شبیه‌سازی دمای اعماق مختلف خاک در مقیاس‌های ساعتی و روزانه با بکارگیری یک مدل SVAT

نوع مقاله : مقاله کامل علمی پژوهشی

نویسنده

گروه علوم و مهندسی آب- دانشگاه کردستان

چکیده

سابقه و هدف: دمای خاک یک متغیر مهم و مؤثر بر فرایندهای مختلف فیزیکی، شیمیایی و بیولوژیکی خاک است. دمای خاک همچنین به طور مستقیم و غیر مستقیم روی فعالیت‌های گیاهی و بر نرخ تبادلات جرم و انرژی بین سطح خاک و آتمسفر اثر قابل توجهی دارد. با توجه به وجود داده‌های محدود و ناقص از دمای خاک، مدل‌سازی آن از اهمیت شایانی برخوردار است. مدل‌سازی دقیق تغییرات دمای خاک مستلزم در نظر گرفتن همزمان تمامی عوامل داخلی و بیرونی مؤثر بر آن است. در این راستا مدل‌های SVAT که مبتنی بر حل معادلات توأمان انتقال گرما و رطوبت در خاک هستند از اهمیت بالا و دقت قابل قبولی برخوردار هستند.
مواد و روش‌ها: برای انجام این پژوهش، از یک مدل SVAT جهت شبیه‌سازی تغییرات ساعتی دمای اعماق خاک استفاده شد. یک ایستگاه سینوپتیک قدیمی ایران (ایستگاه سقز) برای انجام این مطالعه انتخاب شد و بر اساس داده‌های اندازه‌گیری‌شده ویژگی‌های فیزیکی خاک در اعماق مختلف و همچنین متغیرهای مختلف هواشناسی در یک بازه زمانی چند ساله، مقادیر ساعتی دمای اعماق مختلف خاک مورد شبیه-سازی قرار گرفتند. جهت واسنجی مدل از روش بیزین با در نظر گرفتن 10 پارامتر اصلی مدل و انجام 8000 مرتبه شبیه‌سازی بر اساس ترکیب‌های مختلف تولید شده از مقادیر پارامترها در دامنه عدم قطعیت آنها به روش تصادفی مونت کارلو در بازه زمانی 2009-1994 استفاده شد سپس این مدل واسنجی‌شده در دوره آماری 2014-2010 مورد اعتبارسنجی قرار گرفت. جهت سنجش عملکرد مدل نیز از سه شاخص میانگین قدر مطلق خطا، میانگین اریبی خطا و ضریب تعیین استفاده شد.
یافته‌ها: نتایج حاصل از واسنجی مدل با بکارگیری روش بیزین نشان‌دهنده تغییر ملموس در مقادیر 10 پارامتر منتخب مدل در مقایسه با مقادیر پیش‌فرض آنها و همچنین مطلوب بودن فرایند واسنجی بود. در دوره واسنجی، در غالب موارد مقادیر هر سه شاخص‌ سنجش عملکرد مدل در حالت واسنجی در مقایسه با مقادیر پیش‌فرض پارامترها بطور نمایانی بهبود یافت. نتایج حاصل از اعتبارسنجی مدل نیز حاکی از عدم وجود تفاوت‌های چشمگیر بین شاخص‌های سنجش عملکرد مدل در دو حالت واسنجی و اعتبارسنجی و در نتیجه عملکرد قابل قبول مدل واسنجی‌شده جهت انجام پیش‌بینی مقادیر ساعتی دمای خاک در هر بازه زمانی دلخواه بود به گونه‌ای که برای تمامی زمان‌ها و کلیه اعماق خاک مورد مطالعه، ضریب تعیین بالاتر از 9/0 بدست آمد. با این وجود، عملکرد یکسانی از مدل برای فصول مختلف مشاهده نشد و بر اساس شاخص R2، پایین‌ترین عملکرد مدل در فصل زمستان و بر اساس شاخص MAE، بهترین عملکرد مدل در فصل زمستان و پایین‌ترین عملکرد آن در فصول بهار و تابستان رخ داد. نتایج همچنین نشان داد که تمایل کلی مدل برای شبیه‌سازی دمای خاک در فصول بهار و تابستان به سمت کم برآورد کردن و در فصول پاییز و زمستان به سمت بیش برآورد کردن است و نتایج حاصله در مقیاس سالانه نیز حاکی از تمایل کلی مدل به سمت کم برآورد کردن دمای خاک بود. نتایج حاصل از شبیه‌سازی میانگین‌ شبانه‌روزی دمای خاک نیز نشان-دهنده مقدار خطای کمتر مدل جهت برآورد میانگین شبانه‌روزی دمای خاک در مقایسه با مقادیر ساعتی دمای خاک بود.
نتیجه‌گیری: جمع‌بندی نتایج کلی این تحقیق بیانگر آن است که اگر چه مدل SVAT مورد استفاده در این تحقیق قابلیت مناسبی جهت شبیه‌سازی مقادیر ساعتی و روزانه دمای اعماق مختلف خاک دارد اما با جمع‌آوری ودخالت دادن داده‌های بیشتر نظیر داده‌های رطوبت خاک در فرایند واسنجی، امکان دستیابی به نتایج دقیق‌تر از مدل نیز وجود دارد. همچنین با توجه به وجود فرایندهای خاص مؤثر بر دمای خاک در دو فصل تابستان و زمستان، پیشنهاد می‌شود که فرایند واسنجی پارامترهای مدل برای این دو فصل بصورت جداگانه انجام شود.

