1باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، اسلامشهر، ایران
2دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایرانی
چکیده
امروزه دادههای بارش ماهوارهای با قدرت تفکیک مکانی و زمانی بالا، یک منبع جایگزین مناسب برای انجام مطالعات مختلف اقلیمی و هیدرولوژیکی در مناطق فاقد آمار و مناطق با عدم توزیع یکنواخت ایستگاهها است. استفاده از این دادهها با شرط داشتن دقت کافی، برای کشور ایران که بسیاری از قسمتهای آن بهویژه مناطق بیابانی و کوهستانی بهدلیل تراکم پایین ایستگاهها، طول دوره آماری کوتاه ایستگاههای جدید و غیره، همواره با مشکلات دسترسی به اطلاعات مکانی و زمانی اقلیم مواجه میباشند، از اهمیت زیادی برخوردار است. از اینرو، هدف اصلی تحقیق حاضر ارزیابی دقت دادههای بارش GPM و TRMM در مقابل دادههای ثبت شده ایستگاههای منتخب در سطح ایران است. برای رسیدن به این منظور، از روشهای سنجش از دوری و آماری استفاده شد. دادههای مورد استفاده شامل دادههای بارش روزانه 70 ایستگاه همدیدی منتخب و دادههای شبکهبندی شده بارش GPM و TRMM با قدرت تفکیک مکانی 0.25×0.25 درجه جغرافیایی طی دوره زمانی 2016-2014 است. نتایج بهدست آمده نشان داد که در حالت کلی مقادیر بارش روزانه سنجندههای نام برده شده از دقت مناسبی در سطح ایران برخوردار نیستند و میزان خطای بارش برآوردی برای بیشتر ایستگاهها قابل توجه است. مقایسه دقت سنجندههای TRMM و GPM در برابر دادههای مشاهدهای نشان داد که هر چند شباهت زیادی بین مقادیر بارش برآوردی GPM و TRMM وجود دارد، ولی دقت دادههای روزانه سنجنده GPM در سطح ایران نسبت به دادههای TRMM بیشتر است. زیرا مقدار ضریب تعیین برای دادههای بارش TRMM در بهترین حالت به 0.46 و برای GPM به 0.6 میرسد. از نظر مکانی، بهترین دقت پایگاه دادههای سنجشازدوری GPM و TRMM در غرب کشور و بهویژه در امتداد کوههای زاگرس است و همانند بسیاری از پایگاه دادههای دیگر کمترین دقت در نواحی ساحلی و بهویژه سواحل دریای خزر مشاهده میشود. بررسی و مقایسه مجموع بارش سالانه ایستگاهها و پایگاه دادههای دورسنجی نشان داد که نهتنها بین مقادیر بارش برآوردی بلکه از نظر مکانی نیز بین هستههای پر بارش و کم بارش اختلاف وجود دارد.
Evaluation and comparison of GPM and TRMM daily precipitation with observed precipitation across Iran
نویسندگان [English]
Morteza Miri1؛ Mojtaba Rahimi1؛ Aliakbar Noroozi2
1PhD, Faculty of Geography, University of Tehran, Young Researchers and Elite Club, Islamshahr Branch, Islamic Azad University, Islamshahr, Iranersity of tehran
2Associate Professor, Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran
چکیده [English]
Todays, satellite precipitation data with high spatial and temporal resolution is an appropriate alternative source for conducting various studies of meteorology and hydrology in areas with inappropriate distribution of stations. These data are very important for a country like Iran which is always faced with problems of water shortage and precipitation. Therefore, the main purpose of this study is to evaluate the accuracy of GPM and TRMM daily precipitation against the recorded daily precipitation data of selected stations in Iran. Statistical methods were used to achieve this purpose. The data used include daily precipitation data from meteorological stations and daily rainfall from latest GPM and TRMM products in the period 2015-2000 in Iran. Statistical analysis showed that the daily precipitation values of these sensors are not accurate in Iran, and the estimated precipitation error is significant for most stations. Comparison of rainfall estimates from TRMM and GPM showed that although there is a great similarity between the estimates of precipitation values of GPM and TRMM, however, GPM data are more accurate than TRMM data in Iran. In terms of location, the best accuracy of the GPM and TRMM databases were observed in west of Iran, especially along the Zagros mountains, and like many other databases, the lowest accuracy was observed in coastal areas, especially along the Caspian Sea. Comparison of total annual precipitation of the stations and the remote sensing databases showed that not only there is a difference between the estimates of precipitation, there is also a spatial difference between high and low precipitation cores.