ارزیابی مکانی-زمانی محصولات بارش ماهواره‌ای جهت برآورد رخدادهای بارش سنگین در شمال‌غرب ایران در دوره 20 ساله

نوع مقاله : یادداشت تحقیقاتی

نویسندگان

گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

چکیده

با توجه ‌به وضعیت جوی مناطق کوهستانی و ناهموار این مناطق، احداث ایستگاه‌های هواشناسی برای رصد متغیرهای جوی دشوار است و ازلحاظ اقتصادی هم مقرون‌به‌صرفه نیست. با توجه به محدود بودن تعداد ایستگاه‌های همدیدی که متغیرهای جوی محاسبه‌شده در آنها به‌صورت نقطه‌ای قابل‌اعتماد است، نیاز به ابزاری است تا مناطق مختلف را پوشش دهند. بارش سنگین یکی از مخاطرات شایع در منطقه شمال‌غرب ایران محسوب می‌شود و مسبب پدیده ویرانگر سیل نیز به شمار می‌رود. این مطالعه با هدف ارزیابی محصولات بارش ماهواره درزمینه شناسایی بارش سنگین در منطقه شمال‌غرب ایران در دوره آماری 2000 تا 2019 انجام شد. در پژوهش حاضر از 23 ایستگاه همدیدی منتخب واقع در 5 استان از شمال‌غرب ایران استفاده‌شده است. برای این منظور، دقت سه محصول ماهواره‌های GPM-IMERG،TRMM  و AQUA-AIRS به‌صورت مقایسه بارش‌های برآورد شده ماهواره‌ای با ایستگاه‌های زمینی با استفاده از نمودار تیلور انجام گرفت. نتایج نشان داد که به‌طورکلی داده‌های بارش دو ماهواره GPM-IMERG و AQUA-AIRS در مقیاس زمانی روزانه تخمین مطلوبی از بارش سنگین در منطقه مطالعه را داشته‌اند. بر اساس نتایج به‌دست‌آمده محصول GPM-IMERG نسبت به دو محصول دیگر عملکرد بهتری داشته است و محصول TRMM خطای بیشتری را نشان داد. در همه محصولات با حرکت به سمت شرق منطقه پژوهش، خطا افزایش‌یافته است و کمترین خطا مربوط به غرب منطقه مطالعه (استان آذربایجان غربی) بوده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Spatio-Temporal Evaluation of Satellite Precipitation Products to Estimate Heavy Rainfall Events in Northwest Iran in the Last Two Decades

نویسندگان [English]

  • Ali Shahi
  • Bromand Salahi
Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran.
چکیده [English]

Climate change has led to an increase in extreme events such as heavy rainfalls. To prevent the damage of this atmospheric phenomenon, it is necessary to predict the atmospheric patterns that cause it, which also requires having heavy rainfall data in the past periods. Verification of different models to choose the optimal model for climate change issues requires having accurate data on heavy rainfall in the past decades. In mountainous areas, due to their topography, it is very expensive to build synoptic stations, and meteorological stations only provide researchers with point-by-point data. Satellites can compensate for these limitations with their universal ability to provide data as well as simple and fast access. Before using satellite products, it is necessary to make a proper assessment regarding the accuracy of different types of satellites and after verification, based on the atmospheric elements and also the studied locations, the best option should be selected. The purpose of this study is to evaluate the precipitation products of satellites in identifying heavy rains in northwest Iran in the last two decades.
In this study, the precipitation data of 23 stations located in the northwest of Iran including the provinces of West Azarbaijan, East Azarbaijan, Ardabil, North Kurdistan, and West Zanjan were used in the period 2000-2019. First, the extreme occurrences of precipitation in the study area in the desired period were calculated based on the 99th percentile method and also the condition of precipitation coverage. The condition of precipitation coverage in this study is to have precipitation within the 99th percentile and the simultaneous occurrence of heavy precipitation in at least 30% of the stations in the study area (7 stations). Then, the accuracy of 3 precipitation products of GPM-IMERG, TRMM, and AQUA-AIRS satellites was calculated by comparing the heavy rainfall estimated by the satellites with the heavy rainfall recorded by the ground synoptic stations on the days of the event using the Taylor diagram. According to the variable values of the correlation coefficient, standard deviation, and the square root of mean square error in 23 stations according to extreme precipitation events with two temporal and spatial approaches, the precipitation output of each of the satellites was analyzed.
According to the calculations made in the study area in the period of 20 years and based on the two conditions considered for the maximum precipitation in this research, 27 maximum precipitation events were identified. GPM-IMERG and AQUA-AIRS satellites performed well in estimating the heavy rainfall in the northwestern region of Iran on a daily time scale and the GPM-IMERG product was more accurate than the other two products. The results also showed that the TRMM product had a greater error in estimating heavy rainfall in the northwestern region of Iran.
The results showed that the GPM-IMERG satellite product can detect heavy rainfall in the northwestern region of Iran and is a good alternative to the rainfall data of ground stations in the region. The results also showed that heavy rainfall estimations by the studied satellites in the west of the research area (West Azarbaijan province) were made with high accuracy.

