Journal of Geomatics Science and Technology

fa برآورد بهینه پارامتر تبخیرتعرق بالقوه با استفاده از مشاهدات سیستم تعیین موقعیت جهانی Optimal evapotranspiration parameter estimation using GPS observation ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research <div style="text-align: justify;">تبخیرتعرق‌ بالقوه (PET) یکی از اجزای مهم چرخه‌ آب و تعادل انرژی است. معمولاً مدل‌های تجربی تورنت‌‌وایت (TH) و پنمن‌مانتیث (PM) برای محاسبه PET به کار می‌روند. از آن جایی که مدل TH تنها متغیر دما را به عنوان ورودی در نظر می‌گیرد، دقت پایینی دارد، در حالی که مدل PM به دلیل استفاده از پارامترهای هواشناسی فراوان بسیار دقیق است.  PETحاصل از این دو روش دارای وضوح مکانی پایین بوده و تنها در یک نقطه به دست می‌آید. بنابراین، در این مقاله با هدف دستیابی به برآورد دقیق‌تر PET، مدلی بهینه و با وضوح مکانی بالاتر (KPET) توسعه داده شد که با بهره‌گیری از حداقل پارامترهای هواشناسی و استفاده از بخار آب قابل بارش (PWV) استخراج‌شده از سامانه‌های ماهواره‌ای ناوبری جهانی (GNSS)، دقت بالایی را در برآورد PET فراهم می‌کند. بدین منظور، ابتدا اختلاف بین PET بدست‌آمده از مدل‌های PM و TH، یعنی مقدار (DPET) محاسبه شد، سپس با تحلیل رابطه بین DPET و پارامترهای PWV، دما، فشار، موقعیت و زمان یک مدل رگرسیون چند‌‌جمله‌ای درجه دو انتخاب شد، و مدل جدید با افزودن DPET برازش‌شده به مقدار اولیه PET حاصل از مدل TH ایجاد شد. نتایج به‌کارگیری مدل پیشنهادی در منطقه مطالعاتی لس‌آنجلس، عملکرد رضایت‌بخش مدل KPET را نشان داد. از معیارهای آماری ریشه میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و ضریب همبستگی برای ارزیابی مدل‌های KPET  و TH، نسبت به مدل  PMاستفاده و نتایج ارزیابی با یکدیگر مقایسه شد. نتایج آماری به ‌صورت میانگین در تمامی ایستگاه‌های کنترل، عملکرد برتر مدل KPET را با  RMSE برابر 42/0 میلی‌متر، MAE  برابر 33/0 میلی‌متر و ضریب همبستگی برابر 974/0، در مقایسه با مدل TH که دارای RMSE برابر 84/1میلی‌متر، MAE  برابر 71/1 میلی‌متر و ضریب همبستگی برابر 918/0بود، نشان داد. میزان بهبود RMSE در ایستگاه‌های کنترل به ترتیب 25/72%، 6/82%، 7/79%، 95/78% و 72/62% به دست آمد. این نتایج بیانگر آن است که مدل KPET توسعه‌یافته در این مطالعه می‌تواند با دقت و اطمینان بالا PET را با استفاده از داده‌های هواشناسی محدود در منطقه، محاسبه کند.</div> <div style="text-align: justify;">Potential Evapotranspiration (PET) is a crucial component of the water cycle and energy balance. Typically, empirical models such as Thornthwaite (TH) and Penman-Monteith (PM) are employed to calculate PET. However, the TH model only considers temperature as a climatic input, leading to lower accuracy, whereas the PM model utilizes a wide range of meteorological parameters, providing much higher accuracy. Nonetheless, the PET derived from these methods generally has low spatial resolution, as it is calculated for a single point. Therefore, in this study, to achieve highly accurate PET estimates with fewer meteorological parameters and enhanced spatial resolution, an optimized PET estimator model (KPET) was developed, which utilizes precipitable water vapor (PWV) derived from the Global Navigation Satellite Systems (GNSS). Initially, the difference between PET calculated by the PM and TH models (DPET) was determined. Then, the relationship between DPET and PWV, temperature, pressure, and spatiotemporal parameters was analyzed, leading to the selection of a quadratic polynomial regression model. Finally, the new model was developed by adding the fitted DPET to the initial PET derived from the TH model. Los Angeles was chosen as the study area, and the statistical results demonstrated the satisfactory performance of the proposed KPET model in the region. The statistical metrics of RMSE, MAE, and the correlation coefficient were used to evaluate the KPET and TH models relative to the PM model, and the evaluation results were compared. The statistical results, averaged across all control stations, showed that the KPET model achieved an RMSE of 0.42 mm, an MAE of 0.33 mm, and a correlation coefficient of 0.98, outperforming the TH model, which had an RMSE of 1.84 mm, an MAE of 1.71 mm, and a correlation coefficient of 0.92. Additionally, the improvement in RMSE across the control stations was found to be 72.25%, 82.6%, 79.7%, 78.95%, and 62.72%, respectively. These findings indicate that the KPET model developed in this study can accurately and reliably estimate PET using limited meteorological data in the region.</div> تبخیر‌تعرق‌ بالقوه, سیستم‌های ماهواره‌ای ناوبری جهانی, بخار‌آب قابل بارش, روش پنمن‌مانتیث, روش تورنت‌وایت : potential evapotranspiration, Global Navigation Satellite Systems, precipitable water vapor, Penman-Monteith method, Thornthwaite method 17 27 http://jgst.issgeac.ir/browse.php?a_code=A-10-53-9&slc_lang=fa&sid=1 Saeed Ebrahimi سعید ابراهیمی s.ebrahimi@email.kntu.ac.ir 100319475328460011111 100319475328460011111 No Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی نقشه‌برداری دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Yazdan Amerian یزدان عامریان amerian@kntu.ac.ir 100319475328460011112 100319475328460011112 Yes Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی نقشه‌برداری دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Saeid Haji-Aghajany سعید حاجی‌آقاجانی saeid.haji-aghajany@upwr.edu.pl 100319475328460011113 100319475328460011113 No Institute of Geodesy and Geoinformatics, Wrocław University of Environmental and Life Sciences, Norwida 25, 50-375 Wrocław, Poland مؤسسه ژئودزی و ژئوانفورماتیک - دانشگاه علوم زیست محیطی وراتسواف - لهستان