ارزیابی عملکرد محصولات شبکه‌بندی بارش با درنظر گرفتن شرایط اقلیمی و توپوگرافی در ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده عمران، آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران، ایران.

2 استادیار گروه مهندسی محیط زیست، دانشکده عمران، آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران، ایران.

3 دانش آموخته دکتری مهندسی منابع آب، دانشگاه شهید چمران اهواز، اهواز ایران.

4 دانشجوی دکتری مهندسی و مدیریت منابع آب، دانشکده عمران، آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران، ایران.

چکیده

بارش یک جزء اصلی چرخه هیدرولوژیکی هست که دارای تغییرات قابل ملاحظه‌ای در مکان و زمان است. وجود داده‌های گم‌شده در داده‌های بارش اندازه‌گیری شده و توزیع نامناسب نقطه محل‌های اندازه‌گیری بارش سبب به وجود آمدن مشکلات اساسی در پیش‌بینی‌های هیدرولوژیکی می‌گردد و از آنجایی که داده‌های ماهواره‌ای- باران‌سنجی جزء راه‌حل‌های جدید در جهت برآورد داده‌های بارش است، پژوهش حاضر با هدف ارزیابی عملکرد داده‌های ماهواره‌ای- باران‌سنجی  P-CDR15و CHIRPS12 بــا تفکیک مکانی 0/25 × 0/25)) و در مقیاس روزانه، ماهانه و سالانه در بازه زمانی 1990 تا 2019 با استفاده از 88 ایستگاه سینوپتیک واقع در ایران انجام شد. برآورد بارش سالانه داده‌های مدل شبکه‌بندی شده دارای تخمین فرا برآورد و فرو برآورد در ایستگاه‌ها هستند و بــا تـوجه بــه شاخص‌های ارزیابی عملکرد P-CDR در مناطقی به‌غیراز شمال و شمال غرب ایران نسبت به CHIRPS بهتر است. تخمین بارش ماهانه مجموعه داده‌ P-CDR در همه حوضه‌ها به‌غیراز ارومیه و سرخس دارای خطای کمتر در برآورد بارش ماهانه و بیشترین همبستگی با داده‌های مشاهداتی نسبت به CHIRPS است. برآورد بارش روزانه داده‌های شبکه‌بندی CHIRPS دارای عملکرد بهتر نسبت به P-CDR بخصوص در حوضه خلیج‌فارس و دریای عمان است. همچنین، داده‌های CHIRPS بر اساس شاخص تشخیصیCSI13  دارای عملکرد بهتر در تشخیص روزهای بارانی و غیر بارانی تقریباً در تمام ایستگاه­ها است. طبق نتایج حاصل از تحلیل‌های ارتفاع و بارندگی می‌توان بیان کرد که ارتفاع نیز به‌عنوان عامل مؤثر در عملکرد داده‌های شبکه‌ای بارش هست به گونه‌ای که هر دو مجموعه داده در مناطق مرتفع کوه‌های زاگرس و مناطق شمالی رشته‌کوه البرز قدرت کمتری در برآورد و تشخیص بارش دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluating the Performance of Precipitation Products Taking into Account the Climatic and Topographic Conditions across Iran

نویسندگان [English]

  • Arezoo Nezafat 1
  • Ali Moridi 2
  • Ali Gorjizade 3
  • Hossein Yousefi 4
1 M.Sc. Student of Water Resources Management and Engineering, Water Resources Engineering Department, Civil, Water and Environmental Engineering Faculty, Shahid Beheshti University, Tehran, Iran.
2 Assistant Professor of Civil Engineering, Environmental Engineering Department, Civil, Water and Environmental Engineering Faculty, Shahid Beheshti University, Tehran, Iran.
3 Ph.D. Graduate in Water Resources Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran.
4 Ph.D. Student, Water Resources Engineering Department, Civil, Water and Engineering Environmental Faculty, Shahid Beheshti University, Tehran, Iran.
چکیده [English]