کلیدواژه‌ها [English]

  • Heavy Rainfall
  • Northwestern Iran
  • GPM-IMERG
  • TRMM
  • AQUA-AIRS

مراجع

اردونی، م.؛ معماریان، ه.، اکبری، م. و پوررضابیلندی، م. (1400). ارزیابی و مقایسه داده‌های بارش ماهواره GPM با مقادیر بارندگی ایستگاه‌های زمینی با استفاده از آزمون کلموگروف-اسمیرنوف. سامانه‌های سطوح آبگیر باران، 9(2 (پیاپی 29))، 11-24.
اکبری، ج. و کاظم‌زاده، م. (1398). ارزیابی دقت توزیع مکانی بارش ماهواره TRMM 3B43 در اقالیم مختلف کشور ایران. مجله علوم و مهندسی آبخیزداری ایران، 13(44)، 73-82.
بابائیان، ا.؛ مدیریان، ر.؛ خزانه‌داری، ل.؛ کوهی، م.؛ کوزه‌گران، س.؛ فلامرزی، ی.؛ کریمیان، م. و ملبوسی، ش. (1400). پیش‌نگری بارش کشور با استفاده از مقیاس کاهی آماری برونداد مدل‌های CMIP6، پروژه داخلی پژوهشکده اقلیم شناسی، مشهد.
پای فشرده، ف.؛ حافظ‌پرست، م. و فاطمی، س. ا. (1401). ارزیابی داده‌های بارش ایستگاه‌های سینوپتیک حوضه گاماسیاب در مقایسه با داده‌های ماهواره‌. فناوری های پیشرفته در بهره وری آب، 2(3)، 92-113.
پای فشرده، ف. و حافظ‌پرست، م. (1399). ارزیابی داده‌های بارش منطقه‌ای و داده‌های ماهواره‌های TRMM  و PERSIAN و CHIRPS در حوضه آبریز جامیشان. پنجمین کنفرانس ملی کاربرد فناوری‌های نوین در علوم مهندسی، تربت حیدریه.
تافته، آ.؛ ملاح، س. و ابراهیمی پاک، ن. ع. (1399). بررسی نتایج داده‌های روزانه ده روزه و ماهانه تصاویر ماهواره در تخمین مقدار بارش با استفاده از سامانهGoogle Earth Engine  در استان خوزستان. حفاظت منابع آب و خاک، 9(3)، 93-104.
ثنایی نژاد، س. ح. و سالاری، خ. (1402). ارزیابی عملکرد محصولات PDIR-Now و PERSIANN CCS برای بارش‌های منجر به خسارت‌بارترین سیلاب‌های کشور ایران در سال‌های 1396 الی 1398. جغرافیا و مخاطرات محیطی، 12(1)، 229-246.
درخشنده، ع.؛ خورانی، ا. و رضازاده، م. (1402). روندیابی بارش در ایران بر اساس داده‌‌های MERRA2. مجله فیزیک زمین و فضا، 49(3)، 669-683.
رسولی، ع. ا.؛ نصیری قلعه بین، س. و ولی‌زاده کامران، خ. (1393). مدلسازی توزیع مکانی بارش‌های رعد و برقی مناطق کوهستانی شمال غرب ایران، سال‌های 2010 تا 2012. پژوهش‌های جغرافیای طبیعی، 46(4)، 407-417.
رسول‌زاده، ع.؛ محمودی بابلان، س. و نسترنی عموقین، س. (1401). ارزیابی مکانی-زمانی محصولات بارش ماهواره‌ای در مناطق شمال غرب ایران. تحقیقات آب و خاک ایران، 53(9)، 2141-2160.
ستوده، ف. و علیجانی، ب. (1394). رابطه پراکندگی فضایی بارش‌های سنگین و الگوهای فشار در گیلان. تحلیل فضایی مخاطرات محیطی، 2(1)، 63-73.
شیرمحمدی علی اکبرخانی، ز.؛ صابر علی، س. ف. و نستری نصرآبادی، ح. (1398). ارزیابی و پهنه‌بندی داده‌های بارش ماهواره‌ای GPM و TRMM 3B42 V7 در شمال شرق ایران. نشریه هواشناسی و علوم جوّ، 2(2)، 179-191.
صفوی گردینی، م.؛ دلبری، م.؛ امیری، م.؛ و پیری، ج. (1398). واسنجی داده‌های باران سری B433 ماهواره TRMM در استان هرمزگان. نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، 9(3)، 99-112.
علیجانی، ب.؛ خسروی، م. و اسماعیل‌نژاد، م. (1389). تحلیل همدیدی بارش سنگین ششم ژانویه 2008 در جنوب شرق ایران. پژوهش‌های اقلیم شناسی، 1(3-4)، 3-14.