کلیدواژه‌ها


عنوان مقاله [English]

Simulatingg different depths soil temperature in hourly and daily scales using a SVAT model

نویسنده [English]

  • Younes Khoshkhoo
Water Science and Engineering Department, University of Kurdistan
چکیده [English]

Background and objectives: Soil temperature is an important and effective variable influencing different soil physical, chemical and biological processes. Soil temperature also has direct and indirect impacts on plant activities and has a remarkable effect on the mass and energy transfer rate between soil and atmosphere. With respect to having limited and non-complete soil temperature data, modeling the soil temperature is very important. In this context, SVAT models which are on the basis of the solving the coupled soil heat and water transfer equations have a high important and acceptable accuracy.
Materials and methods: To performing this research, a SVAT model was used to simulating hourly soil temperature in different depths. An old synoptic station (Saghez station) was selected to performing this research and on the basis of the measured data of the soil physical properties in different layers and several meteorological variables in a multi-year time period, the hourly soil temperature values was simulated in different soil depths. The Bayesian Calibration method was used to calibrating the model by considering 10 main model parameters and by performing 8000 model runs on the basis of the different combinations of the parameter values in their uncertainty range using the Monte-Carlo stochastic method in the 1994 to 2009 time period. Then, the calibrated model was validated in the 2010 to 2014 time period and to evaluating the model performance, three indices including mean absolute error (MAE), mean biased error (MBE) and coefficient of determination (R2) were applied.
Results: The bayesian calibration results showed a sensible change in the 10 selected parameter values compared to their default values with a good calibrating process. In the calibration period, the value of all of the performance indices in most cases was improved after calibration process in comparison to the default-value parameters case. The model validation results showed non-remarkable differences between the model performance indices for two calibration and validation cases and therefore, an acceptable performance of the calibrated model can be expected to forcasting the hourly soil temperature values in any desired period so that the coefficient of determination (R2) was obtained more than 0.9 in all of the studied times and soil depths. However, the model performance was not showed a similar behavior during different seasons so that based on the R2 criterion, the lowest model performance was occurred during the winter but on the basis of the MAE criterion, the best and lowest model performance was occurred in the winter and both spring and summer seasons, respectively. The results also showed that the overall tendency of the model simulations is to underestimate the spring and summer and overestimate the autumn and winter soil temperatures and in the annual scale, an overall model underestimation can be recognized. The daily mean soil temperature simulation results showed less error values in comparison to the hourly soil temperature simulations.
Conclusion: The overall results of this research showed that instead of getting appropriate results of the hourly and daily soil temperatures in different depths using the selected SVAT model, by collecting and involving more data such as soil moisture data in the calibration process, it is possible to getting more accurate results from the model. Also, with respect to existence of specific influential processes on the soil temperature during the summer and winter seasons, it is suggested to distinctly performing the model parameters calibration procedure for these two seasons.

کلیدواژه‌ها [English]

  • Soil temperature
  • SVAT model
  • Bayesian method
  • Saghez station
1.Danierhan, S., Abudu, S., and Donghai, G. 2012. Coupled GSI-SVAT model with groundwater-surface water interaction in the riparian zone of Tarim River. J. Hydrol. Engin. 18: 10. 1211-1218.
2.Hu, Q., and Feng, S. 2003. A daily temperature dataset and soil temperature climatology of the contiguous United States. J. Appl. Meteor. 42: 8. 1139-1156.
3.Jansson, P.E., and Karlberg, L. 2010. Coupled heat and mass transfer model for soil-plant-atmosphere systems. Royal Institute of Technology. Stockholm. 454p.
4.Juston, J. 2010. Water and Carbon Balance Modeling. Methods of Uncertainty Analysis. Licentiate Thesis in Land and Water Resources Engineering. KTH University. Stockholm. Sweden. 36p.
5.Khoshkhoo, Y., Irannejad, P., Khalili, A., Rahimi, H., Liaghat, A., and Jansson,
P.E. 2013. Calibration and Uncertainty analysis of CoupModel for simulation of soil temperature at Hamedan synoptic station. Iran. J. Water Soil. 27: 928-939. (In Persian)
6.Khoshkhoo, Y., Jansson, P.E., Irannejad, P., Khalili, A., and Rahimi, H. 2015. Calibration of an energy balance model to simulate wintertime soil temperature, soil frost depth, and snow depth for a 14 year period in a high elevation area of Iran. Cold Regions Science and Technology. 119: 47-60.
7.Mojarad, F., and Sadeghi, H. 2013. Studying relationship between soil surface temperature and soil depths. Natural Geographic Reseaches. 45: 1. 110-118. (In Persian)
8.Nowrouzvelashodi, R., Ghahreman, N., and Irannejad, P. 2012. Evaluating CoupModel to estimating soil temperature and moisture with corn cover and non-cover soil. Soil Researches (Soil and Water Science). 26: 1. 55-66.
9.Park, S.K., Sungmin, O., and Cassardo, C. 2017. Soil temperature response in Korea to a changing climate using a land surface model. Asia-Pacific J. Atm. Sci. 53: 4. 457-470.
10.Ratan, Lal., and Shukla, K. 2002. Principles of Soil Physics. Marcel Dekker, Inc. New York.
11.Svensson, M., Jansson, P.E., Gustafsson, D., Kleja, D.B., Langvall, O., and Lindroth, A. 2008. Bayesian calibration of a model describing carbon, water and heat fluxes for a Swedish boreal forest stand. Ecological Modelling. 213: 331-344.
12.Wu, S.H., Jansson, P.E., and Kolari, P. 2012. The role of air and soil temperature in the seasonality of photosynthesis and transpiration in a boreal Scots pine ecosystem. Agricultural and Forest Meteorology. 156: 85-103.
13.Zhao, Y., Peth, S., and Horn, R. 2010. Modeling of coupled water and heat fluxes in both unfrozen and frozen soils. World Congress of Soil Science, Soil Solutions for a Changing World. Brisbane, Australia, Pp: 55-60.