ارزیابی داده‌های بارش ماهواره‌محور PDIR-Now در استان چهارمحال و بختیاری

نوع مقاله : پژوهشی

نویسندگان

1 دانش‌آموخته دکتری، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران

2 دانشیار، گروه مهندسی طبیعت، دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران

3 استاد، دانشکدة منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

4 دانشیار، دانشکدة منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

چکیده

پراکنش نامناسب ایستگاه‌های باران‌سنجی در مناطق مختلف کشورهای در حال توسعه و گسترش علوم سنجش از دور سبب استفادة روزافزون از محصولات بارش برآورد شده از تصاویر ماهواره‌ای شده است. بنابراین، شناخت خصوصیات این محصولات و خطاهای احتمالی آن‌ها حائز اهمیت است. در این پژوهش، عملکرد محصول PDIR-Now که یکی از جدیدترین محصولات تولید شده از خانوادة PERSIANN است بررسی شد. بدین‌منظور، داده‌های PDIR-Now (208 تصویر) در بازة زمانی 16 ساله (2005 تا 2020) با داده‌های بارش 27 ایستگاه زمینی اندازه‌گیری در مقیاس ماهانه و سالانه در استان چهارمحال و بختیاری مقایسه شدند. ارتباط بین داده‌های PDIR-Now و بارش ایستگاه‌های زمینی با استفاده از ضرایب همبستگی، نش-‌ساتکلیف و بایاس بررسی شد. نتایج حاکی از آن است که بهترین ارتباط بین PDIR-Now و بارش ایستگاه‌های زمینی در ماه نوامبر برقرار است که 100 درصد ایستگاه‌ها، ضریب همبستگی بالاتر از 5/0 داشته که در سطح پنج درصد معنادار هستند. هم‌چنین، در این ماه، 8/88 درصد ایستگاه‌ها ضریب نش-ساتکلیف بیش‌تر از 5/0 داشتند. کم‌ترین میزان ارتباط، مربوط به ماه مه بوده که 3/33 درصد از ایستگاه‌ها، ضریب همبستگی بیش‌تر از 5/0 و 1/11 درصد از ایستگاه‌ها، ضریب نش‌ ساتکلیف بیش‌تر از 5/0 داشته‌اند. در مجموع بهترین رابطه بین داده‌های PDIR-Now و بارش ایستگاه‌های زمینی در ماه‌های پربارش و به‌ویژه ماه‌هایی که باران سهم بیش‌تری را نسبت به سایر ریزش‌های جوی داشته ‌است، برقرار است. در مقیاس سالانه نیز، 07/74 درصد از ایستگاه‌ها ضریب همبستگی بیش‌تر از 5/0 و 5/55 درصد نیز ضریب نش‌-ساتکلیف بیش‌تر از 5/0 داشته و بهترین ارتباط برای ایستگاه ارمند با ضرایب 63/0، 83/0 و 01/0 به‌ترتیب برای نش-‌ساتکلیف، ضریب همبستگی و انحراف مدل بوده و همین ضرایب به‌ترتیب برای ایستگاه بارده برابر با کم‌تر از صفر، 35/0 و 356/0 به‌دست آمد که بیان‌گر کم‌ترین برازش بین دو گروه داده در این ایستگاه است. نتایج کلی نشان داد مقادیر برآوردی PDIR-Now در فصل پربارش در نواحی جنوب و مرکز استان به مقادیر ثبت شده در ایستگاه‌های هواشناسی نزدیک‌تر بوده، چرا که این نواحی در مناطق کم ارتفاع استان واقع شده و میزان بارندگی آن‌ها از مقادیر حدّی فاصله داشته و به میانگین ماهانه نزدیک‌تر است.