مجیدی کرهرودی، ف.، قرایلو، م. و ثابت‌قدم، س. س. (1403). ارزیابی عملکرد بانک داده‌های بازتحلیل ERA5 و MERRA2 در تخمین میزان عمق برف در شمال غرب ایران. مجله فیزیک زمین و فضا، 50(1)، 251-263.
محمودی بابلان، س.؛ نسترنی عموقین، س. و رسول‌زاده، ع. (1401). ارزیابی محصولات بارش ماهواره‌ای جهت برآورد رخدادهای بارشی سنگین در نوار ساحلی دریای خزر. مدل سازی و مدیریت آب و خاک، 2(4)، 107-122.
مفیدی، ع.؛ زرّین، آ. و جانباز قبادی، غ. ر. (1386). تعیین الگوی همدیدی بارش‌های شدید و حدّی پاییزه در سواحل جنوبی دریای خزر. مجله فیزیک زمین و فضا، 33(3)، 154-131.
نجفی، م. س. و اکبری مقدم ثانی، س. (1401). ارزیابی کارایی سه پایگاه داده در برآورد سری زمانی بارش‌های حدی در ایران. پژوهش‌های تغییرات آب و هوایی، 3(11)، 79-98.
Akbari Yangehghaleh, M., sanaeinejad, S. H., Faridhosseini, A., & Akbari, M. (2017). The Study of Spatial-Temporal Distribution of Rainfall, using TRMM data (Case study: Khorasan Razavi province). Journal of Climate Research, 1396(29), 1-18.
Adane, G. B., Hirpa, B. A., Gebru, B. M., Song, C., & Lee, W. K. (2021). Integrating satellite rainfall estimates with hydrological water balance model: rainfall-runoff modeling in awash river basin. Ethiopia. Water, 13(6), 800.‏
Alsumaiti, T. S., Hussein, K., Ghebreyesus, D. T., & Sharif, H. O. (2020). Performance of the CMORPH and GPM IMERG Products over the United Arab Emirates. Remote Sensing, 12(9), 1426.‏
Bihamta, A., Goharnejad, H., & moazami, S. (2018). Study of Precipitation Data of GPM and TRMM Satellites in Daily, Monthly and Seasonal Scales at Tehran. Iranian Journal of Remote Sensing & GIS, 10(2), 45-60.
Chen, C., Chen, Q., Duan, Z., Zhang, J., Mo, K., Li, Z., & Tang, G. (2018). Multiscale comparative evaluation of the GPM IMERG v5 and TRMM 3B42 v7 precipitation products from 2015 to 2017 over a climate transition area of China. Remote Sensing, 10(6), 944.‏
Da Silva, L. D. D. D. J., Mahmoud, M., González-Rodríguez, L., Mohammed, S., Rodríguez-López, L., & Arias, M. I. A. (2023). Assessment of the IMERG early-run precipitation estimates over South American country of Chile. Remote Sensing, 15(3), 573.‏
Hagan, D. E., Webster, C. R., Farmer, C. B., May, R. D., Herman, R. L., Weinstock, E. M., Christensen, L. E., Lait, L. R., & Newman, P. A. (2004). Validating AIRS upper atmosphere water vapor retrievals using aircraft and balloon in situ measurements. Geophysical research letters, 31(21).‏
Han, P., Long, D., Han, Z., Du, M., Dai, L., & Hao, X. (2019). Improved understanding of snowmelt runoff from the headwaters of China's Yangtze River using remotely sensed snow products and hydrological modeling. Remote Sensing of Environment, 224, 44-59.‏
https://giovanni.gsfc.nasa.gov/giovanni/
