##plugins.themes.bootstrap3.article.main##

نوشین احمدی باصری علی اکبر سبزی پرور مهرانه خدامرادپور لوکاس آلادوس آربولداس

چکیده

تابش سطح زمین (SSR) به عنوان بزرگترین منبع انرژی در سطح زمین، از پارامتر­های مهم در مطالعات هواشناسی به شمار می‌رود. با توجه به محدودیت­های اندازه‌گیری­های زمینی تابش SSR و اهمیت آن در مطالعات کشاورزی، استفاده از روش­های کم‌هزینه و قابل اعتماد در برآورد تابش در ایران ضرورت دارد. در بیشتر پژوهش‌های انجام شده در‌‌ ایران روش‌های تجربی برآورد تابش SSR مورد بررسی قرار گرفتند که با وجود سادگی، به دلیل در نظر گرفتن تنها تعداد محدودی پارامترهای هواشناسی، گویای دقیقی از تغییرات آن در مقیاس مکانی وسیع با اقلیم‌های گوناگون نیستند. هدف از این پژوهش، ارزیابی تابش SSR استخراج شده از  سامانه GLDAS با استفاده از اندازه‌گیری‌های زمینی در ایران در مقیاس روزانه می‌باشد. بدین منظور تابش SSR برآورد شده توسط سامانه GLDAS و تابش اندازه گیری شده در 24 ایستگاه تابش‌سنجی برای دوره (2015-2012) با یکدیگر مقایسه شدند. نتایج تحقیق نشان داد که با ضریب کارایی بالای 88/0، توافق مناسبی بین عملکرد مدل و تابش سطح زمین اندازه‌گیری شده روزانه در ایران وجود دارد. همچنین نشان داده شد که سامانه GLDAS در شرایط آسمان صاف (ماه‌های گرم سال) نسبت به شرایط ابرناکی (ماه‌های سرد سال)، توانایی بیشتری در برآورد تابش SSR دارد. ارزیابی کارایی مدل در برآورد تابش روزانه سطح زمین در منطقه مورد مطالعه نیز حاکی از این است که سامانه GLDAS در 71 درصد ایستگاه­های مورد بررسی تمایل به کم برآوردگری دارد. همچنین این مدل در ایستگاه­های واقع در اقلیم خشک در مقایسه با مناطق نیمه خشک و ساحلی، برآورد بهتری از تابش سطح زمین در منطقه مورد مطالعه ارائه داد.

