پديد آورندگان :
اردوني، معصومه دانشگاه بيرجند - گروه مهندسي آبخيزداري، بيرجند , معماريان، هادي دانشگاه بيرجند - گروه مهندسي آبخيزداري، بيرجند , اكبري، مرتضي دانشگاه فردوسي مشهد - گروه مديريت مناطق خشك و بياباني، مشهد , پوررضا، محسن دانشگاه بيرجند - گروه علوم و مهندسي آب، بيرجند
كليدواژه :
تغييرات زماني-مكاني , بارش , معيارهاي آماري , ماهواره‌هاي هواشناسي , حوضه گرگانرود
چكيده فارسي :
سابقه و هدف: بارش يكي از مهّمترين عوامل مؤثر در تعادل آب و انرژي در جهان و متغيرهاي مهّم هواشناسي است. جهت تخمين دقيق بارش از روش‌هاي مختلفي از جمله استفاده مستقيم از داده‌هاي ايستگاه‌هاي زميني هواشناسي و مشاهدات مستقيم، به كارگيري داده‌هاي ماهوارهاي سنجش از دور و يا استفاده از روش‌هاي دورن‌يابي كه مبتني بر روش‌هاي زمين آمار هستند، استفاده مي‌شود. فقدان داده‌هاي با وضوح بالا مي‌تواند به تغييرات مكاني بارندگي منجر شود. بنابراين، تدوين رويكردهاي نوآورانه براي برآورد دقيق ميزان بارش در مناطقي كه داده‌هاي نامناسب يا ناكافي دارند، بسيار مهّم است.
موّاد و روش‌ها: جهت انجام اين تحقيق، پس از دريافت ﺳﺮي دادهﻫﺎي ماهوارهاي GPM و ﭘﺮدازش اوّﻟﯿﻪ آنها، ﻣﻘﺎﯾﺴﻪ ﺗﻄﺒﯿﻘﯽ ﺑﯿﻦ دادهﻫﺎي ماهواره در مقياس زماني نيم‌ساعته و روزانه با دادهﻫﺎي ﻣﺸﺎﻫﺪهاي اﯾﺴﺘﮕﺎه باران‌سنجي زميني (ثبات و معمولي) اﻧﺠﺎم گرفت. با توجه به وضوح مكاني (0/1 درجه در 0/1 درجه) و دقّت زماني (ارائه داده‌هاي روزانه و 30 دقيقه‌اي) داده‌هاي IMERG ماهواره GPM، جهت مقايسه تطبيقي، صحّت‌سنجي و تعيين دقّت تخمين بارش، از ايستگاه‌هاي باران‌سنجي با دوره آماري 20/3/2014 -20/3/2016 و 6 ايستگاه ثبات با دوره آماري 20/3/2014 – 21/9/2016 حوضه گرگانرود كه داراي آمار كافي و معتبر به صورت سري زماني روزانه و نيم ساعته بودند، استفاده گرديد. جهت بررسي صحّت عملكرد داده‌هاي GPM در برآورد بارش از تعدادي از شاخص‌هاي آماري همچون (نسبت هشدار خطا)FAR ، (نمايه موفقيّت بحراني)CSI ، (احتمال تشخيص)POD ، (انحراف نسبي) RBias و تعدادي ديگر از شاخص‌هاي صحّت سنجي استفاده شد.
يافته‌ها: نتايج عملكرد بارندگي نيم‌ساعته IMERG با مقادير CC برابر با 0/23- 0/05 و CSI برابر با 0/52-0/20 نسبتاً قابل‌قبول ارزيابي شد. اعتبارسنجي داده‌هاي بارش ماهواره GPM با استفاده از شاخص‌هاي آماري MAE، RMSE و MBE نيز از دقّت نسبتاً قابل قبولي برخوردار بوده است (نتايج جدول 4). بر اساس اعمال شاخص‌هاي مربوط به مقايسه روزانه ايستگاه‌هاي باران سنجي با داده‌هاي ماهواره GPM، شاخص RBias با مقدار 0/74 بالاترين ميزان مطابقت (در ايستگاه حق‌الخواجه) داده‌هاي GPM با داده‌هاي مشاهده‌اي را داشت و كمترين ميزان مطابقت با مقدار 2/27 مربوط به ايستگاه نوده مي باشد. شاخص POD نيز نشان داد كه ايستگاه‌هاي نوده و حق‌الخواجه به ترتيب با مقادير 0/5 و 0/25 بيشترين و كمترين مطابقت را با ايستگاه‌هاي زميني داشته است. مقادير شاخص CSI در ﺗﻤﺎم ايستگاه‌ها بين 0/22- 0/13 محاسبه شد كه به ترتيب مربوط به ايستگاه‌هاي زرين گل و شيرآباد بوده است. CSI نشان داد كه مطابقت نسبي بين داده‌هاي ماهوارهاي با داده‌هاي مشاهده شده ايستگاه‌هاي زميني وجود دارد. براساس مقادير شاخص مطابقت FAR ملاحظه شد كه كمترين مقدار FARدر ايستگاه‌هاي باغ ساليان و زرينگل 0/64 و بيشترين مقدار 0/80 در ايستگاه شيرآباد مي‌باشد. بوده است.
