پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,111,463 |
| تعداد دریافت فایل اصل مقاله | 97,215,157 |
ارزیابی عملکرد الگوریتم های بارش ماهواره ای PERSIANN و PERSIANN-CDR و بررسی تأثیر ناهمواری ها بر آن (مطالعۀ موردی: حوضۀ آبریز حله) | ||
| اکوهیدرولوژی | ||
| مقاله 18، دوره 7، شماره 2، تیر 1399، صفحه 511-527 اصل مقاله (1.99 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2020.299034.1301 | ||
| نویسندگان | ||
| سعید شکری کوچک1؛ علی محمد آخوندعلی* 2؛ محمدرضا شریفی3 | ||
| 1دانشجوی دکترای منابع آب دانشکدۀ مهندسی علوم آب دانشگاه شهید چمران اهواز | ||
| 2استاد گروه هیدرولوژی و منابع آب دانشکدۀ مهندسی علوم آب دانشگاه شهید چمران اهواز | ||
| 3استادیار گروه هیدرولوژی و منابع آب دانشکدۀ مهندسی علوم آب دانشگاه شهید چمران اهواز | ||
| چکیده | ||
| تحقیق حاضر با هدف ارزیابی عملکرد الگوریتمهای بارش ماهوارهای PERSIANN و PERSIANN-CDR در برآورد عمق بارش حوضۀ آبریز حله انجام شده و تأثیر ناهمواریها بر عملکرد الگوریتم بارش ماهوارهای بررسی شد. بنابراین، دادههای بارش ماهوارهای، با تفکیک مکانی 25/0 درجه در طول و عرض جغرافیایی، طی سالهای 2003 تا 2016 با دادههای 114 ایستگاه بارانسنجی مقایسه شد. نتایج نشان داد الگوریتم PERSIANN در همۀ مقیاسهای زمانی و مکانی، ضمن کم‌برآورد کردن عمق بارش، دقت کمی نیز دارد. در مقابل، الگوریتم PERSIANN-CDR دقت بیشتری دارد. با این‌وجود، عملکرد الگوریتم تعدیلیافته در مقیاس روزانه نیز قابل قبول نیست. ضریب تبیین الگوریتم تعدیلیافته در مقیاس سلولی و در مقیاسهای ماهانه و سالانه به‌ترتیب 7588/0 و 9446/0 به دست آمد. منحنیهای شدت– مدت‌ـ فراوانی سه نوع منبع داده را نشان میدهد. هر دو الگوریتم در دورۀ بازگشتهای مختلف و در مدتهای مختلف، مقادیر بارش را کمتر از مقادیر مشاهداتی برآورد میکند. نتایج نشان میدهد بین عملکرد الگوریتمهای بارش ماهوارهای و ارتفاع و شیب همبستگی وجود دارد، بهطوری که در هر دو الگوریتم مقدار RMSE، از نقاط کم‌ارتفاع، به سمت مناطق مرتفع، افزایش مییابد. همچنین، نتایج تحقیق حاضر نشان میدهد ارتفاع نسبت به شیب نسبی تأثیر بیشتری بر عملکرد الگوریتمهای بارش ماهوارهای PERSIANN و PERSIANN-CDR دارد. از اینرو، توصیه میشود با توجه به ناهمواریهای موجود در ایران، در استفاده از الگوریتمهای بارش ماهوارهای PERSIANN و PERSIANN-CDR برای تخمین بارش در مناطق مرتفع احتیاط بیشتری صورت گیرد. | ||
| کلیدواژه‌ها | ||
| ارزیابی؛ الگوریتم بارش ماهوارهای؛ حوضۀ رودخانۀ حله؛ PERSIANN؛ PERSIANN-CDR | ||
| عنوان مقاله [English] | ||
| Performance Assessment of The PERSIANN and PERSIANN-CDR Satellite Precipitation Algorithms and Survey of the Irregularities Effect on It (Case Study: Helleh River Basin) | ||
| نویسندگان [English] | ||
| Saeed Shokri Koochak1؛ Ali Mohammad Akhoond Ali2؛ Mohammad Reza Sharifi3 | ||
| 1PHD Student, Department Hydrology and Water Resources, Faculty of Water Science Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran | ||
| 2Professor, Department Hydrology and Water Resources, Faculty of Water Science Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran | ||
| 3Associate Professor, Department Hydrology and Water Resources, Faculty of Water Science Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran | ||
| چکیده [English] | ||