Precipitation is a major component of the hydrological cycle which has significant changes over space and time. Missing data in precipitation measurements and improper distribution of precipitation measurement sites cause major problems in hydrological studies. Satellite data is a new alternative for estimating precipitation data and the present study aimed at evaluating the performance of P-CDR (Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks- Climate Data Record) and CHIRPS (Climate Hazards Group Infrared Precipitation with Station Data) with spatial separation of 0.25 × 0.25 and on a daily, monthly and yearly scale for the period of 1990 to 2019 in 88 synoptic stations located in Iran. As a result of annual precipitation estimation analysis and according to performance evaluation indices, P-CDR had better performance than CHIRPS in all regions except for the north and northwest of Iran. Precipitation estimation by P-CDR dataset in all basins except Urmia and Sarakhs had less error in estimating monthly precipitation compared to CHIRPS, and it had the highest correlation with observed data. CHIRPS daily rainfall estimation had better performance than P-CDR, especially in the Persian Gulf and Oman Sea basins. As CSI (critical success index) showed, CHIRPS had a better performance in detecting rainy and non-rainy days in almost all stations. According to the results of altitude-rainfall analysis, both datasets in the highlands of the Zagros mountain chain and north of the Alborz mountain chain performed weak in estimating precipitation.

کلیدواژه‌ها [English]