جزئیات مقاله

کلمات کلیدی

ارزیابی, ایران, تابش سطح زمین, مدل GLDAS

مراجع
1- Bayat K., and Mirlatifi S.M. 2009. Estimation of Daily Global Solar Radiation Using Regression Models and Artificial Neural Networks. Journal of Agricultural Sciences and Natural Resources 16(3): 270-280. (In Persian)
2- Boilley A., and Wald L. 2015. Comparison between meteorological re-analyses from ERA-Interim and MERRA and measurements of daily solar irradiation at surface. Journal of Renewable Energy 75: 135-143.
3- Chen M., Zhuang Q. and He Y. 2014. An efficient method of estimating downward solar radiation based on the MODIS observations for the use of land surface modeling. Journal of Remote Sensing 6(8): 7136-7157.
4- Estévez J., Gavilán P., and Giráldez J. V. 2011. Guidelines on validation procedures for meteorological data from automatic weather stations. Journal of Hydrology 402(1-2): 144-154.
5- Gholamnia A., Mobin M.H., and Alipoor H. 2016. Modeling and Zoning Solar Energy Received at the Earth's Surface in Arid and Semiarid Regions of Central Iran. Journal of Water and Soil 30(4): 1294-1308. (In Persian with English abstract)
6- Heidary Beni M., and Yazdanpanah H.A. 2017. Assessment of RegCM4 model for estimation of total solar radiation (Case study: Chaharmahal and Bakhtiari province). Journal of Agricultural Meteorology 4(2): 27-37. (In Persian with English abstract)
7- Jia B., Xie Z., Dai A., Shi C., and Chen F. 2013. Evaluation of satellite and reanalysis products of downward surface solar radiation over East Asia: Spatial and seasonal variations. Journal of Geophysical Research: Atmospheres 118(9): 3431-3446.
8- Journée M., and Bertrand C. 2010. Improving the spatiotemporal distribution of surface solar radiation data by merging ground and satellite measurements. Journal of Remote Sensing of Environment 114(11): 2692-2704.
9- Khosravi A., Nunes R. O., Assad M. E. H., and Machado L. 2018. Comparison of artificial intelligence methods in estimation of daily global solar radiation. Journal of Cleaner Production 194: 342-358.
10- Laiti L., Andreis D., Zottele F., Giovannini L., Panziera L., Toller G., and Zardi D. 2014. A solar atlas for the Trentino region in the Alps: quality control of surface radiation data. Journal of Energy Procedia 59: 336-343.
11- Liang S., Wang K., Zhang X., and Wild M. 2010. Review on estimation of land surface radiation and energy budgets from ground measurement, remote sensing and model simulations. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 3(3): 225-240.
12- Lotfinejad M., Hafezi R., Khanali M., Hosseini S., Mehrpooya M., and Shamshirband S. 2018. A comparative assessment of predicting daily solar radiation using bat neural network (BNN), generalized regression neural network (GRNN), and neuro-fuzzy (NF) system: A case study. Journal of Energies 11(5): 1188.
13- Majnoni-Heris A., Zand-Parsa S., Sepaskhah A., and Nazemosadat M.J. 2009. Development and Evaluation of Global Solar Radiation Models Based on Sunshine Hours and Meteorological Data. Journal of Water and Soil Science 12(46):491-499. (In Persian)
14- Mobin M.H., Gholamnia A., Soudaiezadeh H., and Mirhosani S.A. 2015. Introducing a new model for estimating solar radiation in arid and semi-arid regions of Iran. Journal of Arid Biome Scientific and Research 5(2): 95-101. (In Persian)
15- Moradi I. 2009. Quality control of global solar radiation using sunshine duration hours. Journal of Energy 34(1): 1-6.
16- Mousavi-Baygi M., Ashraf B., and Miyanabady A. 2010. The Investigation of different Models of Estimating Solar Radiation to Recommend the Suitable Model in a Semi-Arid Climate. Journal of Water and Soil 24(4): 836-844. (In Persian with English abstract)
17- Noory H., Mokhtari A., and Vazifedoust M. 2019. Evaluation of Incoming Solar Radiation Parameter Derived from Empirical and Satellite Models. Iranian Journal of Soil and Water Research 50(2): 353-362. (In Persian with English abstract)
18- Polo J., Wilbert S., Ruiz-Arias J.A., Meyer R., Gueymard C., Suri M., Martin L., Mieslinger T., Blanc P., Grant I., and Boland J. 2016. Preliminary survey on site-adaptation techniques for satellite-derived and reanalysis solar radiation datasets. Journal of Solar Energy 132: 25-37.
