تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,092,362 |
تعداد دریافت فایل اصل مقاله | 97,196,251 |
اصلاح و بهبود کارائی منبع بارشی مبتنی بر رطوبت خاک SM2RAIN-ASCAT در سطح ایران در گامهای زمانی روزانه و ماهانه | ||
تحقیقات آب و خاک ایران | ||
دوره 52، شماره 4، تیر 1400، صفحه 917-932 اصل مقاله (2.53 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2021.318173.668880 | ||
نویسندگان | ||
سکینه کوهی1؛ اصغر عزیزیان* 2؛ لوکا بروکا3 | ||
1گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران | ||
2استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین | ||
3مدیر تحقیقات، موسسه تحقیقات هیدرولوژی، مرکز ملی مطالعات ایتالیا، پروجیا، ایتالیا | ||
چکیده | ||
تخمین مناسب بارش در مطالعات مختلفی همچون هواشناسی، هیدرولوژیکی، شبیهسازی سیلاب و پایش خشکسالی از اهمیت بالایی برخوردار است. منبع بارشی ASCAT-SM2RAIN از جدیدترین تلاشها بمنظور تخمین بارش برمبنای تغییرات رطوبتی سطح خاک و حل معکوس بیلان آب-خاک میباشد. پژوهش حاضر با هدف بررسی کارایی منبع بارش ASCAT-SM2RAIN در اقلیمهای مختلف ایران و در مقیاسهای روزانه و ماهانه به انجام رسیده است. لازم بذکر است که در تحقیق حاضر از مقادیر بارش منبع SM2RAIN-ASCAT براساس 54 ایستگاه سینوپتیک واقع در سطح کشور در بازه زمانی 2007 تا 2018 استفاده شده است. همچنین بهبود کارائی این منبع بارشی با حذف اریب از دادهها از دیگر اهداف این پژوهش میباشد که برای این منظور روش اصلاح اریبی نگاشت چندک مورد استفاده قرار گرفته است. نتایج نشان داد که منبع ASCAT-SM2RAIN در تخمین بارش ماهانه دارای عملکرد به مراتب بهتری نسبت به مقیاس روزانه در اکثر ایستگاههای مورد مطالعه به غیر از ایستگاههای واقع در نوار شمالی کشور، است. در این مقیاس زمانی و در بیش از 67 درصد ایستگاههای مورد بررسی مقدار شاخص CC بالاتر از 65/0 میباشد. مقدار شاخص RMSEدر مقیاس ماهانه در اقلیمهای مختلف نشان داد که منبع بارشی SM2RAIN-ASCAT در اقلیمهای خیلیخشک تا خشک دارای خطای به مراتب کمتری نسبت به اقلیمهای مدیترانهای تا خیلی مرطوب میباشد. حذف اریب از دادهها با استفاده از روش نگاشت چندک نیز منجر به افزایش کارائی منبع SM2RAIN-ASCAT و کاهش هشدارهای غلط در بخشهای عمدهای از ایران گردید. به عنوان مثال، مقادیر شاخص FAR در مقیاس روزانه و اقلیمهای مختلف با بهبودی معادل 8/17 تا 1/35 درصد و درگام زمانی ماهانه با بهبودی در حدود 6/30 تا 0/59 درصد روبرو بوده است. بنابراین منبع SM2RAIN-ASCAT به صورت خام از منابع ارزشمند در تخمین بارش ماهانه بویژه در اقلیمهای خیلیخشک تا خشک میباشد، که با تصحیح اریبی میتوان بر دقت منبع مذکور در اقلیمهای مختلف افزود. | ||
کلیدواژهها | ||
بارش؛ بیلان آب-خاک؛ الگوریتم SM2RAIN؛ تصحیح اریبی؛ سنجش از دور | ||
مراجع | ||
Abdollahi, B., Hosseini-Moghari, S. M. and Ebrahimi, K. (2017). Assessment of Satellite Precipitation Data from TRMM 3B42RT V7 and CMORPH in Order to Estimate Precipitation in Gorganrood Basin-Iran. Iran-Watershed Management Science & Engineering, 11(36), 55–69. (In Farsi) Amini, S., Azizian, A. and Daneshkar Arasteh, P. (2020). Improving the Performance of Global Rainfall Forecasting Systems in Different Climate Areas of Iran Using Quantile Mapping Method. Iranian Journal of Soil and Water Research, 51(9), 2275–2291. (In Farsi) Aminyavari, S., Saghafian, B. and Delavar, M. (2018). Evaluation of TIGGE ensemble forecasts of precipitation in distinct climate regions in Iran. Advances in Atmospheric Sciences, 35(4), 457–468. Ashouri, H., Hsu, K. L., Sorooshian, S., Braithwaite, D. K., Knapp, K. R., Cecil, L. D., et al. (2015). PERSIANN-CDR: Daily precipitation climate data record from multisatellite observations for hydrological and climate studies. Bulletin of the American Meteorological Society, 96(1), 69–83. https://doi.org/10.1175/BAMS-D-13-00068.1 Azizian, A. and Amini, S. (2020). The Effect of Climate and Topographic Conditions on the Performance of PERSIANN Family Products over Iran. Iran-Water Resources Research, 16(1), 86–101. (In Farsi). Borga, M. (2002). Accuracy of radar rainfall estimates for streamflow simulation. Journal of Hydrology, 267(1), 26–39. Brocca, L, Ciabatta, L., Massari, C., Moramarco, T., Hahn, S., Hasenauer, S., et al. (2014). Soil as a natural rain gauge: estimating global rainfall from satellite soil moisture data. Journal of Geophysical Research: Atmospheres, 119(9), 5128–5141. Brocca, Luca, Filippucci, P., Hahn, S., Ciabatta, L., Massari, C., Camici, S., et al. (2019). SM2RAIN-ASCAT (2007-2018): Global