| In the present study, the effect of elevation on the performance of PERSIANN and PERSIANN-CDR satellite precipitation algorithms in Helleh basin has been investigated. Satellite precipitation data with spatial resolution of 0.25⁰ in longitude and latitude, compared with 114 rain gauge stations data during a fourteen-year period (2003- 2016). Also, with the use of errors zoning in the basin area, the effect of elevation on the performance of the satellite precipitation algorithms was investigated. The results showed that the PERSIANN algorithm is underestimate on different temporal and spatial scales and it had a little accuracy. In contrast, the PERSIANN-CDR algorithm was more accurate. However, the performance of the adjusted algorithm is unacceptable at daily scale. The determination coefficient of the adjusted algorithm was 0.7588 and 0.9446, monthly and annual at the cell scale respectively. Intensity-Duration-Frequency of curves. The three types of data sources show that both algorithms unserestimate rainfall values at different times during different Frequency and at different times than observational values. The spatial distribution of errors of satellite precipitation algorithms relative to basin elevation showed that in both algorithms, the RMSE value increases from low to high elevation. It is recommended to be more cautious in the use of satellite precipitation algorithms for estimating precipitation in high altitudes, and in addition to applying cloud properties to satellite imagery, a correction for altitude classes should also be considered. | ||
| کلیدواژه‌ها [English] | ||
| Evaluation, Satellite Precipitation Algorithms, PERSIANN, PERSIANN-CDR, Helleh River Basin | ||
| مراجع | ||
|
[1]. Azizi, Gh, Faraji Sabokbar, H.A, Abaspour, R.A, Safarrad, T., The Model of the Spatial Variability Precipitation in the Middle Zagros,PHYSICAL GEOGRAPHY RESEARCH QUARTERLY, 2010, 42(72), 35-51, (Persian). [2]. Khaledi, Sh., Investigation of mountainous microclimate, JOURNAL OF ENVIRONMENTAL STUDIES, 2007, 33(41), 45-54, (Persian). [3]. Alijani, B, Kavyani, M.R., Basics of meteorology (9 th ed), Publishers by samt, 2004,.600 Pp ,(Persian). [4]. Konrad, C., Relationship between precipitation event types and topography in the southern blue ridge mountains of the southeastern USA, Internatinal Journal of Climatology, 1996, 16: 49-62. [5]. Junzhi, L, Xing, Z,A, Zheng, D., Evaluation of TRMM 3B42 Precipitation Product using Rain Gauge Data in Meichuan Watershed, Poyang Lake Basin, China, Journal of Resources and Ecology, 2012, 3(4):359-366. DOI:10.5814/j.issn.1674-764x.2012.04.009 [6]. Rasouli, A.A, Erfaniyan, M, Sari Saraf, B, Javan, Kh., Comparative evaluation of estimated rainfall values TRMMAnd recorded precipitation of ground stations in Lake Urmia Basin, Journal of GEOGRAPHIC SPACE, 2016, 16(54), 195-217, (Persian). [7]. Shirvani, A, Fakhari Zade Shirazi, E., Comparison of ground based observation of precipitation with TRMM satellite estimations in Fars Province, Journal of Agricultural Meteorology, 2014, 2(2), 1-15, (Persian). [8]. Madadi, Gh, Hamzeh, S, Noroozi, A.A,. Evaluation of rainfall on a daily, monthly and annual basis using satellite imagery (Case study: west boundary basin of Iran), Journal of RS and GIS for Natural Resources, 2015, 6(2), 59-74, (Persian). [9]. Li, X., Zhang,Q., Yu-Xu, C., Assessing the performance of satellite-based