جغرافیا و برنامه‌ریزی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

فرایند پذیرش مقالات

بانک ها و نمایه نامه ها

اطاعات آماری نشریه

پرسش‌های متداول

اخبار و اعلانات

پیوندهای مفید

ارزیابی و تحلیل بارش‌های شدید روزانه برآوردی ماهواره GPM در مقابل داده‌های بارش مشاهده‌ای در حوضه آبریز دریاچه ارومیه

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشیار گروه آب و هواشناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز

2 استاد گروه آب و هواشناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز

3 دانشجوی دکترای آب و هواشناسی دانشگاه تبریز

4 رئیس پیش بینی سازمان هواشناسی استان آذربایجان شرقی

چکیده

چکیده

تغییر در رفتار پدیده‌های بارشی از مهمترین جنبه‌های تغییرات آب و هوایی جهانی محسوب می‌شود که با پیامدهای قابل توجهی برای جامعه انسانی و محیط زیست همراه است. پایش و اندازه‌ گیری‌های مؤثر رویدادهای بارشی شدید برای درک ماهیت اساسی پدیده‌های شدید آب و هوایی و ارزیابی تغییرات آینده از اهمیت ویژه‌ای برخودار است. در این مطالعه، توانایی‌های انجام اندازه‌گیری بارش جهانی (GPM) با داده‌های ایستگاه‌های زمینی برای شناسایی بارش‌های شدید روزانه (بارش‌های 25 میلی‌متر به بالا) در یک دوره 8 ساله (2021-2014) در 20 ایستگاه سینوپتیک عملی گردید. برای مقایسه و ارزیابی بین داده‌های مشاهده‌ای و ماهواره‌ای از آماره‌هایی نظیر، ضریب تعیین (R2)، ضریب همبستگی (R) و مجذور میانگین مربعات خطا (RMSE)،... استفاده شد. مقایسه نقشه‌های حاصل از ماهواره GPM و ایستگاه‌های زمینی نشان داد که توزیع فضایی بارش حاصل از دو پایگاه داده مشابه هم بوده و نواحی کم بارش و پربارش منطبق بر یکدیگر هستند. در واقع ماهواره GPM پهنه‌های بارشی را به خوبی تشخیص داده است به طوری که ضریب همبستگی مکانی بین بارش ماهواره‌ GPM و مشاهده شده 81/0 می‌باشد. نتایج آزمون ANOVA بین میانگین بارش‌های زمینی و ماهواره‌ GPM نشان داد که با توجه به سطح معنی داری پایین p-value به مقدار 000/0 فرض یکسان بودن میانگین بارش بین دو پایگاه داده رد می‌شود و نتیجه این که اختلاف و ارتباط معنی داری بین میانگین بارش در ایستگاه‌های زمینی و ماهواره‌ای وجود دارد. همچنین نتایج آزمون کلموگراف- اسمیرنوف نشان داد که با توجه به اینکه p-value حاصل شده (819/0) عددی بالاتر از مقدار خطای آزمون (05/0) است، بنابراین فرض صفر مبنی بر برابری مقادیر بارش ثبت شده در ایستگاه‌های زمینی و مدلسازی شده یکسان بوده و فرض صفر تایید می‌شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Intensive evaluation and daily analysis of the GPM satellite versus observed precipitation data in Urmia Lake catchment area

نویسندگان [English]

  • Hashem Rostamzadeh 1
  • Saied Jahanbakhsh asl 2
  • Mir kamel Hosseini 3
  • Mohammad Omidfar 4

1 Associate Professor, Department of Hydrology and Meteorology, Faculty of Planning and Environmental Sciences, University of Tabriz

2 Professor of Hydrology and Meteorology Department, Faculty of Planning and Environmental Sciences, Tabriz University

3 PH.d Student of Climatoliogy, Univesity of Tabriz

4 Head of forecasting of East Azarbaijan Meteorological Organization

چکیده [English]

