واسنجی یک مدل تصحیح بارش ماهواره‌ای فصلی برای افزایش دقت بیلان آبی در مناطق خشک ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی آب؛ دانشگاه فردوسی مشهد

2 استاد گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه فردوسی مشهد

3 دانشگاه فردوسی مشهد

چکیده

بارندگی به‌عنوان یکی از مهم‌ترین متغیرهای ورودی برآورد بیلان یک حوضه آبریز، همواره مورد توجه قرار گرفته است. ارزیابی و تصحیح داده‌های سنجش از دور بارش به‌عنوان مکمل داده های بارش زمینی در ایران که بیشترین وسعت آن را مناطق خشک و نیمه‌خشک تشکیل می‌دهد، ضروری می باشد. بر همین اساس در این پژوهش، داده‌های بارش 6 ایستگاه سینوپتیک در 3 اقلیم ایران (فراخشک، خشک و نیمه خشک) به‌عنوان مبنا در دوره‌ زمانی 20 ساله (1998-2017) انتخاب گردید. داده‌های بارش ماهانه ماهواره ای (TMPA-3B43) (به‌صورت فصلی) مورد ارزیابی قرار گرفته و با کمک مدل حاصل ضربی تصحیح شدند. ارزیابی نتایج با کمک شاخص های ضریب همبستگی (R)، میانگین انحراف خطا(MBE)، میانگین قدرمطلق خطا(MAE) و جذر میانگین مربعات خطا(RMSE) انجام پذیرفت. بر اساس نتایج مقادیر تصحیح‌نشده، ضریب همبستگی از 79/0 برای ایستگاه گرمسار تا 95/0 برای ایستگاه رامهرمز متغیر بود. در هر سه اقلیم داده های ماهواره ای دارای بیش‌برآورد بودند. پس از اعمال مدل حاصل ضربی بر داده ها، پارامتر فصلی V جهت تصحیح داده های ماهواره‌ای برای اقلیم های مختلف به دست آمد. پس از تصحیح، شاخص های ارزیابی به‌ویژه در معیار میانگین انحراف خطا با کاهش قابل‌ملاحظه‌ای مواجه شدند. مقادیر این خطا در پیکسل‌های متناظر ایستگاه های گرمسار، بشرویه، ساوه به ترتیب به 1/0 برای فصل بهار، 4/0 برای فصل پاییز و 7/0 برای فصل زمستان برحسب میلی متر کاهش یافتند. با توجه به نتایج پارامتر تصحیح در هر سه اقلیم مورد مطالعه، در فصل پاییز بیشترین بیش برآوردی مشاهده شد. برای ایستگاه های قزوین(نیمه‌خشک)، گرمسار(فراخشک) و ساوه(خشک) در این فصل به ترتیب با ضرایب تصحیح 64/0، 67/0 و 79/0 بیشترین تصحیح اعمال شد. بر اساس نتایج به‌دست‌آمده، می‌توان از مدل واسنجی استفاده‌شده برای تصحیح داده های فصلی سنجش از دور در مناطق خشک بهره برد.

کلیدواژه‌ها


عنوان مقاله [English]

Validation of a Seasonal Satellite Precipitation Correction Model to increase the Accuracy of Water Balance in Arid Regions of Iran

نویسندگان [English]

  • Hadi Ghafourian 1
  • Seyed Hossein Sanaei Nejad 2
  • Mehdi Jabbari Nooghabi 3
1 Water Engineering Dep., Ferdowsi University of Mashhad
2 Professor, Water Engineering, College of Agriculture, Ferdowsi University of Mashhad
3 Ferdowsi University of Mashhad
چکیده [English]

