ارزیابی داده‌های بارندگی حاصل از ماهواره TRMM، مدل MM5 و مشاهدات زمینی به صورت مکانی-زمانی در مناطق خشک و نیمه‌خشک کوهستانی

جغرافیا و مخاطرات محیطی

مقاله 3، دوره 6، شماره 3 - شماره پیاپی 23، آبان 1396، صفحه 163-179   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v6i3.61868

نویسندگان

نگار سیابی؛ سید حسین ثنایی نژاد^* ؛ بیژن قهرمان

دانشگاه فردوسی مشهد

چکیده

در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالش‌های مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازه‌گیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیت‌های عملیاتی دشوار است. بدین علت در تحقیق حاضر به‌منظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق داده‌ها، سه نوع مختلف از تولیدات بارندگی شامل داده‌های ماهواره‌ای (TRMM3B42)، داده‌های حاصل از مدل پیش‌بینی عددی جوّی (MM5) و اندازه‌گیری‌های زمینی (نقشه‌های حاصل از روش زمین‌آمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سال‌های 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. داده‌ها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعف‌های روش زمین‌آمار نبودن اطلاعات کافی در ارتفاعات بالای (1500) متر منطقه است. همچنین دقت تصاویر ماهواره‌ای در فصل‌های گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار 7/1 RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار 02/14 RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهواره‌ای TRMM در مناطق پوشیده از یخ را نشان می‌دهد. در اعتبارسنجی مدل MM5 بیشترین و کمترین مقدار RMSE به ترتیب 64/6 و 05/1 به دست آمد. علاوه بر این مدل MM5 تا حدود زیادی در شبیه‌سازی مقادیر بارندگی سالانه بیش‌برآورد داشت. نتایج تحلیل‌های مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM5 در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهواره‌ای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را به‌خوبی نشان دادند.

کلیدواژه‌ها

الگوریتم تشابه؛ بارندگی؛ TRMM

مراجع

کتابنامه

احمدیان، ج؛ شیبانی، د؛ عراقی، ح؛ شیرمحمدی، ر؛ مجرد، م؛ 1381. طبقه بندی اقلیمی کشاورزی در جهت مدیریت منابع آب در توسعه پایدار کشور. یازدهمین همایش کمیته ملی آبیاری و زهکشی ایران. تهران دی ماه 1381. صفحه 593-605.

آزادی، م؛ تقی زاده، ا. م؛ معماریان، ح؛ 1389. مقایسه پیش‌بینی بارش دو مدل منطقه‌ای MM5 و WRF بر روی ایران. چهاردهمین کنفرانس ژئوفیزیک ایران. تهران، اردیبهشت 1389. موسسه ژئوفیزیک، فیزیک فضا. صفحه 148-152.

هدایتی دزفولی، ا؛ آزادی، م؛ 1389. راستی آزمایی پیش‌بینی بارش مدل منطقه‌ای MM5 بر روی ایران. مجله فیزیک زمین و فضا. 36 (3): 115 تا 129.

Akter, N., & Islam, Md. N., 2007. Use of MM5 model for weather forecasting over Bangladesh region. BRAC University Journal, 4(1),75-79.

Box, J. E., & Bromwich, D. H., 2004. Greenland ice sheet surface mass balance 1991–2000: application of Polar MM5 mesoscale model and in situ data. J. Geophys. Res, 109, 1–21.

Drobot, S., Maslanik, J., Herzfeld, U. C., Fowler, C., & Wu, W., 2006. Uncertainty in temperature and precipitation datasets over terrestrial regions of the Western Arctic. Earth Interactions,10. [Available online at http://EarthInteractions.org; see the WALE Special Theme.]

Ebert, E., Janowiak, l., & Kidd, C., 2007. Comparison of near-real time precipitation estimates from satellite observations and models, Bulletin of the American Meteorological Society.88, 48-64.

Goovaerts, P., 1999. Performance Comparison of Geostatistical Algorithms for Incorporating Elevation into the Mapping of Precipitation. The IV International Conference on Geo Computation was hosted by Mary Washington College in Fredericksburg, VA, USA, on 25-28 July 1999.