Abstract

Changes in the incidental behaviors are among the most important aspects of global climate change with significant consequences on human society and the environment. Monitoring and measuring heavy rainfall events are important for understanding the nature of severe weather fundamentals and future assessment. In this study, Global Precipitation Measurement (GPM) experiments with ground station data were performed at 20 synoptic stations for intense daily detection (25 mm and above) of precipitation over an 8-year period (2021-2014). Statistics such as coefficient of determination (R2), correlation coefficient (R) and root mean square error (RMSE) were used to compare and evaluate the observational and satellite data. Comparison of the maps obtained from GPM satellites and ground stations showed that the spatial distribution of precipitation from two similar bases is the same and the low and high rainfall areas correspond to the region. GPM satellite detected precipitation zones well so that the spatial correlation coefficient between GPM satellite and observed was 0.81. The results of the ANOVA test between the observational data and the GPM satellites showed that due to the low significance level of p-value of 0.000, the assumption that the average precipitation is the same between the two databases is rejected. There is a significant relationship between the average precipitation at ground and satellite stations. Also, the results of Kolmogorov-Smirnov test showed that since the obtained p-value (0.819) is a number higher than the error value of the test (0.05), so the null hypothesis based on the equality of precipitation values recorded at ground stations and modeled are the same and the null hypothesis is confirmed.

کلیدواژه‌ها [English]

  • Keywords: Urmia Lake catchment
  • statistical index
  • ground rainfall
  • GPM satellite heavy rainfall
مراجع
احمدزاده، ابراهیم، ولیزاده کامران، خلیل، مختاری، داود، رسولی، علی اکبر، (1401)، بررسی بارش­های حدی در استان تهران با استفاده از مدل مقادیر اوج­های بالاتر از آستانه، نشریه جغرافیا و برنامه­ریزی، دوره 26، شماره 79، صص 12-1.
اردونی، معصومه، معماریان، هادی، اکبری، مرتضی و پوررضا بیلندی، محسن، (1399)، صحت سنجی داده­های بارش ماهواره GPM در مقیاس نیم ساعته و روزانه (مطالعه موردی: حوضه آبریز گرگانرود)، پژوهش­های حفاظت آب و خاک، جلد بیست و هفتم، شماره چهارم، صص 144-166.
بی­همتا، آرش، گهرنزاد، حمید، معظمی، صابر، (1397)، بررسی داده­های بارش ماهواره­های GPM و TRMM در مقیاس­های روزانه، ماهانه و فصلی در شهر تهران. سنجش از دور و GIS ایران، سال دهم، شماره دوم، صص 45-60.
پرنده خوزانی، اکرم، (1397)، بررسی روند تغییرات مکانی و زمانی پوشش برف منطقه کوهستانی زاگرس و ارتباط آن با الگوهای گردش جوی و تغییرات اقلیمی، رساله دکتری، دانشکده برنامه­ریزی و علوم محیطی، دانشگاه تبریز.
جهانبخش اصل، سعید، ساری صراف، بهروز، عساکره، حسین، شیرمحمدی، سهیلا، (1401)، شناسایی رخدادهای بارش فرین غرب ایران (2016-1965)، نشریه جغرافیا و برنامه­ریزی، دوره 26، شماره 79، صص 115-125.
رسولی، علی اکبر، رستم زاده، هاشم، ساری صراف، بهروز، امیدفر، محمد، (1399)، بررسی کارایی رادار داپلر با استفاده از داده­های بارندگی ایستگاه­های سینوپتیک حوضه دریاچه ارومیه (مطالعه موردی بارش مهرماه 1393)، نشریه جغرافیا و برنامه­ریزی، سال بیست و چهارم، شماره هفتاد و دو، صص 247-266.
رضیئی، طیب، جهانبخش اصل، سعید، پرنده خوزانی، اکرم، ساری صراف، بهروز، (1397)، ارزیابی دقت مدل­های شناسایی فاز برف از باران در ایستگاه­های هواشناسی منطقه کوهستانی زاگرس، تحقیقات منابع آب ایران، سال چهارم، شماره سوم، صص 85-102.
صادقی، حمیدرضا. معصوم پور سماکوش، جعفر. میری، مرتضی، (1398)، ارزیابی داده­های بارش دورسنجی GPM در مقابل داده­های مشاهده­ای (مورد مطالعه: غرب میانه ایران)، سنجش از دور و GIS ایران، سال یازدهم، شماره دوم، صص 115-124.
علی بخشی، سیده مریم. فرید حسینی، علیرضا. داوری، کامران. علیزاده، امین. مونیکا، هنری، (1397)، اعتبارسنجی داده­های بارش ماهواره­های (GPM, MERRA, TRMM) و ایستگاه­های زمینی در مدل بارش-رواناب CREST (مطالعه موردی: حوضه آبریز کشف رود)، پژوهشنامه مدیریت حوزه آبخیز، سال نهم، شماره 18، صص 111-121.
کمیته اجتماعی و فرهنگی ستاد احیای دریاچه ارومیه، (1394)، بندهای 6-4-3.
مسعودیان، سید ابوالفضل، کیخسروی کیانی، محمدصادق، رعیت پیشه، فاطمه، (1393)، معرفی و مقایسه پایگاه داده اسفزاری با پایگاه­های داده GPCC، GPCP و CMAP، فصلنامه تجقیقات جغرافیایی، سال 29، شماره اول، شماره پیاپی 112، صص 73-88.
میری، مرتضی. رحیمی، مجتبی. نوروزی، علی اکبر، (1398)، ارزیابی دقت برآورد بارش روزانه پایگاه داده­های TRMM و GPM در مقابل داده­های مشاهده­ای در ایران. مهندسی و مدیریت آبخیز، جلد، 11، شماره، 4، صص 972-983.
 