Huffman, G. J., Adler, R. F., Bolvin, D. T., & Nelkin, E. J. (2010). The TRMM multi-satellite precipitation analysis (TMPA). Satellite rainfall applications for surface hydrology, 3-22.‏
Huffman, G. J., Bolvin, D. T., Braithwaite, D., Hsu, K., Joyce, R., Xie, P., & Yoo, S. H. (2015). NASA global precipitation measurement (GPM) integrated multi-satellite retrievals for GPM (IMERG). Algorithm theoretical basis document (ATBD) version, 4(26), 30.‏
Jiang, S., Ren, L., Yong, B., Hong, Y., Yang, X., & Yuan, F. (2016). Evaluation of latest TMPA and CMORPH precipitation products with independent rain gauge observation networks over high-latitude and low-latitude basins in China. Chinese Geographical Science, 26, 439-455.‏
Katiraie-Boroujerdy, P. S., Asanjan, A. A., Hsu, K. L., & Sorooshian, S. (2017). Intercomparison of PERSIANN-CDR and TRMM-3B42V7 precipitation estimates at monthly and daily time scales. Atmospheric Research, 193, 36-49.‏
Kidd, C., Becker, A., Huffman, G. J., Muller, C. L., Joe, P., Skofronick-Jackson, G., & Kirschbaum, D. B. (2017). So, how much of the Earth’s surface is covered by rain gauges?. Bulletin of the American Meteorological Society, 98(1), 69-78.‏
Masood, M., Shakir, A. S., Azhar, A. H., & Nabi, G. (2020). Assessment of real time, multi-satellite precipitation products under diverse climatic and topographic conditions. Asia-Pacific Journal of Atmospheric Sciences, 56, 577-591. https://doi.org/10.1007/s13143-019-00166-1
Miri, M., Rahimi, M., & Noroozi, A. (2019). Evaluation and comparison of GPM and TRMM daily precipitation with observed precipitation across Iran. Watershed Engineering and Management, 11(4), 972-983.
Panthi, J., Dahal, P., Shrestha, M. L., Aryal, S., Krakauer, N. Y., Pradhanang, S. M., Lakhankar, T., Jha, A. K., Sharma, M., & Karki, R. (2015). Spatial and temporal variability of rainfall in the Gandaki River Basin of Nepal Himalaya. Climate, 3(1), 210-226.‏
Qureshi, S., Koohpayma, J., Firozjaei, M. K., & Kakroodi, A. A. (2021). Evaluation of seasonal, drought, and wet condition effects on performance of satellite-based precipitation data over different climatic conditions in Iran. Remote Sensing, 14(1), 76.‏
Ramadhan, R., Yusnaini, H., Marzuki, M., Muharsyah, R., Suryanto, W., Sholihun, S., Vonnisa, M., Harmadi, H., Ningsih, A. P., Battaglia, A., Hashiguchi, H., & Tokay, A. (2022). Evaluation of GPM IMERG performance using gauge data over Indonesian maritime continent at different time scales. Remote Sensing, 14(5), 1172.‏
Rodríguez-Sandoval, E. A., García-Echeverri, C., González-Ramírez, A. M., Sandoval-Barrera, J. A., Patarroyo-González, M. E., Agudelo, D. E., & Roldán, M. A. (2024). Evaluating the IMERG precipitation satellite product to derive intensity-duration-frequency curves in Colombia. Revista Facultad de Ingeniería Universidad de Antioquia, (110), 31-47.‏