19- Riihelä A., Carlund T., Trentmann J., Müller R., and Lindfors A. 2015. Validation of CM SAF surface solar radiation datasets over Finland and Sweden. Journal of Remote Sensing 7(6): 6663-6682.
20- Rodell M., Houser P.R., Jambor U.E.A., Gottschalck J., Mitchell K., Meng C.J., Arsenault K., Cosgrove B., Radakovich J., Bosilovich M., and Entin J.K. 2004. The global land data assimilation system. Bulletin of the American Meteorological Society 85(3): 381-394.
21- Ruiz-Arias J.A., Quesada-Ruiz S., Fernández E.F. and Gueymard C.A. 2015. Optimal combination of gridded and ground-observed solar radiation data for regional solar resource assessment. Journal of Solar Energy 112: 411-424.
22- Sabziparvar A.A. and Shetaee H. 2007. Estimation of global solar radiation in arid and semi-arid climates of East and West Iran. Journal of Energy 32(5): 649-655.
23- Sabziparvar A.A. 2008. A simple formula for estimating global solar radiation in central arid deserts of Iran. Journal of Renewable Energy 33(5): 1002-1010.
24- Sanchez-Lorenzo A., Wild M., and Trentmann J. 2013. Validation and stability assessment of the monthly mean CM SAF surface solar radiation dataset over Europe against a homogenized surface dataset (1983–2005). Journal of Remote sensing of environment 134: 355-366.
25- Slater A.G. 2016. Surface solar radiation in North America: A comparison of observations, reanalyses, satellite, and derived products. Journal of Hydrometeorology 17(1): 401-420.
26- Träger-Chatterjee C., Müller R.W., Trentmann J., and Bendix J. 2010. Evaluation of ERA-40 and ERA-interim re-analysis incoming surface shortwave radiation datasets with mesoscale remote sensing data. Journal of Meteorologische Zeitschrift 19(6): 631-640.
27- Urraca R., Gracia-Amillo A.M., Koubli E., Huld T., Trentmann J., Riihelä A., Lindfors A.V., Palmer D., Gottschalg R., and Antonanzas-Torres F. 2017. Extensive validation of CM SAF surface radiation products over Europe. Journal of Remote sensing of environment 199: 171-186.
28- Urraca R., Martinez-de-Pison E., Sanz-Garcia A., Antonanzas J., and Antonanzas-Torres F. 2017. Estimation methods for global solar radiation: Case study evaluation of five different approaches in central Spain. Journal of Renewable and Sustainable Energy Reviews 77: 1098-1113.
29- Urraca R., Huld T., Gracia-Amillo A., Martinez-de-Pison F.J., Kaspar F., and Sanz-Garcia A. 2018. Evaluation of global horizontal irradiance estimates from ERA5 and COSMO-REA6 reanalyses using ground and satellite-based data. Journal of Solar Energy 164: 339-354.
30- Wang F., Wang L., Koike T., Zhou H., Yang K., Wang A., and Li W. 2011. Evaluation and application of a fine‐resolution global data set in a semiarid mesoscale river basin with a distributed biosphere hydrological model. Journal of Geophysical Research: Atmospheres 116: D21.
31- Wang Y., Trentmann J., Yuan W., and Wild M. 2018. Validation of CM SAF CLARA-A2 and SARAH-E Surface Solar Radiation Datasets over China. Journal of Remote Sensing 10(12): 1977.
32- Xiao R., He X., Zhang Y., Ferreira V., and Chang L. 2015. Monitoring groundwater variations from satellite gravimetry and hydrological models: a comparison with in-situ measurements in the Mid-Atlantic region of the United States. Journal of Remote Sensing 7(1): 686-703.
33- Yang F., Lu H., Yang K., He J., Wang W., Wright J.S., Li C., Han M., and Li Y. 2017. Evaluation of multiple forcing data sets for precipitation and shortwave radiation over major land areas of China. Journal of Hydrology and Earth System Sciences 21(11).
34- Yang L., Zhang X., Liang S., Yao Y., Jia K., and Jia A. 2018. Estimating surface downward shortwave radiation over china based on the gradient boosting decision tree method. Journal of Remote Sensing 10(2): 185.
35- Younes S., Claywell R., and Muneer T. 2005. Quality control of solar radiation data: Present status and proposed new approaches. Journal of Energy 30(9): 1533-1549.
36- Zhang T., Stackhouse Jr P.W., Cox S.J., Mikovitz J.C., and Long C.N. 2019. Clear-sky shortwave downward flux at the Earth's surface: Ground-based data vs. satellite-based data. Journal of Quantitative Spectroscopy and Radiative Transfer 224: 247-260.
ارجاع به مقاله
احمدی باصرین., سبزی پرورع. ا., خدامرادپورم., & آلادوس آربولداسل. (2020). ارزیابی کارایی سامانه GLDAS در برآورد تابش سطح روزانه در ایران. آب و خاک, 34(2), 501-513. https://doi.org/10.22067/jsw.v34i2.82848
نوع مقاله
علمی - پژوهشی