precipitation products and its dependence on topography over Poyang Lake basin, Theoretical and Applied Climatology, 2014, 115)3–4): 713–729. [10]. Gholinejad, N., Modeling of Spatial Distribution of Intense Precipitation Over Sahand Mountain Using Weather Satellite Images, MSc dissertation, University of Tabriz, 2010, 131 Pp, (Persian). [11]. Dezfooli, S, Hosseini-Moghari, D., S. M, Ebrahimi, K., Comparison of Trmm-3b42 V7 and Persiann Satellites Precipitation Data With Ground-Based Data (case Study: Gorganrood Basin, Iran), JWSS - Journal of Water and Soil Science, 2016, 20(76), 85-98, (Persian). [12]. Khwarazmi, S., Validation of microwave satellite rain rate algorithms based on observations, , MSc dissertation, University of Hormozgan, 2013, 91 Pp. (Persian). [13]. Ghazanfari Moghaddam, M.S, Alizadeh, A, Mousavi Baygi, S.M, Faridhosseini, A.R, Bannayan Awal, A., Comparison the PERSIANN Model with the Interpolation Method to Estimate Daily Precipitation (A Case Study: North Khorasan), Journal of Water and Soil, 2011, 25(1), 207- 2015, (Persian). [14]. Tan, M,L, Ibrahim, A,L, Duan, z, Cracknell, A, P, Chaplot, V., Evaluation of Six High-Resolution Satellite and Ground-Based Precipitation Products over Malaysia, remote sensing, 2015, 7: 1504-1528; doi:10.3390/rs70201504. [15]. Sorooshian, S., Hsu, K., Gao, X., Gupta, H. V., Imam, B., and Braithwaite, D., Evaluation of the PERSIANN system satellite-based estimates of tropical rainfall, Bull. Am. Meteorol. Soc.,2000, 81(9): 2035– 2046. [16]. Regional Water Company of Fars, water resources of Helleh basin Report, 2011, 142 Pp. (Persian). [17]. Hsu, K.L., Gao, X., Sorooshian, S., Gupta, H.V., Precipitation estimation from remotely sensed information using artificial neural networks. Journal of Applied Meteorology, 1997, 36: 1176-1190. [18]. Moazami, S, Uncertainty Analysis of Satellite Rainfall Estimate Algorithms, Ph. D. dissertation, K.N.Toosi University of Technology., 2013, 196. (Persian). [19]. Ashouri H, Hsu KL, Sorooshian S, Braithwaite DK, Knapp KR, Cecil LD, Nelson BR, Prat OP. PERSIANN-CDR: daily precipitation climate data record from multi-satellite observations for hydrological and climate studies. Bull. Am.Meteorol. Soc. 2014, 96(1): 69–84. https://doi.org/10.1175/BAMS-D-13--00068.1. [20]. Duan, Z., Liu, J., Tuo, Y., Chiongna, G., & Disse, M., Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales, Science of the Total Environment,2016, http://dx.doi.org/10.1016/j. scitotenv.2016.08.213. [21]. Katiraie Boroujerdy, p,s., Comparison of high-resolution gridded monthly satellite and ground-based precipitation data over Iran, Iranian Journal of Geophysics,2014, 7(4), 149-160, (Persian). [22]. Hirpa, F.A., Gebremichael, M., Hopson, T., Evaluation of high-resolution satellite precipitation products over very complex terrain in Ethiopia, Journal of METEOROLOGY AND CLIMATOLOGY, 2010, 49(5): 1044-1051. [23]. Guo, H, Chen, S, Bao,A, Hu, J, Gebregiorgis, A, S, Xue, X, Zhang, X., Inter-Comparison of High-Resolution Satellite Precipitation Products over Central Asia, remote sensing, 2015, 7:7181-7211,doi:10.3390/rs70607181. | ||
|
آمار تعداد مشاهده مقاله: 529 تعداد دریافت فایل اصل مقاله: 446 |
||