  • Precipitation Estimation
  • evaluation indices
  • Satellite Precipitation dataset
  • climatic conditions
  • Topographic conditions
Abera W, Brocca L, and Rigon R (2016) Comparative evaluation of different satellite rainfall estimation products and bias correction in the Upper Blue Nile (UBN) basin. Atmospheric Research, Elsevier B.V., 178–179:471–483
Aksu H and Akgül MA (2020) Performance evaluation of CHIRPS satellite precipitation estimates over Turkey. Theoretical and Applied Climatology. Theoretical and Applied Climatology 142(1–2):71–84
Alijanian M, Rakhshandehroo GR, Mishra AK, and Dehghani M (2017) Evaluation of satellite rainfall climatology using CMORPH, PERSIANN-CDR, PERSIANN, TRMM, MSWEP over Iran. International Journal of Climatology 37(14):4896–4914
Ashouri H, Nguyen P, Thorstensen A, Hsu KL, Sorooshian S, and Braithwaite D (2016) Assessing the efficacy of high-resolution satellite-based PERSIANN-CDR precipitation product in simulating streamflow. Journal of Hydrometeorology 17(7):2061–2076
Balsamo G, Albergel C, Beljaars A, Boussetta S, Brun E, Cloke H, Dee D, Dutra E, Munõz-Sabater J, Pappenberger F, … Vitart F (2015) ERA-Interim/Land: A global land surface reanalysis data set. Hydrology and Earth System Sciences 19(1):389–407
Bedidi A, Cervelle B, Rudant JP, and Carbonnel JP (1990) Relation between rainfall and topography at meso-scale in intertropical region (Ouagadougou, Burkina Faso). Comptes Rendus de l’Academie des Sciences Serie 2 Mecanique Physique Chimie Sciences de l’Univers Sciences de la Terre (France)
Casse C, Gosset M, Vischel T, Quantin G, and Tanimoun BA (2016) Model-based study of the role of rainfall and land use-land cover in the changes in the occurrence and intensity of Niger red floods in Niamey between 1953 and 2012. Hydrology and Earth System Sciences 20(7):2841–2859
Chavoshian, A; Katiraie-Boroujerdy PS (2019) Evaluation and application of different observational (land and satellite) datasets over Iran. Journal of Water and Soil 33(3):501–520
Collischonn B, Collischonn W, and Tucci CEM (2008) Daily hydrological modeling in the Amazon basin using TRMM rainfall estimates. Journal of Hydrology 360(1–4):207–216
Duan Z and Bastiaanssen WGM (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
Duan Z, Liu J, Tuo Y, Chiogna G, and Disse M (2016) Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales. Science of the Total Environment 573:1536–1553
Ghajarnia N, Liaghat A, and Arasteh PD (2015) Comparison and evaluation of high resolution precipitation estimation products in Urmia Basin-Iran. Atmospheric Research 158:50–65
Gorjizade A, Akhoond-Ali A, Shahbazi A, Moridi A (2020) Evaluation and comparison of high spatial resolution gridded precipitation by TRMM, ERA5 and PERSIANN-CCS datasets on the upstream of the maron basin, Iran. AUT Journal of Civil Engineering 4(4):10-10, doi: 10.22060/ajce.2020.17043.5610
Guo H, Bao A, Liu T, Chen S, and Ndayisaba F (2016) Evaluation of PERSIANN-CDR for meteorological drought monitoring over China. Remote Sensing 8(5):1–17
Hofstra N, Haylock M, New M, Jones P, and Frei C (2008) Comparison of six methods for the interpolation of daily, European climate data. Journal of Geophysical Research: Atmosphere, Wiley Online Library 113(D21)
Hosseini-Moghari SM, Araghinejad S, and Ebrahimi K (2018) Spatio-temporal evaluation of global gridded precipitation datasets across Iran. Hydrological Sciences Journal 63(11):1669–1688
Javanmard S, Yatagai A, Nodzu MI, Bodaghjamali J, and Kawamoto H (2010) Comparing high-resolution gridded precipitation data with satellite rainfall estimates of TRMM-3B42 over Iran. Advances in Geosciences 25:119–125
Jia S, Zhu W, Lu A, and Yan T (2011) A statistical spatial downscaling algorithm of TRMM precipitation based on NDVI and DEM in the Qaidam Basin of China. Remote Sensing of Environment 115(12):3069–3079
Khalili A and Rahimi J (2014) High-resolution spatiotemporal distribution of precipitation in Iran: A comparative study with three global-precipitation datasets. Theoretical and Applied Climatology 118(1–2):211–221
Kurupinar M (1995) Investigation of the topographical effects on the precipitation distribution over Turkey by satellite data. International Geoscience and Remote Sensing Symposium (IGARSS), 371–372
Lo Conti F, Hsu KL, Noto LV, and Sorooshian S (2014) Evaluation and comparison of satellite precipitation estimates with reference to a local area in the Mediterranean Sea. Atmospheric Research, Elsevier B.V. 138:189–204
Mehran A and Aghakouchak A (2014) Capabilities of satellite precipitation datasets to estimate heavy precipitation rates at different temporal accumulations. Hydrological Processes 28(4):2262–2270
Metkan A, Shakiba A, and Davood A (2009) :Capability of combined infrared and inactive microwave data Remote sensing and rainfall estimation and flood monitoring (Case study of Golestan province). IranianRemote Sensing & GIS 1(2):31–44
Nazeri Tahroudi M, Ahmadi F, and Khalili K (2017) Evaluation the trend and trend chang point of Urmia Lake Basin precipitation. Journal of Water and Soil 31(2):644–659
Su F, Hong Y, and Lettenmaier DP (2008) Evaluation of TRMM Multisatellite Precipitation Analysis (TMPA) and its utility in hydrologic prediction in the La Plata Basin. Journal of Hydrometeorology 9(4):622–640
Tapiador FJ, Turk FJ, Petersen W, Hou AY, García-Ortega E, Machado LAT, Angelis CF, Salio P, Kidd C, Huffman GJ, and de Castro M (2012) Global precipitation measurement: Methods, datasets and applications. Atmospheric Research 104-105:70–97
Xie P and Xiong A-Y (2011) A conceptual model for constructing high-resolution gauge-satellite merged precipitation analyses. Journal of Geophysical Research: Atmospheres, Wiley Online Library 116(D21)
Xu H, Xu C-Y, Chen S, and Chen H (2016) Similarity and difference of global reanalysis datasets (WFD and APHRODITE) in driving lumped and distributed hydrological models in a humid region of China. Journal of Hydrology 542:343–356