Rainfall always has been considered as one of the most important variables for estimating the balance of watershed. The evaluation and correction of precipitation data as a supplement to the ground data in Iran, which it most regions is located in arid and semi-arid zone, is necessary. In this study, the precipitation data from 6 synoptic stations in 3 climate of Iran (extra arid, arid and semi-arid) were selected as the basis for the period of 20 years (1998-2017). The satellite monthly precipitation data (TMPA-3B43) was corrected with the multiplicative model, and results were evaluated by using R, MBE, MAE, and RSME indices. Based on uncorrected results, the correlation coefficient (R) varied from 0.79 for Garmsar station to 0.95 for Ramhormoz station. In all three climates, satellite data had overestimated values. After applying the multiplicative model, a seasonal parameter has been obtained for satellite data correction. All evaluation indices, especially the MBE, were significantly reduced after the correction. The lowest values for this error in the corresponding pixels of Garmsar, Boshrouyeh, Saveh stations were reduced to 0.1(spring), 0.4(autumn), and 0.7(winter) respectively. According to the results of the correction parameter in all three studied climates, the highest overestimate was observed in the autumn season. Also, this correction coefficient was 0.64, 0.67, and 0.79 for Qazvin(semi-arid), Garmsar(extra-arid), and Saveh(arid) stations, respectively. Based on the obtained results, the calibration model can be used to correct the seasonal data of the remote sensing in dry regions.

کلیدواژه‌ها [English]

