دوماه نامه

نوع مقاله : مقالات پژوهشی

نویسندگان

دانشگاه فردوسی مشهد

چکیده

بارش یکی از پارامترهای ورودی مهم مدل‌های مختلف گیاهی و هیدرولوژی می‌باشد. در پروژه های مختلف مدیریتی و پژوهشی بیشتر از داده‌های بارش زمینی برداشت شده در ایستگاه ها استفاده می‌شود. از آنجا که این ایستگاه ها دارای پوشش جغرافیایی بسنده ای نیستند، کاربرد آن ها با خطا همراه است. گرچه بهره گیری از روش‌های گوناگون درون یابی از راهکارهای پذیرفته شده برای برآورد بارش در مناطق بدون ایستگاه است، کاربرد این روش ها همراه با کاستی‌های فراوانی نیز هست. در گذر چند دهه گذشته، با در هم آمیختن دانش و فناوری سنجش از دور با پدیده‌های هواشناسی، مدل‌های پیشرفته ای برای برآورد ویژگی‌های بارش پیشرفت داده شده اند که دارای توانایی‌های بالای آشکارسازی مکانی و زمانی هستند. در این پژوهش از بین مدل‌های ارائه شده، صحت سنجی مدل CMORPH در برآورد بارش شمال شرق ایران بررسی شده است. یافته ها نشان داد که این مدل در مقیاس روزانه دستاورد چندان پذیرفتی ندارد، اما در مقیاس ماهانه و فصلی، یافته‌ها از ریزبینی بالاتری برخوردار هستند. بیشترین همبستگی مدل با داده‌های ایستگاه ها در مقیاس روزانه در ایستگاه فاروج و نامانلو و به میزان 31/0 بود. در مقیاس ماهانه بیشترین همبستگی در ایستگاه‌های بارزو، نامانلو و سه یک آب و به میزان 62/0 و در مقیاس فصلی در ایستگاه غلامان و به میزان 63/0دیده شد. گرچه مدلCMORPH در آشکارسازی روزهای بارانی تا اندازه ای کارآیی داشته، اما در برآورد روزهای تر و خشک، میانگین بارش سالانه و تعیین تعداد روزهای غیر بارانی نتایج قابل قبولی را به همراه نداشت.

کلیدواژه‌ها

عنوان مقاله [English]

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

نویسندگان [English]

  • A. Mianabadi
  • A. Alizadeh
  • Seied Hosein Sanaei-Nejad
  • M. Bannayan Awal
  • A. Faridhosseini

Ferdowsi University of Mashhad

چکیده [English]

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.

کلیدواژه‌ها [English]

  • Precipitation
  • Interpolation
  • Remote sensing
  • CMORPH model
CAPTCHA Image