ارزيابي و مقايسه بارش ماهانه محصولات ERA-Interim،PERSIANN-CDR،PERSIANN-CCS و CRU در استان خوزستان

Evaluation of monthly gridded precipitation data products ERA-Interim, PERSIANN-CDR, PERSIANN-CCS and CRU over Khuzestan province

كمبود و توزيع نامناسب ايستگاه‌هاي باران‌سنجي يكي از چالش‌هاي پژوهش‌گران علوم هيدرولوژي و آب ‌وهوا شناسي است. در اين پژوهش قابليت به‌كارگيري چهار محصول بارش شبكه‌بندي شده PERSIANN-CDR، PERSIANN-CCS،ERA-Interimو CRU به‌عنوان مكمل يا جايگزين داده‌هاي زميني در مقياس ماهانه مورد ارزيابي قرار گرفت. اين ارزيابي از طريق مقايسه با داده‌هاي مشاهداتي و روش‌هاي آماري صورت پذيرفت. به‌منظور بررسي توانايي برآورد بارش اين چهار محصول از آماره‌هاي ضريب همبستگي پيرسون (CORR)، اريبي (BIAS)، قدر مطلق خطا (MAE)، مجذور ميانگين مربعات خطا (RMSE)، مجذور ميانگين مربعات خطاي نرمال شده (NRMSE)و ضريب كارايي مدل (EF)استفاده شد. اين نمايه‌هاي آماري به‌صورت پهنه‌اي و در قالب نقشه براي سطح استان استخراج شد. مشاهده شدPERSIANN-CCSدر سطح استان در تخمين بارش ناموفق بود و از قابليت اطمينان ضعيفي برخوردار مي‌باشددرحالي‌كه محصولات ERA-Interim،PERSIANN-CDRو CRUهمخواني مناسبي با داده‌هاي مشاهداتي دارند و روند بارش ماهانه با خطاي كمي برآوردمي‌كنند. در برخي نقاط استان بارش PERSIANN-CDR از قابليت اطمينان بسيار بالايي برخوردار بود اما درمجموع كمترين دامنه خطا و بيشترين قابليت اعتماد از بين 3 محصول ماهواره‌اي يادشده براي بارش ERA-Interimبه دست آمد و در صورت نقصان و نبود منابع داده‌اي زميني مي‌تواندبه‌عنوان يك منبع داده‌اي جايگزين و كمكي بكار گرفته شود.

Deficiency and inappropriate distribution of reengage station is one of challenges faced by researchers in hydrology and climate science. In this research, evaluate the applicability of four gridded precipitation data products ERA-Interim, PERSIANN-CDR, PERSIANN-CCS and CRU as a supplement or substitute for ground data in a monthly time scales. This assessment was done by comparison with observational data and statistical methods. To evaluate the ability of precipitation estimation of these four product used Pearson correlation coefficient (CORR), bias (BIAS), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Normalized Mean Square Error (NRMSE) and model efficiency coefficient (EF). This statistical index extracted as zoning and map for the province. The result showed that ERA-Interim, PERSIANN-CDR and CRU products are in good agreement with observational data, and the monthly precipitation trend is estimated by little error, while PERSIANN-CCS was unsuccessful in estimating precipitation in the province and has poor reliability. In some parts of the province, the PERSIANN-CDR had a high reliability, but in total, the lowest error range and the highest reliability were obtained from the four satellite data sources for ERA-Interim precipitation and in case of shortage it can be used as an auxiliary or alternative data source.