Grell, G. A., Dudhia, J., Staurer, F. R., 1995. A description of the fifth-generation Penn State/NCAR mesoscale model (MM5). NCAR Tech Note NCAR/TN- 398 +STR. 122, Boulder, Colorado [EB/OL]. http://www.mmm.ucar.edu/mm5/doc1.html/2003-07-19

Hamann, I. M., and U. C. Herzfeld., 1991. On the effects of pre-analysis standardization. J. Geol., 99, 621–631.

Herzfeld, U.C., & Merriam, D F., 1990. A map comparison technique utilizing weighted input parameters. Computer Applications in Resource Estimation and Assessment for Metals and Petroleum, G. Gaal and D. F. Merriam, Eds. Journal of Computers and Geology, 7: 43–52.

Huffman, G. J., and Bolvin, D. T., 2012. TRMM and other data precipitation data set documentation, available at ftp://precip.gsfc.nasa gov, last access: 25 May2014.

Huffman, G. J., Robert F., Adler, Bruno Rudolf., Udo Schneider., Peter R. Keehn., 1995. Global Precipitation Estimates Based on a Technique for Combining Satellite-Based Estimates. Rain Gauge analysis, and NWP Model Precipitation Information. Journal of Climate, 8(5), 1284-1295.

Masson, D., & Frei, C., 2014. Spatial analysis of precipitation in a high-mountain region: exploring methods with multi-scale topographic predictors and circulation types, Hydrol. Earth Syst Sci, 18, 4543–4563.

Meij, A.D., Gzella, A., Cuvelier, C., Thunis, P., Bessagnet, B., Vinuesa, J.F., Menut, L., & Kelder, H.M., 2009. The impact of MM5 and WRF meteorology over complex terrain on CHIMERE model calculations. Atmospheric Chemistry and Physics, 9(17), 6611-6632.

Merriam, D. F., & Jewett, D. G., 1988. Methods of thematic map comparison. Current Trends in Geomathematics, D. F. Merriam, Ed., Plenum Press, 9–18.

Ochoa, A., Pineda, L., Crespo, P., Willems, P., Cayetano, S., Cuenca, U. De, Brussel, V. U., 2014. Evaluation of TRMM 3B42 precipitation estimates and WRF retrospective precipitation simulation over the Pacific – Andean region of Ecuador and Peru. Hydrology and Earth System Sciences, 18, 3179–3193.

Scheel, M. L. M., Rohrer, M., Huggel, Ch., Santos Villar, D., Silvestre, E., and Huffman, G. J., 2011. Evaluation of TRMM Multisatellite Precipitation Analysis (TMPA) performance in the Central Andes region and its dependency on spatial and temporal resolution, Hydrol. Earth Syst. Sci, 15, 2649–2663.

Smith, E. A., 2007. International Global Precipitation Measurement (GPM) Program and Mission: An overview, in: Levizzani, V., Bauer, P., and Turk, F. J.: Measuring Precipitation from Space: EURAINSAT and the Future. Advances in Global Change Research, 28, 611–653, Springer, Dordrecht, Netherlands, 2007.

Tobin, C., Nicotina, L., Parlange, M. B., Berne, A., and Rinaldo, A., 2011. Improved interpolation of meteorological forcings for hydrologic applications in a Swiss Alpine region. J. Hydrol, 401, 77–89.

Ward, E., Buytaert, W., Peaver, L., and Wheater, H., 2011. Evaluation of precipitation products over complex mountainous terrain: a water resources perspective. Advance. Water Resour., 34, 1222–1231.

Webster, R., & Oliver, M. A., 2001. Geostatistics for environmental scientists. Chichester: John Wiley & Sons.

Wong, W. F. J., & Chiu, L. S., 2008. Spatial and Temporal Analysis of Rain Gauge Data and TRMM Rainfall Retrievals in Hong Kong. Geographic Information Sciences, 14(2), 105–112.