Arshad, M., Ma, X., Yin, J., Ullah, W., Ali, G., Ullah, S., Liu, M., Shahzaman, M., & Ullah, I. (2020), Evaluation of GPM-IMERG and TRMM-3B42 precipitation products over Pakistan, Atmospheric Research, Vol: 249, 1-50.
Biswas, S., & Chandrasekar, V. (2018), Cross-Validation of Observations between the GPM Dual-Frequency Precipitation Radar and Ground Based Dual-Polarization Radars, Remote Sensing, Vol: 10(11), 1773-1791.
Boluwade, A. (2020), Spatial-Temporal Assessment of Satellite-Based Rainfall Estimates in Different Precipitation Regimes in Water-Scarce and Data-Sparse Regions, Atmosphere, Vol: 11 (9), 1-26.
Darand, M., & Khandu, Kh. (2020), Statistical evaluation of gridded precipitation datasets using rain gauge observations over Iran, J. Arid Environments, 178, 104172, 1-22.
Dembélé, M., & Zwart, S. J. (2014), Evaluation and comparison of satellite-based rainfall products in Burkina Faso West Africa. Int. J. Remote Sens, 37, 3995–4014.
Doswell, C. A., Davies-Jones, R., & Keller, D. L. (1990), On summary measures of skill in rare event forecasting based on contingency tables. Weather and Forecasting, 5, 576–585.
Gilewski, P. G., & Nawalany, M. (2018), Inter-Comparison of Rain-Gauge, Radar, and Satellite (IMERG GPM) Precipitation Estimates Performance for Rainfall-Runoff Modeling in a Mountainous Catchment in Poland. Water, Vol, 10(11).
Guo, H., Chen, S., Bao, A., Behrangi, A., Hong, Y., Ndayisaba, F., Hu, J., & Stepanian, P.M. (2016), Early assessment of Integrated Multi-Satellite Retrievals for Global Precipitation Measurement over China. Atmos. Res, 176–177 (2016), 121–133.
Maghsood, F. F., Hashemi, H., Hosseini, S. H., & Berndtsson, R. (2020), Ground Validation of GPM IMERG Precipitation Products over Iran, Remote Sensing, Vol: 12(1). 1-23.
Mahmoud, M. T., Hamouda, M. A., & Mohamed, M. M. (2019), Spatiotemporal evaluation of the GPM sate llite precipitation products over the United Arab Emirates, Atmospheric Research, Vol: 219, 200-212.
Mohammed, S. A., Hamouda, M. A., Mahmoud, M. T., & Mohamed. M. M. (2020), Performance of GPM-IMERG precipitation products under diverse topographical features and multiple-intensity rainfall in an arid region, Hydrology and Earth System Sciences, Discuss. [preprint], https://doi.org/10.5194/hess-2019-547.
Moazami, S.  & Najafi, M. R. (2021), A comprehensive evaluation of GPM-IMERG V06 and MRMS with hourly ground-based precipitation observations across Canada. Hydrology, Vol: 594, 1-17.
Moriasi D. N., Amold J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., & Veith, T. L. (2007), Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, Vol 50, No 3: 885-900.
Nashwan, M. S., Shahid, S., & Wang, X. (2019), Assessment of satellite-based precipitation measurement products over the hot desert climate of Egypt. Remote Sens, 11, 555.