کلیدواژه‌ها

موضوعات


Chicco, D., Warrens, M.J., & Jurman, G. (2021). The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. PeerJ Computer Science7, p.e623. doi:10.7717/peerj-cs.623
Dawson, C.W., Abrahart, R.J., & See, L.M. (2007). HydroTest: a web-based toolbox of evaluation metrics for the standardised assessment of hydrological forecasts. Environmental Modelling & Software22(7), 1034-1052. doi:10.1016/j.envsoft.2006.06.008
Dehaghani, A.M., Gohari, A., Zareian, M.J., & Haghighi, A.T. (2023). A comprehensive evaluation of the satellite precipitation products across Iran. Journal of Hydrology: Regional Studies46, 101360. doi:10.1016/j.ejrh.2023.101360
Duan, Z., Bastiaanssen, W.G.M. (2013). First results from Version 7 TRMM 3B43 precipitation product in combination with a new downscaling–calibration procedure. Remote Sensing of Environment, 131, 1-13. doi:10.1016/j.rse.2012.12.002
Ghorbani, L., Jafari, R., Bashari, H. (2020). Evaluating the performance of PERSIANN and PERSIANN-CDR satellite products in precipitation estimation in semi-arid Region of Zagros. Desert Management and Control, 7(14), 15-28. doi:10.22034/JDMAL.2020.38472. [In Persian] 
Javanmard, S., Yatagai, A., Nodzu, M.I., BodaghJamali, J., Kawamoto, H. (2010). Comparing high-resolution gridded precipitation data with satellite rainfall estimates of TRMM_3B42 over Iran. Advances in Geosciences, 25, 119-125. doi:10.5194/adgeo-25-119-2010
Hisam, E., Mehr, A.D., Alganci, U. and Seker, D.Z., (2023). Comprehensive evaluation of Satellite-Based and reanalysis precipitation products over the Mediterranean region in Turkey. Advances in Space Research, 71(7), 3005-3021. doi:10.1016/j.asr.2022.11.007
Hughes, D.A. (2006). Comparison of satellite rainfall data with observations from gauging station networks. Journal of Hydrology, 327(3-4), 399-410. doi:10.1016/j.jhydrol.2005.11.041
Houngue, N.R., Ogbu, K.N., Almoradie, A.D.S., & Evers, M. (2021). Evaluation of the performance of remotely sensed rainfall datasets for flood simulation in the transboundary Mono River catchment, Togo and Benin. Journal of Hydrology, 36,100875. doi: 10.5194/egusphere-egu21-11176
Hsu, K.L., Gao, X., Sorooshian, S., & Gupta, H.V. (1997). Precipitation estimation from remotely sensed information using artificial neural networks. Journal of Applied Meteorology, 36(9), 1176-1190. doi:10.1175/1520-0450(1997)036<1176:PEFRSI>2.0.CO;2
Kanzi Hagh, M., Feizi, A., Hooshyaripor, F., & Rasi Nezami, S. (2022). Evaluation of the accuracy of satellite precipitation products based on measurement of precipitation related to flood months (Case study: Ardabil Yamchi Dam Basin). Iranian Journal of ECO Hydrology. 9(2), 317-331. doi: 10.22059/IJE.2022.335393.1588. [In Persian]
Katiraie Boroujerdy, P.S. (2014). Comparison of high-resolution gridded monthly satellite and ground-based precipitation data over Iran. Iranian Journal of Geophysics, 7(4), 149-160 dor: 20.1001.1.20080336.1392.7.4.10.0. [In Persian]
Keikhosravi-Kiany, M.S., Masoodian, S.A., & Balling Jr, R.C. (2023). Reliability of satellite-based precipitation products in capturing extreme precipitation indices over Iran. Advances in Space Research, 71(3),1451-1472. doi:10.1016/j.asr.2022.10.003
Kult, J., Choi, W., & Choi, J. (2014). Sensitivity of the Snowmelt Runoff Model to snow covered area and temperature inputs. Applied Geography, 55, 30-38. doi:10.1016/j.apgeog.2014.08.011