Ruan, H., Zou, S., Yang, D., Wang, Y., Yin, Z., Lu, Z..,  Li, F., & Xu, B. (2017). Runoff simulation by SWAT model using high-resolution gridded precipitation in the upper Heihe River Basin, Northeastern Tibetan Plateau. Water, 9(11), 866.‏
Regmi, N., Nepal, B., Sharma, S., Shrestha, D., & Jha, G. K. (2021). Assessment of Heavy Rainfall using GPM-IMERG Satellite Product over Nepal. Jalawaayu, 1(2), 79-95.‏ https://doi.org/10.3126/jalawaayu.v1i2.41015
Shahi, A., & Salahi, B. (2024). Patterning the Heavy, Erosive, and Widespread Rainfalls of the Northwest of Iran by the Factor Analysis Technique. Geography and Human Relationships.
Sharifi, E., Steinacker, R., & Saghafian, B. (2018). Multi time-scale evaluation of high-resolution satellite-based precipitation products over northeast of Austria. Atmospheric Research, 206, 46-63.‏
Taghizadeh, E., & Ahmadi-Givi, F. (2018). Evaluation of GPM precipitation products and mapping soil moisture using SMAP data in the northwest of Iran. Iranian Journal of Geophysics, 12(3), 70-86.‏
Taylor, K. E. (2001). Summarizing multiple aspects of model performance in a single diagram. Journal of geophysical research: atmospheres, 106(D7), 7183-7192.‏
Talchabhadel, R., Aryal, A., Kawaike, K., Yamanoi, K., Nakagawa, H., Bhatta, B., Karki, S., & Thapa, B. R. (2021). Evaluation of precipitation elasticity using precipitation data from ground and satellite-based estimates and watershed modeling in Western Nepal. Journal of Hydrology: Regional Studies, 33, 100768.‏
Vu, T. T., Li, L., & Jun, K. S. (2018). Evaluation of multi-satellite precipitation products for streamflow simulations: a case study for the Han River Basin in the Korean Peninsula, East Asia. Water, 10(5), 642.‏
Wang, X., Li, B., Chen, Y., Guo, H., Wang, Y., & Lian, L. (2020). Applicability evaluation of multisource satellite precipitation data for hydrological research in arid mountainous areas. Remote Sensing, 12(18), 2886.‏
Yang, X., Lu, Y., Tan, M. L., Li, X., Wang, G., & He, R. (2020). Nine-Year systematic evaluation of the GPM and TRMM precipitation products in the Shuaishui river basin in East-Central China. Remote Sensing, 12(6), 1042.‏
Yeditha, P. K., Kasi, V., Rathinasamy, M., & Agarwal, A. (2020). Forecasting of extreme flood events using different satellite precipitation products and wavelet-based machine learning methods. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30(6), 063115. https://doi.org/10.1063/5.0008195.‏ 
فیزیک زمین و فضا
دوره 51، شماره 1
تاریخ انتشار الکترونیکی: 20 خرداد 1404
خرداد 1404
صفحه 133-150

فایل ها

هم رسانی

ارجاع به این مقاله

آمار