تخمين ميزان بارش با استفاده از توليدات ماهواره محور PERSIANN-CDR و CMC (مطالعۀ موردي: بالادست سد زاينده رود)

Estimation of precipitation using PERSIANN-CDR and CMC-based satellite productions (Case study: upstream of the Zayandehroud dam)

ميزان بارش و اندازه گيري آن توسط ايستگاه هاي باران سنجي و برف سنجي از مهم ترين داده ها در مديريت منابع آب است. با اين وجود، اندازه گيري اين داده ها با محدوديت هايي از هر دو منظر زماني و مكاني همراه است. با توسعه داده هاي ماهواره محور مختلف تخمين بارش SRE (Satellite based Rainfall Estimates)، امكان بررسي، ارزيابي و مقايسه بين داده هاي تخمين بارش ماهواره محور و مقادير ثبت شده در ايستگاه هاي زميني در نقاط مختلف از جمله ايران و با در نظر گرفتن شرايط مختلف اقليمي كشور فراهم مي شود. در اين تحقيق، با انتخاب بالادست سد زاينده رود به عنوان محدوده مطالعاتي، از دو دسته داده تخمين بارش ماهواره محور PERSIANN-CDR(PERSIANN-Climate Data Record) و Canadian Meteorological Centre (CMC) Daily Snow Depth Analysis Data به ترتيب براي بررسي دو متغير بارندگي و آب معادل برف طي سالهاي 1999 تا 2019 استفاده مي شود. هدف اصلي تحقيق حاضر، بررسي عملكرد اين دو دسته داده ماهواره محور با استفاده از داده هاي ايستگاه هاي زميني (در مجموع، 16 ايستگاه باران سنجي و 14 ايستگاه برف سنجي) در ناحيه بالادست سد زاينده رود در مقياس زماني ماهانه در بازه زماني 1378 تا 1398 (1999 تا 2019) است. به اين منظور، از شاخص هاي ارزيابي ضريب همبستگي، جذر متوسط مربعات خطا و خطاي نسبي استفاده مي شود. علاوه بر آن، با استفاده از آماره هاي دسته بندي عملكرد داده هاي ماهواره محور در تشخيص بارش بررسي مي شود. بر اساس نتايج به دست آمده، ضريب همبستگي 0/48 و خطاي نسبي 54/55 درصد نشان دهنده آن است كه در مقياس كلي، با استفاده از دادههاي تخمين بارندگي ماهواره محور PERSIANN-CDR مقدار بارندگي بالادست سد زاينده رود به صورت تخمين رو به بالا برآورد مي شود. همچنين، نتايج ارزيابي داده هاي تخمين آب معادل برف CMC نشاندهنده آن است كه نتايج بهترين برآورد آب معادل برف توسط اين دادهها با خطاي 42/22 درصد و بيشترين همبستگي (CC) برابر با 04/34 است.

Precipitation and its measurement by rain and snow gauges are mostly important data for water resources management. However, measuring these data has limitations due to both temporal and spatial resolutions. By developing the SRE (Satellite-based Rainfall Estimates) datasets, assessment, evaluation, and comparison of SREs datasets against in-situ observations in different parts of Glob, also Iran is developed in various studies. In this study, by selecting the upstream area of the Zayandehroud Dam as the case study, two datasets, PERSIANN-CDR (PERSIANN-Climate Data Record) and Canadian Meteorological Center (CMC) Daily Snow Depth Analysis Data, are selected to evaluate their performance for the estimation of two variables of rainfall and snow water equivalent (SWE) in the period 1999 to 2019, respectively. The performance of these two SREs using in-situ gauges (a total of 16 rain gauges and 14 SWE gauges) in the upstream area of the Zayandehroud Dam on a monthly time scale is evaluated. For this purpose, different evaluation indices of the correlation coefficient, mean square root of error, and relative error are used. In addition, the performance of SREs in precipitation detection is examined using the classification statistics. Based on the obtained results, the correlation coefficient of 0.48 and relative error of 54.55% indicates that the estimated rainfall amounts by PERSIANN-CDR are in the upper-estimation condition over the study area. Also, the evaluation CMC-based SWE estimations show that the best Amounts SWE is estimated with an error of 4.22% and the highest correlation (CC) is 0.34.