  • Seasonal precipitation
  • bias correction
  • Satellite data
  • Multiplicative Model
اکبری ینگه قلعه، م.، ثنایی نژاد، س.ح.، فریدحسینی، ع.، و اکبری، م. 1396. بررسی زمانی-مکانی بارش با استفاده از داده‌های ماهواره  TRMM (مطالعه موردی: استان خراسان رضوی)، پژوهش‌های اقلیم‌شناسی، سال هشتم، بهار (29): 18-1.
جباری نوقابی، م. 1390. داده‌های پرت، مفهوم و کاربرد آن. نشریه ندا، 9(1): 1-16.
حجازی‌زاده، ز.، علیجانی، ب.، ضیاییان، پ. کریمی، م.، و رفعتی، س. 1391. ارزیابی بارش ماهواره‌ای 3B43 و مقایسه آن با مقادیر حاصل از تکنیک درون‌یابی کریجینگ. سنجش از دور و GIS ایران، سال چهارم، پاییز (3): 64-49.
رضایی پژند، ح. 1380. کاربرد آمار و احتمال در منابع آب. چاپ اول. انتشارات سخن‌گستر.
زنگنه اینالو, م, قهرمان, ب, فریدحسینی, ع. 1398. ارزیابی دقت ماهوارهTRMM  در برآورد مقادیر بارش و رواناب حوضه رودخانه شاپور استان فارس. نشریه آبیاری و زهکشی ایران. 13(1). 216-203.
شیروانی، ا.، و فخاری‌زاده شیرازی، ا. 1393. مقایسه مقادیر مشاهداتی بارش و برآوردهای ماهواره TRMM در استان فارس، هواشناسی کشاورزی. 2، 2: 15-1.
عبدالهی، ب.، حسینی موغاری. م.، و ابراهیمی، ک. 1396. ارزیابی داده‌های ماهواره‌ای  TRMM 3B42RT V7 و CMORPH به‌منظور تخمین بارش در حوضه آبریز گرگان‌رود. نشریه علوم مهندسی و آبخیزداری ایران. 36. 11: 69-55.
عرفانیان، م.، کاظم‌پور، س.، حیدری, ح. 1395. واسنجی داده‌های باران سریB42  وB43  ماهواره TRMM در زون‌های اقلیمی ایران. پژوهش‌های جغرافیای طبیعی. 48 (2): 303-287.
علیزاده، ا. 1386. اصول هیدرولوژی کاربردی. چاپ بیست و سوم. انتشارات دانشگاه امام رضا (ع). ویرایش هفتم. مشهد.
علیزاده، ا.، کمالی، غ.ع.، موسوی، ف.، و موسوی بایگی، م. 1391. هوا و اقلیم‌شناسی. چاپ پانزدهم. انتشارات دانشگاه فردوسی مشهد.
کاویانی، م. علیجانی، ب. 1380. مبانی آب و هواشناسی. چاپ هشتم. انتشارات سمت. تهران.
مکوندی، ه. 1387. کالیبراسیون رادار هواشناسی با استفاده از داده‌های باران‌سنج خودکار به‌منظور ارزیابی دقت تخمین بارندگی رادار، پایان‌نامه کارشناسی ارشد. دانشگاه فردوسی مشهد.
Condom, T., P. Rau, and J. C. Espinoza, 2011: Correction of TRMM 3B43 monthly precipitation data over the mountainous areas of Peru during the period 1998–2007. Hydrol. Processes, 25, 1924–1933.
Dickey, D., Fuller, W. 1979. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a): 427-431.
Habib, E., Krajewski, W.F., Ciach, G.J., 2001. Estimation of rainfall interstation correlation. J. HydrometeorAol. 2 (6): 621-629.
Habib, E., Larson, B.F., Graschel, J., 2009. Validation of NEXRAD multisensory precipitation estimates using an experimental dense rain gauge network in south Louisiana. J. Hydrol. 373 (3–4), 463–478.
Hashemi, H., Nordin, M., Lakshmi, V., Huffman, G., Knight, R., 2017. Bias Correction of Long-Term Satellite Monthly Precipitation Product (TRMM 3B43) over the Conterminous United States. J. HYDROMETEOROL. 18(9). 2491-2509.
Huffman, G.J. 2018. The Transition in Multi-Satellite Products from TRMM to GPM (TMPA to IMERG). NASA Goddard Space Flight Center and Science Systems and Applications. 27th august.
Iranian Meteorological Organization. Available at http://irimo.ir/far/wd/2703.html. (visited 15 Aug. 2018).
Isaaks, E. H. and Srivastava, R. M. 1989. An Introduction to Applied Geostatistics. New York: Oxford University Press.
Islam, M. N., and H. Uyeda, 2007: Use of TRMM in determining the climatic characteristics of rainfall over Bangladesh. Remote Sens. Environ., 108, 264–276.
Javanmard, S., A. Yatagai, M. Nodzu, J. BodaghJamali, and H. Kawamoto, 2010: Comparing high-resolution gridded precipitation data with satellite rainfall estimates of TRMM_ 3B42 over Iran. Adv. Geosci., 25, 119–125.
Liu, S., Yan, D., Qin, T., Weng, ., and Li, M. 2016. Correction of TRMM 3B42V7 Based on Linear Regression Models over China. Advances in Meteorology. ID: 3103749, 13 pages.
Lu, X., Wei, M., Tang, G., & Zhang, Y. 2018. Evaluation and correction of the TRMM 3B43V7 and GPM 3IMERGM satellite precipitation products by use of ground-based data over Xinjiang, China. Environmental Earth Sciences, 77(5).
National Aeronautics and Space Administration (NASA). 2001. TRMM Data Users Handbook, February. 226p.
National Aeronautics and Space Administration (NASA), Homepage of Rainfall Archives, https://disc2.gesdisc.eosdis.nasa.gov/opendap/TRMM_L3/TRMM_3B43.7/contents.html Visited: 2018/04/10.
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. Volume 112, Issue 3–4, pp 409–418.
Sorooshian, S., Hsu, K., Gao, X., Gupta, H. V., Imam, B., and Braithwaite, D. 2000. Evaluation of PERSIANN system satellite based estimates of tropical rainfall, B. Am. Meteor. Soc., 81, 2035–2046.
Tang, L., Tian, Y., Yan, F., Habib, E., 2015. An improved procedure for the validation of satellite-based precipitation estimates. J.Atmos. Res. Volume 163, 61-73.
Tian, Y., Peters-Lidard, C.D., Eylander, J.B., Joyce, R.J., Huffman, G.J., Adler, R.F., Hsu, K., Turk, F.J., Garcia, M., Zeng, J., 2009. Component analysis of errors in satellite-based precipitation estimates. J. Geophys. Res. 114 (D24), 1–15.
Tian, Y., Huffman, G.J., Adler, R.F., Tang, L., Sapiano, M., Maggioni, V., Wu, H., 2013. Modeling errors in daily precipitation measurements: Additive or multiplicative? Geophys. Res. Lett. 40 (10), 2060–2065.
Vernimmen, R.E., Hooijer, A. Mamenun, A. and Aldrian, E. 2012. Evaluation and bias correction of satellite rainfall data for drought monitoring in Indonesia. Hydrology Earth Syst. Sci. , 8. 5969–5997