مدیریت اکوسیستم‌های طبیعی

مدیریت اکوسیستم‌های طبیعی

ارزیابی عملکرد محصولات ماهواره‌های جهانی در شبیه‌سازی بارش نواحی شهری شمال شرق ایران

نوع مقاله : مقاله پژوهشی

نویسندگان
مهدی زارعی 1
هادی سلطانی فرد 2
رسول سروستان 3
1 دانشیار، گروه پژوهشی جغرافیا، مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری، سبزوار، ایران.
2 دانشیار، گروه محیط زیست، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران.
3 پژوهشگر پسادکتری، گروه پژوهشی جغرافیا، مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری، سبزوار، ایران.
10.22034/emj.2025.2044583.1079
چکیده
انتخاب مدل‌ مناسب برای شبیه‌سازی بارش نقش مهمی در پیش بینی وقایع هیدرولوژیکی دارد. مطالعه حاضر به‌منظور ارزیابی دقت بارش شبیه‌سازی شده در نواحی شمال شرق ایران با استفاده از چهار محصول ماهواره‌ای PERSIANN-CDR ، ERA5، GSMaP و GPMدر سامانه گوگل ارث انجین هدفگذاری شده است. بدین منظور داده‌های چهار رویداد بارش موجود در 17 ایستگاه سینوپتیک مورد استفاده قرار گرفت. عملکرد محصولات فوق در برآورد بارش با استفاده از کمیت‌های راستی آزمایی امتیاز تهدید، نسبت هشدارهای نادرست، آهنگ برخورد و آهنگ هشدارهای تقلبی ارزیابی گردید. نتایج حاکی از عملکرد بهتر محصولات PERSIANN-CDR و ERA5 و عملکرد ضعیف محصول GPM نسبت به سایر محصولات می‌باشد. به‌طوریکه بارش PERSIANN-CDR در 9 ایستگاه خطای کمتر از0/75، بارش ERA5 در 8 ایستگاه خطای کمتر از 0/50 و بارش حاصل ازGPM  تنها در 4 ایستگاه خطای کمتر از 0/75 را نشان می‌دهد. همچنین بر اساس نتایج در برخی ایستگاه‌ها، به‌طور کلی یک محصول عملکرد بهتری نسبت به دیگر محصولات داشته و در برخی ایستگاه‌ها نیز چندین محصول دقت مشابهی را ارائه داده‌اند. به‌عنوان مثال، بهترین دقت در شبیه‌سازی بارش توسط PERSIANN در ایستگاه‌های درگز و قوچان 0/50 و0/25 به ثبت رسیده است. از طرفی هیچکدام از محصولات مورد استفاده در ایستگاه‌های سبزوار و فریمان دقت مناسبی در شبیه‌سازی نداشته و امتیاز صفر کسب کرده‌اند. همچنین دو محصول PERSIANN و ERA5 با دقت مشابهی بارش را در ایستگاه‌هایی نظیر کاشمر و تایباد برآورد نمودند. بنابراین محصولات  PERSIANN-CDRوERA5 ابزارهای کارآمدتری برای شبیه‌سازی بارش در نواحی خشک و نیمه‌خشک شمال شرق ایران هستند. نتایج به‌دست‌آمده بر ضرورت استفاده از مدل‌های چندگانه برای افزایش دقت شبیه‌سازی‌ها و همچنین بهبود الگوریتم‌های پیش‌بینی بارش تأکید دارد. این نتایج می‌توانند به‌عنوان مبنایی علمی برای برنامه‌ریزی و مدیریت منابع آب در مناطق خشک و نیمه‌خشک و توسعه استراتژی‌های پیش‌بینی اقلیمی و هیدرولوژیکی مورد استفاده قرار گیرند.
کلیدواژه‌ها
بارش
شبیه‌سازی
محصولات ماهواره‌ای
شمال شرق ایران
موضوعات

عنوان مقاله English

Evaluation of the performance of global satellite products in the simulation of precipitation in the urban areas of northeastern Iran