Liu, Z. (2023). Accuracy of satellite precipitation products in data-scarce Inner Tibetan Plateau comprehensively evaluated using a novel ground observation network. Journal of Hydrology: Regional Studies, 47, 101405. doi:10.1016/j.ejrh.2023.101405
Mahmoudi Babolan, S., Nastarani Amoghin, S., & Rasoulzadeh, A. (2022). Evaluation of satellite precipitation products for estimating heavy precipitation in the Caspian coast. Water and Soil Management and Modeling, 2(4), 107-122. doi: 10.22098/MMWS.2022.11147.1102. [In Persian]
Nash, J.E., & Sutcliffe, J.V. (1979). River forecasting throughconceptural model Part IA discussion of principles. Journal of Hydrology, 10, 275-281. doi:10.1016/0022-1694(70)90255-6
Nguyen, P., Shearer, E.J., Ombad.i, M., Gorooh, V.A., Hsu, K., Sorooshian, S., Logan, W.S., & Ralph, M. (2020). PERSIANN dynamic infrared–rain rate model (PDIR) for high-resolution, real-time satellite precipitation estimation. Bulletin of the American Meteorological Society, 101(3), E286-E302. doi:10.1175/BAMS-D-19-0118.1
Moriasi, D.N., Arnold, J.G., Van Liew, M.W., Bingner, R.L., Harmel, R.D., & Veith, T.L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the American Society of Agricultural and Biological Engineers, 50(3), 885-900. doi:10.13031/2013.23153
Rahimiani Iranshahi, H., Moradi, H.R., & Jalili, K. (2022). Trend of precipitation and temperature changes at different time scales in the Karkheh Watershed. Water and Soil Management and Modelling, 2(2), 1-12. doi: 10.22098/mmws.2022.9520.1048. [In Persian]
Sobral, B.S., de Oliveira-Júnior, J.F., Alecrim, F., Gois, G., Muniz-Júnior, J.G., de Bodas Terassi, P.M., Pereira-Júnior, E.R., Lyra, G.B., & Zeri, M. (2020). PERSIANN-CDR based characterization and trend analysis of annual rainfall in Rio De Janeiro State, Brazil. Atmospheric Research, 238,104873. doi:10.1016/j.atmosres.2020.104873
Saniesales, F., Soltani, S., & Modarres, R. (2021). Evaluation of new drought index of SPDI (standardized palmer drought index) in Chaharmahal-Va-Bakhtiari Province. Journal of Water and Soil Science, 25(2), 1-12. ‎ doi:10.47176/jwss.25.2.36821. [In Persian]
Sharifi, E., Steinacker, R., & Saghafian, B. (2016). Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran: Preliminary results. Remote Sensing, 8(2), p.135. doi:10.3390/rs8020135
Shokri Koochak, S., AkhoondAli, A., & Sharifi, M. (2020). Performance assessment of the PERSIANN and PERSIANN-CDR satellite precipitation algorithms and survey of the irregularities effect on it (Case Study: Helleh River Basin). Iranian Journal of Ecohydrology, 7(2), 511-527. doi: 10.22059/IJE.2020.299034.1301. [In Persian]
Tan, M.L., & Santo, H. (2018). Comparison of GPM IMERG, TMPA 3B42 and PERSIANN-CDR satellite precipitation products over Malaysia. Atmospheric Research, 202, 63-76. doi:10.1016/j.atmosres.2017.11.006
Tan, X., Ma, Z., He, K., Han, X., Ji, Q., & He, Y. (2020). Evaluations on gridded precipitation products spanning more than half a century over the Tibetan Plateau and its surroundings. Journal of Hydrology, 582, 124455. doi:10.1016/j.jhydrol.2019.124455
Vayskarami, I., Payamani, K., & Jaafarzadeh, M. S. (2022). Application of geostatistical methods in determination of depth-area-duration rainfall curves (Lorestan province). Water and Soil Management and Modelling, 2(3), 17-26. doi: 10.22098/mmws.2022.9843.1067. [in Persian]
Zubieta, R., Getirana, A., Espinoza, J.C., & Lavado, W., (2015). Impacts of satellite-based precipitation datasets on rainfall–runoff modeling of the Western Amazon basin of Peru and Ecuador. Journal of Hydrology, 528, 599-612. doi:10.1016/j.jhydrol.2015.06.064