Pakoksung, K., & Takagi, M. (2016), Effect of satellite-based rainfall products on river basin responses of runoff simulation on flood event. Modeling Earth Systems and Environment. Vol: 2 (3), 143, 1-14.
Prakash, S. Mitra, A. K., Paic, D. S., & AghaKouchak, A. (2016), From TRMM to GPM: How well can heavy rainfall be detected from space? Advances inWater Resources 88, 1–7.
Saouabe, T. El khalki, E. El mehdi saidi, M. Najmi, A. Hadri, A. Rachidi, S. Jadoud, M. & Tramblay, Y. (2020), Evaluation of the GPM-IMERG Precipitation Product for Flood Modeling in a Semi-Arid Mountainous Basin in Morocco. J, Water, Vol: 12, Issue: 9.
Shirmohammadi, Z. A., & Akbari, A. (2020), Ground validation of diurnal TRMM 3B42 V7 and GPM precipitation products over the northeast of Iran, Theoretical and Applied Climatology, Vol: 142, 1413-1423.
Sumin, R., Sungwook, H., 2018, Accuracy Assessment of the Satellite-based IMERG's Monthly Rainfall Data in the Inland Region of Korea. Earth science society, Vol: 39(6) 533-544.
Sun, W. Sun, Y. Li, X. Wang, T. Wang, Y. Qiu, Q. & Deng, Z. (2018), Evaluation and Correction of GPM IMERG Precipitation Products over the Capital Circle in Northeast China at Multiple Spatiotemporal Scales. Adv. Meteorol. 4714173.
Tan, M. L., & Santob, H. (2018), Comparison of GPM IMERG, TMPA 3B42 and PERSIANN-CDR satellite precipitation products over Malaysia, Atmospheric Research, Vol: 202, 63-76.
Tan, M. & Duan, Z. (2017), Assessment of GPM and TRMM Precipitation Products over Singapore. Remote Sens, 9, 720, 1-16.
Tan, M. L.; Gassman, P. W.; & Cracknell, A. P. (2017), Assessment of three long-term gridded climate products for hydro-climatic simulations in tropical river basins, Water, 9, 229.
Tan, M. L., Tan, K. C., Chua, V. P., & Chan, N. W. (2017), Evaluation of TRMM product for monitoring drought in the Kelantan River Basin, Malaysia. Water, 9, 57.
Varikoden, H. Preethi, B. Samah, A. A., & Babu, C. A. (2011), Seasonal variation of rainfall characteristics in different intensity classes over Peninsular Malaysia. J. Hydrol, 404, 99–108.
Wilks, D. S. (2011), Statistical Methods in the Atmospheric Sciences, Volume 100, Third Edition (International Geophysics), USA.
Xu, F. Guo, B. Ye, B. Ye, Q. Chen, H. Ju, X. Guo, J. & Wang, Zh. (2019), Systematical Evaluation of GPM IMERG and TRMM 3B42V7 Precipitation Products in the Huang-Huai-Hai Plain, China Remote Sens, 11, 697.
Yuan, F. Limin Zhang, O. Wun Soe, K. m., Ren, L. Zhao, C. Zhu, Y. Jiang, S. & Liu, A. (2019), Applications of TRMM- and GPM-Era Multiple-Satellite Precipitation Products for Flood Simulations at Sub-Daily Scales in a Sparsely Gauged Watershed in Myanmar. Remote Sensing, Vol: 11(2), 1-31.
https://Giovanni.gsfc.nasa.gov.
جغرافیا و برنامه‌ریزی
دوره 27، شماره 86 - شماره پیاپی 86
بهمن 1402
صفحه 53-69
فایل ها
هم رسانی
ارجاع به این مقاله
آمار