daily satellite rainfall data from ASCAT soil moisture observations. Earth System Science Data, 11(4), 1583–1601. https://doi.org/10.5194/essd-11-1583-2019 Gebremicael, T. G., Mohamed, Y. A., Zaag, P. van der, Gebremedhin, A., Gebremeskel, G., Yazew, E. and Kifle, M. (2019). Evaluation of multiple satellite rainfall products over the rugged topography of the Tekeze-Atbara basin in Ethiopia. International Journal of Remote Sensing, 40(11), 4326–4345. https://doi.org/10.1080/01431161.2018.1562585 Gupta, R., Bhattarai, R. and Mishra, A. (2019). Development of Climate Data Bias Corrector (CDBC) Tool and Its Application over the Agro-Ecological Zones of India. Water, 11(1102). Hamill, T. M., Engle, E., Myrick, D., Peroutka, M., Finan, C., and Scheuerer, M. (2017). The U.S. national blend of models for statistical post processing of probability of precipitation and deterministic precipitation amount. Monthly Weather Review, 145(9), 3441–3463. Hyndman, R. J. and Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688. Javanmard Ghasab, M., Delavar, M., and Morid, S. (2018). Medium-Term Forecast Evaluation of TIGGE Numerical Weather Prediction Models for Karun Basin. Iran-Water Resources Research, 14(3), 1–14. (In Farsi). Katiraie-Boroujerdy, P. S., Rahnamay Naeini, M., Akbari Asanjan, A., Chavoshian, A., Hsu, K., Sorooshian, S. (2020). Bias Correction of Satellite-Based Precipitation Estimations Using Quantile Mapping Approach in Different Climate Regions of Iran. Remote Sensing, 12 (13). Kirchner, J. W. (2009). Catchments as simple dynamical systems: catchment characterization, rainfall-runoff modeling, and doing hydrology backward. Water Resources Research, 45(2). Kucera, P. A., Ebert, E. E., Turk, F. J., Levizzani, V., D., K., Tapiador, F. J., et al. (2013). Precipitation from space: Advancing earth system science. Bulletin of the American Meteorological Society, 94(3), 365–375. Maggioni, V. and Massari, C. (2018). On the performance of satellite precipitation products in riverine flood modeling: A review. Journal of Hydrology, 558, 214–224. Mohsan, M., Acierto, R. A., Kawasaki, A. and Zin, W. W. (2018). Preliminary assessment of GPM satellite rainfall over Myanmar. Journal of Disaster Research, 13(1), 22–30. https://doi.org/10.20965/jdr.2018.p0022 Owusu, C., Adjei, K. A., and Odai, S. N. (2019). Evaluation of Satellite Rainfall Estimates in the Pra Basin of Ghana. Environmental Processes, 6(1), 175–190. https://doi.org/10.1007/s40710-018-0344-1 Panofsky, H. A., and Brier, G. W. (1965). Some Applications Of Statistics to Meteorology. Earth and Mineral Sciences Continuing Education, College of Earth and Mineral Sciences. Pearson, K. (1896). Mathematical Contributions to the Theory of Evolution.–On a Form of Spurious Correlation Which May Arise When Indices Are Used in the Measurement of Organs. Proceedings of the Royal Society of London, 60, 489–498. Rahimi, J., Ebrahimpour, M., and Khalili, A. (2013). Spatial changes of extended De Martonne climatic zones affected by climate change in Iran. Theoretical and Applied Climatology, 112(3–4), 409–418. Shabanpour, F., Bazrafshan, J. and Araghinejad, S. (2020). Evaluation of the Effect of Bias Correction Methods on the Skill of Seasonal Precipitation Forecasts of CFSv2 Climate Model. Iranian Journal of Soil and Water Research. Stampoulis, D. and Anagnostou, E. (2012). Evaluation of global satellite rainfall products over Continental Europe. Journal of Hydrometeorology, 13(2), 588–603. https://doi.org/10.1175/JHM-D-11-086.1 Stanski, H. R., Wilson, L. J. and Burrows, W. R. (1989). Survey of Common Verification Methods in Meteorology (2nd ed.). World Meteorological Organization. Taromi, M., Azizian, A. and Brocca, L. (2020). Estimation of Precipitation Using Satellite-based Surface Soil Moisture (SSM) in Semi-Arid and Humid Regions of Iran. Iranian Journal of Soil and Water Research, 51(6), 1427-1440. (In Farsi). Themeßl, M. J., Gobiet, A. and Heinrich, G. (2012). Empirical-statistical downscaling and error correction of regional climate models and its impact on the climate change signal. Climate Change, 112, 449–468.
| ||
آمار تعداد مشاهده مقاله: 500 تعداد دریافت فایل اصل مقاله: 375 |