نویسندگان English

Mahdi Zarei 1
Hadi Soltanifard 2
Rasoul Rasoul 3
1 Associate Professor, Geography Research Department, Research Center of Social Studies and Geographical Sciences, Hakim Sabzevari University, Sabzevar, Iran.
2 Associate Professor, Department of Environment, Faculty of Geography and Environmental Sciences, Hakim Sabzevari University, Sabzevar, Iran.
3 Postdoctoral Researcher, Geography Research Department, Research Center of Social Studies and Geographical Sciences, Hakim Sabzevari University, Sabzevar, Iran.
چکیده English

Selection the suitable model for precipitation simulation plays an important role in hydrological events. The present study aims in order to evaluate the accuracy of the simulated precipitation in the northeastern regions of Iran using four satellite products: PERSIANN-CDR, ERA5, GSMaP, and GPM, in Google Earth Engine. For this purpose, data from four precipitation events at 17 synoptic stations has been used. The performance of above productsin estimating precipitation was evaluated using verification metrics such as TS, H, FAR, and F. Results indicate better performance of the PERSIANN-CDR and ERA5 products, and poor performance of the GPM product compared to other products. So that the, precipitation of PERSIANN-CDR showed an error of less than 0.75 at 9 stations, ERA5 precipitation at 8 stations an error of less than 0.50, and the precipitation from GPM an error of less than 0.75 in only 4 stations. Also, based on the results, in some stations, generally a product has a better performance than other products, and in some stations, several products have provided similar accuracy. For example, the best accuracy in simulating precipitation by PERSIANN was recorded at the Darghaz and Quchan stations with values of 0.50 and 0.25, respectively. On the other hand, none of the used products at the Sabzevar and Fariman stations did not have adequate accuracy in the simulation, got a score of zero. Also, two products, PERSIANN and ERA5, estimated the precipitation in stations such as Kashmer and Taybad with similar accuracy. Therefore, the PERSIANN-CDR and ERA5 products are more efficient tools for simulating in the arid and semi-arid regions of northeastern Iran. The obtained results emphasize the necessity of using multiple models to increase simulation accuracy and also improving precipitation forecasting algorithms improve precipitation forecasting algorithms. These results can be used as a scientific basis for planning and management of water resources in arid and semi-arid regions and developing strategies of climate and hydrological forecasting.

کلیدواژه‌ها English

Precipitation
Simulation
Satellite Products
Northeastern Iran
خان‌محمدی، ز.، محجوبی، ع.، قره چلو، س.، و بنی‌خدمت، ا. (1401). ارزیابی آماری محصولات بارش ماهواره‌ای به‌صورت ایستگاهی در دو مقیاس زمانی روزانه و ماهانه. مهندسی و مدیریت آبخیز، (14)، 527-512.
سالنامه آماری استان خراسان رضوی، (1398)، داده های مرکز آمار ایران.
شیرمحمدی، ز.، سید فرهاد، ص.، و نصرآبادی، ح. (1398)، ارزیابی و پهنه‌بندی داده‌های بارش ماهواره‌ای GPM و TRMM ، در شمال شرق ایران. هواشناسی و علوم جوی، 2، 179-191.
Abdollahipour, A., Ahmadi, H., and Aminnejad, B. (2022). A review of downscaling methods of satellite-based precipitation estimates. Earth Science Informatics, 15(1), 1-20.
Ali, I., Cawkwell, F., Dwyer, E., Barrett, B., and Green, S. (2016). Satellite remote sensing of grasslands: from observation to management. Journal of Plant Ecology, 9(6), 649-671.
Avolio, E., and Federico, S. (2018). WRF simulations for a heavy rainfall event in southern Italy: Verification and sensitivity tests. Atmospheric Research, 209, 14-35.
Awasthi, N., Tripathi, J. N., Petropoulos, G. P., Gupta, D. K., Singh, A. K., and Kathwas, A. K. (2023). Performance assessment of Global-EO-based precipitation products against gridded rainfall from the Indian Meteorological Department. Remote Sensing, 15(13), 3443.
Balsamo, G., Agusti-Parareda, A., Albergel, C., Arduini, G., Beljaars, A., Bidlot, J., and Brown, A. (2018). Satellite and in situ observations for advancing global Earth surface modelling: A review. Remote Sensing, 10(12), 2038.
Boluwade, A. (2020). Spatial-temporal assessment of satellite-based rainfall estimates in different precipitation regimes in water-scarce and data-sparse regions. Atmosphere, 11(9), 901.
Chen, J., Li, Z., Li, L., Wang, J., Qi, W., Xu, C. Y., and Kim, J. S. (2020). Evaluation of multi-satellite precipitation datasets and their error propagation in hydrological modeling in a monsoon-prone region. Remote Sensing, 12(21), 3550.
de Brito, C. S., da Silva, R. M., Santos, C. A. G., Brasil Neto, R. M., and Coelho, V. H. R. (2022). Long-term basin-scale comparison of two high-resolution satellite-based remote sensing datasets for assessing rainfall and erosivity in a basin in the Brazilian semiarid region. Theoretical and Applied Climatology, 147(3), 1049-1064.
Gan, Y., Li, Y., Wang, L., Zhao, L., Fan, L., Xu, H., and Yin, Z. (2024). Machine-learning downscaling of GPM satellite precipitation products in mountainous regions: A case study in Chongqing. Atmospheric Research, 311, 107698.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., and Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, 202, 18-27.
Gorjizade, A., Akhoond-Ali, A. M., Shahbazi, A., and Moridi, A. (2020). Evaluation and Comparison of High Spatial Resolution Gridded Precipitation by TRMM, ERA5, and PERSIANN-CCS Datasets on the Upstream of the Maroon Basin, Iran. AUT Journal of Civil Engineering, 4(4), 529-542.
Gorjizadeh, A., and Moridi, A. (2024). Comparative Analysis of the Performance of Gridded Precipitation Products Over Iran. Water Harvesting Research, 7(2), 175-193.
Hinge, G., Mohamed, M. M., Long, D., and Hamouda, M. A. (2021). Meta-analysis in using satellite precipitation products for drought monitoring: Lessons learnt and way forward. Remote Sensing, 13(21), 4353.
Junior, A. L. P., Biudes, M. S., Machado, N. G., Vourlitis, G. L., Geli, H. M., Santos, L. O. F. d., .and Neto, N. L. (2021). Assessment of remote sensing and re-analysis estimates of regional precipitation over Mato Grosso, Brazil. Water, 13(3), 333.
Khaki, M., Hendricks Franssen, H. J., and Han, S. C. (2020). Multi-mission satellite remote sensing data for improving land hydrological models via data assimilation. Scientific reports, 10(1), 18791.
Kofidou, M., Stathopoulos, S., and Gemitzi, A. (2023). Review on spatial downscaling of satellite derived precipitation estimates. Environmental Earth Sciences, 82(18), 424.
Kumar, L., and Mutanga, O. (2018). Google Earth Engine applications since inception: Usage, trends, and potential. Remote Sensing, 10(10), 1509.
Levizzani, V., Amorati, R., and Meneguzzo, F. (2002). A review of satellite-based rainfall estimation methods. European Commission Project MUSIC Report (EVK1-CT-2000-00058), 66.
Li, H., Zhang, Y., and Zhou, X. (2015). Predicting surface runoff from catchment to large region. Advances in Meteorology, 2015(1), 720967.
Martínez Castro, D., Kumar, S., Flores Rojas, J. L., Moya-Álvarez, A., Valdivia-Prado, J. M., Villalobos-Puma, E., Castillo Velarde, C. D., and Silva Vidal, Y. (2019). The impact of microphysics parameterization in the simulation of two convective rainfall events over the central Andes of Peru using WRF-ARW. Atmosphere, 10(8), 442.
Merino, A., García‐Ortega, E., Navarro, A., Fernández‐González, S., Tapiador, F. J., and Sánchez, J. L. (2021). Evaluation of gridded rain‐gauge‐based precipitation datasets: Impact of station density, spatial resolution, altitude gradient and climate. International Journal of Climatology, 41(5), 3027-3043.
Morbidelli, R., García Marín, A. P., Al Mamun, A., Atiqur, R. M., Ayuso Muñoz, J. L., Taouti, M. B., Baranowski, P., Bellocchi, G., Sangüesa-Pool, C., Bennett, B., and Oyunmunkh, B. (2020). The history of rainfall data time-resolution in a wide variety of geographical areas. Journal of Hydrology, 590, 125258.
Najmi, A., Igmoullan, B., Namous, M., El Bouazzaoui, I., Brahim, Y. A., El Khalki, E. M., and Saidi, M. E. M. (2023). Evaluation of PERSIANN-CCS-CDR, ERA5, and SM2RAIN-ASCAT rainfall products for rainfall and drought assessment in a semi-arid watershed, Morocco. Journal of Water and Climate Change, 14(5), 1569-1584.
Nassaj, B. N., Zohrabi, N., Shahbazi, A. N., and Fathian, H. (2022). Evaluating the performance of eight global gridded precipitation datasets across Iran. Dynamics of Atmospheres and Oceans, 98, 101297.
Serrat‐Capdevila, A., Valdes, J. B., and Stakhiv, E. Z. (2014). Water management applications for satellite precipitation products: Synthesis and recommendations. JAWRA Journal of the American Water Resources Association, 50(2), 509-525.
Song, L., Xu, C., Long, Y., Lei, X., Suo, N., and Cao, L. (2022). Performance of seven gridded precipitation products over arid central Asia and subregions. Remote Sensing, 14(23), 6039.
Song, Y., Du, T., Zeng, B., Wu, Q., and Wang, G. (2024). Evaluation of fengyun geosynchronous orbit and GPM satellites precipitation products over the southeastern Tibetan plateau. International Journal of Remote Sensing, 45(16), 5616-5639.
Sun, Q., Miao, C., Duan, Q., Ashouri, H., Sorooshian, S., and Hsu, K. L. (2018). A review of global precipitation data sets: Data sources, estimation, and intercomparisons. Reviews of Geophysics, 56(1), 79-107.
Tang, G., Clark, M. P., Papalexiou, S. M., Ma, Z., and Hong, Y. (2020). Have satellite precipitation products improved over last two decades? A comprehensive comparison of GPM IMERG with nine satellite and reanalysis datasets. Remote sensing of environment, 240, 111697.
Tapiador, F. J., Turk, F. J., Petersen, W., Hou, A.Y., García-Ortega, E., Machado, L. A., Angelis, C. F., Salio, P., Kidd, C., Huffman, G. J., and De Castro, M. (2012). Global precipitation measurement: Methods, datasets and applications. Atmospheric Research, 104, pp.70-97.
Thies, B., and Bendix, J. (2011). Satellite based remote sensing of weather and climate: recent achievements and future perspectives. Meteorological Applications, 18(3), 262-295.
Veettil, A. V. (2020). Multiscale hydrological drought analysis: Role of climate, catchment and morphological variables and associated thresholds. Journal of Hydrology, 582, 124533.
Wanniarachchi, S., and Sarukkalige, R. (2022). A review on evapotranspiration estimation in agricultural water management: Past, present, and future. Hydrology, 9(7), 123.
Wu, J., Chen, X., Yuan, X., Yao, H., Zhao, Y., and AghaKouchak, A. (2021). The interactions between hydrological drought evolution and precipitation-streamflow relationship. Journal of Hydrology, 597, 126210.
Xu, L., Abbaszadeh, P., Moradkhani, H., Chen, N., and Zhang, X. (2020). Continental drought monitoring using satellite soil moisture, data assimilation and an integrated drought index. Remote Sensing of Environment, 250, 112028.
Zhao, H., and Ma, Y. (2019). Evaluating the drought-monitoring utility of four satellite-based quantitative precipitation estimation products at global scale. Remote Sensing, 11(17), 2010.

  • تاریخ دریافت 09 آبان 1403
  • تاریخ بازنگری 06 دی 1403
  • تاریخ پذیرش 08 دی 1403