ارزیابی عملکرد محصولات PDIR-Now و PERSIANN CCS برای بارش های منجر به خسارت بارترین سیلاب های کشور ایران در سال های 1396 الی 1398 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
بارش یکی از اصلی ترین اجزای چرخه هیدرولوژی است. علاوه بر این، توزیع بارش نقش بسیار مهمی را در توازن انرژی کره زمین و دسترسی بشر به منابع آبی ایفا می کند؛ اما بارندگی همواره برای بشر ثمربخش نیست. هرساله وقوع سیل در کشور ایران خسارات جانی و مالی بسیاری را به مردم و زیرساخت ها تحمیل می نماید. برای به حداقل رساندن این خسارت ها لازم است مقدار بارش های وقوع یافته اندازه گیری شود، تا بتوان برای کاهش خسارت ها برنامه ریزی کرد. ازآنجایی که اندازه گیری بارش با دقت مکانی و زمانی بالا هزینه بسیاری دارد، مدل های بسیاری برای تخمین مقادیر بارش توسعه یافته اند؛ اما برای استفاده از داده های خروجی این مدل ها لازم است ابتدا عملکرد آن ها مورد ارزیابی قرار گیرد. در این پژوهش به ارزیابی عملکرد دو محصول تخمین بارش PERSIANN-CCS و PDIR-Now با استفاده از بارش های تمامی ایستگاه های سینوپتیک کشور برای خسارت بارترین سیلاب های ایران در سال های 1396 الی 1398 اقدام گردید. برای ارزیابی عملکرد از شاخص های آماری PC، BIAS، FAR، POD، HSS، R2، ME، MAE و RMSE استفاده شد. نتایج به دست آمده بیان گر تغییرپذیری بالای شاخص ها در وقایع مختلف است. به طور میانگین ملاحظه شد که محصولات PERSIANN-CCS و PDIR-Now اگرچه دارای میانگین PC بالا هستند اما به ترتیب دارای ضریب تعیین 16/0 و 19/0 و RMSE برابر با 38/9 و 78/12 بوده که مقادیر بسیار مطلوبی نیستند. با توجه به شاخص های آماری خطا در تاریخ های موردبررسی ملاحظه می شود که این دو محصول برای تخمین مقادیر بارش تمامی ایستگاه ها عملکرد مناسبی نداشته و برای تخمین بهتر بارش های منجر به سیلاب های سنگین، بررسی های بیشتر پیشنهاد می شود.Performace Evaluation of PERSIAN PDIR-Now and PERSIANN CCS Products for Precipitation leading to the Most Severe Floods in Iran between 2017 and 2019
Precipitation is one of the main components of the hydrological cycle. Rainfall distribution plays a significant role in the Earth’s energy balance and human access to water resources, but rainfall is not always promising for humans. Floods cause a lot of human and financial losses to people and infrastructure all over the world annually. Planning for the damage reduction must be done with some measurements. It is necessary to record the amount of rainfall in high resolution, but measuring precipitation in high spatial and temporal resolution is a costly process. Scientists have developed many models to estimate precipitation values. It is necessary to evaluate the output data of these models and their performance before using them. In this study, the performance of two precipitation estimation products, PERSIANN-CCS and PDIR-Now, was evaluated against precipitation recorded in all synoptic stations of Iran for the devastating flood events from 2017 to 2019. For comparing precipitation estimations with the ground data, 9 indices (PC, BIAS, FAR, POD, HSS, , ME, MAE & RMSE) were used. The results showed high variability of indicators in different events. On average, PERSIANN-CCS and PDIR-Now products have a coefficient of determination of 0.16 and 0.19 and RMSE of 9.38 and 12.78, respectively. The values are not desirable, even though the average of PC is high. Moreover, the results showed that the PERSIANN-CCS and PDIR-Now products do not perform well due to the statistical indexes for all stations, and further researches for better heavy rainfall estimation are needed.
تبلیغات