نتيجه‌گيري: در اين تحقيق محاسبه مقادير شاخص‌هاي آماري و شاخص‌هاي مطابقت براي اوّلين بار براي داده‌هاي نيم‌ساعته ماهواره GPM جهت مقايسه با داده‌هاي مشاهداتي انجام شد و مشخص گرديد كه الگوريتم IMERG ماهواره GPM مطابقت نسبي با مقادير ثبت‌شده ايستگاه‌هاي زميني در مقياس روزانه را دارد. اعتبار سنجي داده‌هاي بارش ماهواره GPM با استفاده از معيارهاي آماري MAE، RMSE و MBE نيز نشان داد كه از دقت قابل قبولي برخوردار است. با توجه به مقادير FARدر تمام ايستگاه‌ها مي‌توان گفت مطابقت نسبي، بين داده‌هاي ماهوارهاي با داده‌هاي مشاهده‌شده ايستگاه‌هاي زميني وجود دارد. مقادير POD نيز عملكرد قابل‌قبول داده‌هاي اين ماهواره را نشان داده است. نتايج اين تحقيق نيز نشان داد كه مطابقت نسبي و خوبي بين داده‌هاي ايستگاهاي زميني و داده‌هاي ماهوارهاي GPM وجود داشته است.
چكيده لاتين :
Background and Objectives: Precipitation is one of the most important factors affecting water and energy balance in the world and important meteorological variables. To accurately estimate precipitation, various methods are used, including the direct use of meteorological ground station data and direct observations, the use of remote sensing satellite data, or the use of interpolation methods based on geo-statistical methods. Therefore, developing innovative approaches for accurate estimation of precipitation in areas with inadequate or inadequate data is critical. The use of radar remote sensing technologies in the accurate estimation of precipitation is crucial as the most important factor affecting water and energy balance in areas with unsuitable and inadequate data. Therefore, this research was conducted to evaluate GPM-IMERG satellite precipitation data and compare it with the data of observatory stations in the Golestan province-Gorganroud basin.
Materials and Methods: To do this research, after obtaining the GPM satellite data and processing it, we performed a comparison between half-hourly daily satellite data set with the ground-based (stability and normal) observational data. Concerning the spatial (0.1*0.1) and temporal (daily and half-hourly) resolutions of GPM-IMERG satellite data, we employed enough and valid ground-based rainfall records dated 20/03/2014-20/03/2016 (for daily series) and 20/03/2014-21/09/2016 (for half-hourly series). To assess the accuracy of GPM data in rainfall estimation, some statistical indicators such as FAR , CSI , POD , RBias and some other validation indicators were used.
Results: The results showed that the half-hour rainfall IMERG records with CC values equal to 0.05-0.23 and CSI equal to 0.20-0.52 were relatively acceptable. Validation of GPM satellite rainfall data using MAE, RMSE, and MBE statistical indicators has also been relatively acceptable. Based on the validation analysis of daily records, the RBias index showed the highest level of accordance of GPM data with observational data at 0.74 , and the lowest level corresponding to 2.27, that belongs to Nodeh station. The POD index also showed that Nodeh and HagholKhajeh stations had the highest and lowest correspondence with ground stations with the values of 0.5 and 0.25, respectively. The values of the CSI index in all stations were calculated to be between 0.13 and 0.22, which were related to Zarrin Gol and Shirabad stations, respectively. Based on the values of the FAR index, it was observed that the lowest value of FAR in Bagh Salian and Zarringol stations was 0.64 and the highest value was 0.80 in Shirabad station. Therefore, to improve the data obtained from the IMERG algorithm, especially in arid regions with the extensive spatial distribution and temporal changes in precipitation, satellite precipitation products should be calibrated to improve their accuracy in measuring daily precipitation.
Conclusion: In this study, the calculation of statistical and matching indicators was performed for the first time to compare half-hour data of the GPM satellite with observational data. It was found that the IMERG algorithm of the GPM satellite is relatively consistent with the recorded values of ground stations daily, as well. Given the FAR values at all stations, it can be said that there is a relative correspondence between satellite data and observed data from ground stations. POD values also showed acceptable performance of this satellite's data. The results of this study also showed that there was a relative correlation between the data of ground stations and GPM satellite data. Therefore, considering the non-evaluation of precipitation data of the GPM satellite system with data of ground stations in many regions of Iran, including the study area of Gorganroud, the results of this study can be very useful for innovation and increasing the efficiency in water resources management.
