fa مدل‌سازی تبخیر دریاچه سد ایوشان مبتنی بر الگوریتم SEBAL و پردازش ابری در Google Earth Engine سنجش از دور Rs پژوهشي Research <div style="text-align: justify;"><strong>تبخیر به‌عنوان یک عامل مهم در سیستم تراز آب در نظر گرفته می‌شود که باعث از دست دادن بخش عظیمی از آب دریاچه‌ها می‌شود. با توسعه فناوری‌های پیشرفته سنجش‌ازدور و الگوریتم‌های محاسباتی، برآورد تبخیر از سطوح آبی تحول چشمگیری یافته است. در پژوهش حاضر با استفاده از الگوریتم SEBAL در محیط گوگل ارث انجین به برآورد تبخیر دریاچه سد ایوشان پرداخته شد. با استفاده از تصاویر ماهواره‌ای لندست ۸ و پردازش ابری آن‌ها در سامانه گوگل ارث انجین، محاسبات تبخیروتعرق به‌صورت پیکسلی و با الگوریتم سبال (SEBAL) انجام شد. نتایج نشان داد که در هر سه تاریخ موردمطالعه (۲۰/۰۴/۱۴۰۳، ۱۴/۰۵/۱۴۰۳ و ۰۶/۰۶/۱۴۰۳)‌، میزان تبخیر در نزدیکی مرکز مخزن سد بیشتر از نواحی کناری است. همچنین نتایج این مطالعه نشان می‌دهد که پیاده‌سازی الگوریتم SEBAL در بستر گوگل ارث انجین با وجود چالش‌هایی مانند عدم دسترسی به داده‌های تشت تبخیر و فاصله 11 کیلومتری ایستگاه هواشناسی از منطقه موردمطالعه، از دقت قابل‌قبولی برخوردار است که این موضوع با مقادیر RMSE برابر 2.4 و ضریب نش 0.83 تأیید می‌شود. بر اساس محاسبات انجام‌شده، میزان تبخیر در ماه‌های تیر، مرداد و شهریور به ترتیب 9.15، 7.12 و 9.34 میلی‌متر برآورد شده که بیانگر اتلاف قابل توجه آب از مخزن سد می‌باشد. این یافته‌ها حاکی از کارایی مناسب الگوریتم مذکور در برآورد تبخیر حتی در شرایط محدودیت داده‌های زمینی است. با توجه به اینکه بارش‌ها در منطقه موردمطالعه بیشتر به‌صورت رویدادی و کوتاه‌مدت اتفاق می‌افتند و بسیاری از روزهای سال خشک هستند، ذخیره آب برای دوره‌های خشک ضروری است.<br> &nbsp;</strong></div> <div style="text-align: justify;"><strong>Evaporation is considered a critical factor in water balance systems, accounting for substantial water loss from lakes. With advancements in remote sensing technologies and computational algorithms, the estimation of evaporation from water surfaces has undergone significant transformation. This study employed the SEBAL algorithm within the Google Earth Engine platform to estimate evaporation from the Ayvashan Dam reservoir. Landsat 8 satellite imagery was processed in Google Earth Engine (GEE) to compute pixel-level evapotranspiration using the SEBAL algorithm. The results revealed that across all three study dates (10/07/2024, 04/08/2024, and 26/08/2024), the evaporation rate near the center of the dam reservoir was consistently higher than in peripheral areas. Furthermore, this study demonstrates that implementing the SEBAL algorithm in the Google Earth Engine platform maintains reasonable accuracy despite challenges such as limited access to pan evaporation data and the 11 km distance between the meteorological station and study area - a finding supported by statistical metrics (RMSE = 2.4 and Nash-Sutcliffe coefficient of 0.83). Calculated evaporation rates for July, August, and September were 9.15 mm, 12.7 mm, and 9.34 mm respectively, indicating substantial water loss from the reservoir. These findings underscore the algorithm&#39;s effectiveness in evaporation estimation even under constrained ground data conditions. Given that precipitation in the study area occurs primarily as short-term episodic events with predominantly dry conditions throughout the year, water conservation during arid periods becomes particularly crucial.</strong></div> گوگل ارث انجین, الگوریتم سبال, پردازش ابری, سد ایوشان, مدل‌سازی تبخیر Google Earth Engine (GEE), SEBAL Algorithm, Cloud Computing, Evaporation Modeling, Eyvashan Dam. 0 0 http://jgs.khu.ac.ir/browse.php?a_code=A-10-4864-1&slc_lang=fa&sid=1 Ali Haghizadeh علی حقی زاده Haghizadeh.a@lu.ac.ir 100319475328460024057 100319475328460024057 Yes Department of Range and Watershed Management Engineering, Faculty of Natural Resources, Lorestan University, Khorramabad, Iran گروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران. Nooraldin Moridi نورالدین مریدی nooraldin@gmail.com 100319475328460024058 100319475328460024058 No Department of Range and Watershed Management Engineering, Faculty of Natural Resources, Lorestan University, Khorramabad, Iran گروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران. Leila Ghasemi لیلا قاسمی ghasemi.leila3103@gmail.com 100319475328460024059 100319475328460024059 No Department of Range and Watershed Management Engineering, Faculty of Natural Resources, Lorestan University, Khorramabad, Iran گروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران. Atefeh Bosak عاطفه بساک std_bosak.a.97@khu.ac.ir 100319475328460024060 100319475328460024060 No Department of Climatology, Faculty of Geographical Sciences, Kharazmi University, Tehran, Iran گروه جغرافیا، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران.