پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,504 |
| تعداد مشاهده مقاله | 124,122,562 |
| تعداد دریافت فایل اصل مقاله | 97,230,566 |
ارزیابی داده های بارش پایگاه ملی اسفزاری در برآورد رواناب و پایش خشکسالی منطقه ای | ||
| اکوهیدرولوژی | ||
| مقاله 9، دوره 5، شماره 1، فروردین 1397، صفحه 99-110 اصل مقاله (1.44 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.235625.643 | ||
| نویسندگان | ||
| محمدرضا عینی1؛ سامان جوادی* 2؛ مجید دلاور3؛ محمد دارند4 | ||
| 1کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران | ||
| 2استادیار گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران | ||
| 3استادیار گروه مهندسی منابع آب، دانشگاه تربیت مدرس | ||
| 4دانشیار گروه آب و هواشناسی، دانشکدۀ منابع طبیعی، دانشگاه کردستان | ||
| چکیده | ||
| دادههای بارش پایگاههای واکاوی‌شدۀ اقلیمی به‌دلیل شبکه‌بندی منظم و پوشش مکانی و زمانی زیاد در همۀ نقاط، برای انجام پژوهشهایی مانند پیشبینی اقلیمی، مدل‌سازی تغییر اقلیم، مدیریت منابع آب و مدل‌سازی هیدرولوژیکی، به‌خصوص در مناطق بدون دادههای مشاهداتی، کاربردهای زیادی دارند. از این‌رو، در این پژوهش، شبیه‌سازی هیدرولوژیکی با بهرهگیری از مدل SWAT و پایش مکانی خشکسالی با استفاده از شاخص SPI و SDI در منطقۀ دریاچۀ مهارلو و ارزیابی دقت زمانی‌ـ مکانی پایگاه دادۀ ملی اسفزاری در مقایسه با ایستگاههای مشاهداتی به‌عنوان مرجع روی این گسترۀ مکانی ارزیابی شد. یافتههای به‌دست‌آمده از شبیه‌سازی رواناب روی گسترۀ واکاوی‌شده بیان‌کنندۀ دقت بسیار زیاد این پایگاه در مقایسه با مقادیر رواناب شبیه‌سازی‌شده توسط ایستگاههای مشاهداتی است. ضریب تبیین و کارایی نش به‌طور متوسط دقت 6/0 را در شبیه‌سازی از خود نشان دادهاند. دقت پایگاه دادۀ یادشده در فصول سرد و بارانی بسیار بیشتر از فصل گرم سال است. در ماههای پربارش ضریب همبستگی حدود 85/0 و شاخص POD بیش از 9/0 را نشان میدهد. همچنین، از آنجا که دقت برآورد پایش خشکسالی در این پایگاه طی بازۀ زمانی واکاوی‌شده بسیار زیاد است، میتوان گفت که از این پایگاه داده میتوان به عنوان یک پایگاه قابل اعتماد و جایگزین در شبیه‌سازی رواناب و خشکسالی برای مناطقی بهره گرفت که سریهای زمانی بارش همراه با کمبودهای آماری هستند. | ||
| کلیدواژه‌ها | ||
| پایگاه واکاوی‌شده؛ دریاچۀ مهارلو؛ شاخصهای SPI و SDI؛ مدل SWAT | ||
| عنوان مقاله [English] | ||
| Assessment of precipitation data from Asfazari national database in runoff evaluating and regional drought monitoring | ||
| نویسندگان [English] | ||
| Mohammad Reza Eini1؛ Saman Javadi2؛ Majid Delavar3؛ Mohammad Darand4 | ||
| 1Water Resources Engineering, Abouraihan College, University of Tehran | ||
| 3Associate Assistant, Department of Water Resources Engineering, Tarbiat Modares University | ||
| 4Associate Professor of Climatology University of Kurdistan Faculty of Natural Resources Department of Climatology Iran | ||
| چکیده [English] | ||
| Due to high spatiotemporal resolution of gridded data, reanalysis precipitation databases, have many applications in climate prediction, climate change modeling, water resources management and hydrological modeling, especially in areas without observational data. Therefore, in the present study, hydrological simulation was evaluated by SWAT model and spatial data mining for drought monitoring with SPI and SDI indexes over Maharlu Lake and assessing the temporal sense of Asfazari national database by observational stations as a reference on the spatial extent. The results showed high accuracy of Asfazari database in simulating of runoff in comparison with simulated runoff with observation database. The coefficient of determination and Nash efficiency presented the average accuracy of 0.6 in the simulation. During the cold and rainy seasons, the performance of this database is higher than is the warm season. During rainy months of year, the correlation coefficient between observation and Asfazari is about 0.85, and the POD index is more than 0.9. Furthermore, subsequently the accuracy of monitoring drought by Asfazari is too high, so it can be said that the Asfazari database can be used as a reliable database in runoff simulating and drought monitoring, especially in areas with poor or no sufficient precipitation data. | ||
| کلیدواژه‌ها [English] | ||
| reanalysis database, Maharlu Lake, SPI and SDI Indexes, SWAT Model | ||
| مراجع | ||
|
Sorooshian S, AghaKouchak A, Arkin P, Eylander J, Foufoula-Georgiou E, Harmon R, et al. Advancing the Remote Sensing of Precipitation. Bulletin of the American Meteorological Society. 2011;92(10):1271-2. [2]. Miao C, Ashouri H, Hsu K-L, Sorooshian S, Duan Q. Evaluation of the PERSIANN-CDR Daily Rainfall Estimates in Capturing the Behavior of Extreme Precipitation Events over China. Journal of Hydrometeorology. 2015;16(3):1387-96. [3]. Zhu Q, Xuan W, Liu L, Xu Y-P. Evaluation and hydrological application of precipitation estimates derived from PERSIANN-CDR, TRMM 3B42V7, and NCEP-CFSR over humid regions in China. Hydrol Processes. 2016;30(17):3061-83. [4]. Darand M, Zand Karimi S. Evaluation of the accuracy of the Global Precipitation Climatology Center (GPCC) data over Iran. Journal of Iran Geophysical. 2016;11(3)-95:103. [Persian] [5]. Fuka DR, Walter MT, MacAlister C, Degaetano AT, Steenhuis TS, Easton ZM. Using the Climate Forecast System Reanalysis as weather input data for watershed models. Hydrol Processes. 2014;28(22):5613-23. [6]. Auerbach DA, Easton ZM, Walter MT, Flecker AS, Fuka DR. Evaluating weather observations and the Climate Forecast System Reanalysis as inputs for hydrologic modelling in the tropics. Hydrol Processes. 2016;30(19):3466-77. [7]. Dile YT, Srinivasan R. Evaluation of CFSR climate data for hydrologic prediction in data-scarce watersheds: an application in the Blue Nile River Basin. JAWRA Journal of the American Water Resources Association. 2014;50(5):1226-41. [8]. Monteiro JAF, Strauch M, Srinivasan R, Abbaspour K, Gücker B. Accuracy of grid precipitation data for Brazil: application in river discharge modelling of the Tocantins catchment. Hydrol Processes. 2016;30(9):1419-30. [9]. Darand M, Amanollahi J, Zandkarimi S. Evaluation of the performance of TRMM Multi-satellite Precipitation Analysis (TMPA) estimation over Iran. Atmospheric Research. 2017;190:121-7. [10]. HajiHosseini H, HajiHosseini MR, Morid S, Delavar M. Assessment of changes in hydro-meteorological variables upstream of Helmand Basin during the last century using CRU data and SWAT model. Iran-water resources research 2013;1(2)38-52. [Persian] [11]. Masoudian A, Keykhosravi M, RayatPisheh, F. Intruduction and evaluation Asafzari database with GPCC, GPCP, CMAP. Geographical Research 2015; 2(1)19:73-88. [Persian] [12].Darand M, Zerafati O, Kefayatmotlagh R, Samandar R. Comparison between global and regional precipitation data bases with base station Asfazari precipitation Iran. Geographical Research. 2015;3(1) 30:2. [Persian] [13]. Raziei T, Bordi I, Pereira LS. An Application of GPCC and NCEP/NCAR Datasets for Drought Variability Analysis in Iran. Water Resources Management. 2011;25(4):1075-86. [14]. Katiraie-Boroujerdy P-S, Nasrollahi N, Hsu K-l, Sorooshian S. Quantifying the reliability of four global datasets for drought monitoring over a semiarid region. Theoretical and Applied Climatology. 2016;123(1):387-98. [15]. Adjei KA, Ren L, Appiah-Adjei EK, Odai SN. Application of satellite-derived rainfall for hydrological modelling in the data-scarce Black Volta trans-boundary basin. Hydrology Research. 2015;46(5):777-91. [16]. Fekete BM, Vörösmarty CJ, Roads JO, Willmott CJ. Uncertainties in Precipitation and Their Impacts on Runoff Estimates. Journal of Climate. 2004;17(2):294-304. [17]. Piani C, Weedon GP, Best M, Gomes SM, Viterbo P, Hagemann S, et al. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models. Journal of Hydrology. 2010;395(3):199-215. [18]. Seyyedi H, Anagnostou EN, Beighley E, McCollum J. Satellite-driven downscaling of global reanalysis precipitation products for hydrological applications. Hydrol Earth Syst Sci. 2014;18(12):5077-91. [19]. Thiemig V, Rojas R, Zambrano-Bigiarini M, De Roo A. Hydrological evaluation of satellite-based rainfall estimates over the Volta and Baro-Akobo Basin. Journal of Hydrology. 2013;499:324-38. [20]. Casse C, Gosset M, Peugeot C, Pedinotti V, Boone A, Tanimoun BA, et al. Potential of satellite rainfall products to predict Niger River flood events in Niamey. Atmospheric Research. 2015;163:162-76. [21]. Neitsch, SL, Arnold JG, Kiniry JR, Srinivasan R, Williams JR. Soil and Water Assessment Tool, User Manual, Version 2012. Grassland, Soil and Water Research Laboratory, Temple, Tex; 2011. [22]. Mckee TB, Doesken NJ, Kleist J. Drought monitoring with multiple timescales. Preprints, Eighth Conf. on Applied Climatology, Anaheim, CA, Amer. Meteor. Soc. 1993;179-184. [23]. Kao S-C, Govindaraju RS. A copula-based joint deficit index for droughts. Journal of Hydrology. 2010;380(1):121-34. [24]. Eghtedari M., Bazrafashan J., Shafiee M., Hejabi S. Prediction of Streamflow Drought Using SPI and Markov Chain in Kharkheh’s Basin. Journal of Water and Soil Conservation. 2016;23(2)130-115. [Persian]
| ||
|
آمار تعداد مشاهده مقاله: 1,225 تعداد دریافت فایل اصل مقاله: 665 |
||