ارزيابي آماري خروجي مدل CMORPH در برآورد بارش شمال شرق ايران(مطالعه موردي: خراسان شمالي)

The Statistic Assessment of CMORPH Model Output For Precipitation Estimation Over The Northeast of Iran (Case Study: North Khurasan Province

بارش يكي از پارامترهاي ورودي مهم مدل‌هاي مختلف گياهي و هيدرولوژي مي‌باشد. در پروژه هاي مختلف مديريتي و پژوهشي بيشتر از داده‌هاي بارش زميني برداشت شده در ايستگاه ها استفاده مي‌شود. از آنجا كه اين ايستگاه ها داراي پوشش جغرافيايي بسنده اي نيستند، كاربرد آن ها با خطا همراه است. گرچه بهره گيري از روش‌هاي گوناگون درون يابي از راهكارهاي پذيرفته شده براي برآورد بارش در مناطق بدون ايستگاه است، كاربرد اين روش ها همراه با كاستي‌هاي فراواني نيز هست. در گذر چند دهه گذشته، با در هم آميختن دانش و فناوري سنجش از دور با پديده‌هاي هواشناسي، مدل‌هاي پيشرفته اي براي برآورد ويژگي‌هاي بارش پيشرفت داده شده اند كه داراي توانايي‌هاي بالاي آشكارسازي مكاني و زماني هستند. در اين پژوهش از بين مدل‌هاي ارايه شده، صحت سنجي مدل CMORPH در برآورد بارش شمال شرق ايران بررسي شده است. يافته ها نشان داد كه اين مدل در مقياس روزانه دستاورد چندان پذيرفتي ندارد، اما در مقياس ماهانه و فصلي، يافته‌ها از ريزبيني بالاتري برخوردار هستند. بيشترين همبستگي مدل با داده‌هاي ايستگاه ها در مقياس روزانه در ايستگاه فاروج و نامانلو و به ميزان 31/0 بود. در مقياس ماهانه بيشترين همبستگي در ايستگاه‌هاي بارزو، نامانلو و سه يك آب و به ميزان 62/0 و در مقياس فصلي در ايستگاه غلامان و به ميزان 63/0ديده شد. گرچه مدلCMORPH در آشكارسازي روزهاي باراني تا اندازه اي كارآيي داشته، اما در برآورد روزهاي تر و خشك، ميانگين بارش سالانه و تعيين تعداد روزهاي غير باراني نتايج قابل قبولي را به همراه نداشت.

Precipitation is a key input to different crop and hydrological models. Usually, the rain gauge precipitation data is applied for the most management and researching projects. But because of non-appropriate spatial distribution of rain gauge network, this data does not have a desirable accurate. So estimation of daily areal rainfall can be obtained by spatial interpolation of rain gauges data. However, direct application of these techniques may produce inaccurate results. In the last years, applying the remote sensing for estimation of rainfall have got so popular all around the word and many techniques have been developed based on the satellite data with high temporal and spatial resolution. In this paper, CMORPH model was validated for precipitation estimation over the northeast of Iran. Results showed that this model could not estimate precipitation accurately in daily scale, but in monthly and seasonal scale the estimation was more accurate. Farooj and Namanloo station had the highest correlation equal to 0.31 in daily scale. The highest correlation in monthly scale was equal to 0.62 for Barzoo, Namanloo and Se yekAb station. In Seasonal scale Gholaman station had the highest correlation which was equal to 0.63. Also, the probability of detection has been estimated accurately by CMORPH. But this technique did not have an accurate estimation for wet and dry days, mean annual precipitation and the number of non-rainy days.