοδυτική πλευρά των λόφων του βουνού Arc, το οποίο τοποθετείται σε μια περιοχή ομβροσκιάς και ως εκ τούτου λαμβάνει λιγοστή βροχόπτωση κατά τη διάρκεια του έτους. Ακόμη και αν η συγκεκριμένη περιοχή βρίσκεται στα 1600 m υψόμετρο, η ΕΤο είναι χαμηλότερη σε σύγκριση με άλλα μέρη των λόφων σε ίδιο υψόμετρο. Αυτή η συμπεριφορά οπτικοποιείται καλύτερα στην εικόνα 4, το οποίο δείχνει την εικόνα της ΕΤο κατά τη διάρκεια του Μαιου και του Οκτωβρίου σε δυο διατομές που σχεδιάστηκαν στην περιοχή μελέτης. Η συσχέτιση μεταξύ της ETo και του υψομέτρου ποικίλλει ανάλογα με την εποχή και το εύρος τιμών του υψομέτρου. Η ΕΤο ακολουθεί περισσότερο μεταβολές στο υψόμετρο τον Οκτώβριο σε σχέση με το Μάιο.
ΣΥΖΗΤΗΣΗ
Τα μοντέλα που αξιολογήθηκαν έλαβαν ως δεδομένα εισόδου, δεδομένα της LST του αισθητήρα MODIS και τα αποτελέσματα συγκρίθηκαν με το μοντέλο FAO-PM που χρησιμοποιεί μετεωρολογικά δεδομένα από το σταθμό εδάφους. Ως εκ τούτου, αν και αυτά τα εμπειρικά μοντέλα της ETo αναπτύχθηκαν αρχικά χρησιμοποιώντας τη θερμοκρασία του αέρα, η παρούσα μελέτη έδειξε ότι παρόμοια αποτελέσματα μπορούν να επιτευχθούν με τη χρήση της LST ως εναλλακτικής εισόδου σε περιοχές με περιορισμένη διαθεσιμότητα των δεδομένων εδάφους. Η χρήση δεδομένων LST που έχουν ανακτηθεί για τροχιακούς αισθητήρες έχουν το πλεονέκτημα ότι επιτρέπουν τη χωρική επεξήγηση της ETo σε υψηλότερες χωρικές αναλύσεις. Παρ όλα αυτά, όπως φάνηκε από τις εικόνες 2, 5 και 6, τα σφάλματα και η ακρίβεια αυτής της προσέγγισης μπορεί να διαφέρουν ανάλογα με την εποχή. Τα οφέλη της χρήσης μιας ορθής χωρικά προσέγγισης αποδεικνύονται στους χάρτες που παρουσιάζονται στην εικόνα 3. Η μέθοδος αυτή επέτρεψε τον εντοπισμό των χωρο-χρονικών μεταβολών σε τοπικές κλίμακες, κάτι που θα ήταν τεχνικώς ανέφικτο με τη χρήση τυποποιημένων μεθόδων, λαμβάνοντας υπόψη ότι μόνο ένας μετεωρολογικός σταθμός υπάρχει στην περιοχή αυτή. Το εν λόγω χαρακτηριστικό μπορεί να ωφελήσει τη βελτίωση της διαχείρισης των υδάτων στην περιοχή και να υποστηρίξει τις αποφάσεις της πολιτικής για την κατανομή των χρήσεων γης με βάση αγρο-κλιματικές συνθήκες. Επιπλέον, ορθά χωρικά μοντέλα της ETo αποτελούν μια ουσιαστική συνιστώσα σε εφαρμογές όπως η παρακολούθηση των φαινομένων ξηρασίας, αξιολόγηση του κινδύνου ερημοποίησης και προβλέψεων γεωργικής απόδοσης.
ΣΥΜΠΕΡΑΣΜΑΤΑ
Με βάση την ανάλυση των RMSE, ΜΑΕ και της γραμμικής ανάλυσης παλινδρόμησης, το μοντέλο Hargreaves ETo επιλέχθηκε ως το πλέον κατάλληλο για τη συγκεκριμένη περιοχή μελέτης. Αν και είναι εμφανή ορισμένα μειονεκτήματα στη χρήση δεδομένων LST ως δεδομένα εισαγωγής για τα μοντέλα της ETo, το προϊόν MODIS LST είχε, ικανοποιητικά, ενσωματωθεί στο μοντέλο Hargreaves. Επιπλέον, τα σφάλματα και οι αβεβαιότητες που εντοπίζονται στην χρήση της τηλεπισκόπησης LST μπορούν να θεωρηθούν ανεκτά λαμβάνοντας υπόψη το μειωμένο δίκτυο συλλογής μετεωρολογικών δεδομένων στην περιοχή αυτή.
Η μεθοδολογία που παρουσιάζεται μπορεί να θεωρηθεί ως εφικτή εναλλακτική λύση για την εκτίμηση της ETo στην περιοχή μελέτης, χωρίς κανένα επιπλέον κόστος. Η επιχειρησιακή χρήση μιας τέτοιας μεθόδου μπορεί, ενδεχομένως, να βελτιώσει τη μοντελοποίηση διανομής του νερού, και τέλος, να επιτρέψει την αύξηση του ελέγχου της χρήσης του νερού για άρδευση. Παρ 'όλα αυτά, περαιτέρω μελέτες είναι απαραίτητες για την επέκταση αυτής της μεθόδου σε άλλες περιοχές της Ανατολικής Αφρικής. Τα διάφορα μοντέλα θα πρέπει να ελέγχονται για την καταλληλότητα τους σε διαφορετικές κλιματικές συνθήκες στην Ανατολή-Αφρική και η χωρική μεταβλητότητα των παραμέτρων βαθμονόμησης πρέπει να καθοριστεί.
