ارزیابی و تحلیل بارش های شدید روزانه برآوردی ماهواره GPM در مقابل داده های بارش مشاهده ای در حوضه آبریز دریاچه ارومیه (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تغییر در رفتار پدیده های بارشی از مهمترین جنبه های تغییرات آب و هوایی جهانی محسوب می شود که با پیامدهای قابل توجهی برای جامعه انسانی و محیط زیست همراه است. پایش و اندازه گیری های مؤثر رویدادهای بارشی شدید برای درک ماهیت اساسی پدیده های شدید آب و هوایی و ارزیابی تغییرات آینده از اهمیت ویژه ای برخودار است. در این مطالعه، توانایی های انجام اندازه گیری بارش جهانی (GPM) با داده های ایستگاه های زمینی برای شناسایی بارش های شدید روزانه (بارش های 25 میلی متر به بالا) در یک دوره 8 ساله (2021-2014) در 20 ایستگاه سینوپتیک عملی گردید. برای مقایسه و ارزیابی بین داده های مشاهده ای و ماهواره ای از آماره هایی نظیر، ضریب تعیین (R2)، ضریب همبستگی (R) و مجذور میانگین مربعات خطا (RMSE)،... استفاده شد. مقایسه نقشه های حاصل از ماهواره GPM و ایستگاه های زمینی نشان داد که توزیع فضایی بارش حاصل از دو پایگاه داده مشابه هم بوده و نواحی کم بارش و پربارش منطبق بر یکدیگر هستند. در واقع ماهواره GPM پهنه های بارشی را به خوبی تشخیص داده است به طوری که ضریب همبستگی مکانی بین بارش ماهواره GPM و مشاهده شده 81/0 می باشد. نتایج آزمون ANOVA بین میانگین بارش های زمینی و ماهواره GPM نشان داد که با توجه به سطح معنی داری پایین p-value به مقدار 000/0 فرض یکسان بودن میانگین بارش بین دو پایگاه داده رد می شود و نتیجه این که اختلاف و ارتباط معنی داری بین میانگین بارش در ایستگاه های زمینی و ماهواره ای وجود دارد. همچنین نتایج آزمون کلموگراف- اسمیرنوف نشان داد که با توجه به اینکه p-value حاصل شده (819/0) عددی بالاتر از مقدار خطای آزمون (05/0) است، بنابراین فرض صفر مبنی بر برابری مقادیر بارش ثبت شده در ایستگاه های زمینی و مدلسازی شده یکسان بوده و فرض صفر تایید می شود.Intensive evaluation and daily analysis of the GPM satellite versus observed precipitation data in Urmia Lake catchment area
Changes in the incidental behaviors are among the most important aspects of global climate change with significant consequences on human society and the environment. Monitoring and measuring heavy rainfall events are important for understanding the nature of severe weather fundamentals and future assessment. In this study, Global Precipitation Measurement (GPM) experiments with ground station data were performed at 20 synoptic stations for intense daily detection (25 mm and above) of precipitation over an 8-year period (2021-2014). Statistics such as coefficient of determination (R2), correlation coefficient (R) and root mean square error (RMSE) were used to compare and evaluate the observational and satellite data. Comparison of the maps obtained from GPM satellites and ground stations showed that the spatial distribution of precipitation from two similar bases is the same and the low and high rainfall areas correspond to the region. GPM satellite detected precipitation zones well so that the spatial correlation coefficient between GPM satellite and observed was 0.81. The results of the ANOVA test between the observational data and the GPM satellites showed that due to the low significance level of p-value of 0.000, the assumption that the average precipitation is the same between the two databases is rejected. There is a significant relationship between the average precipitation at ground and satellite stations. Also, the results of Kolmogorov-Smirnov test showed that since the obtained p-value (0.819) is a number higher than the error value of the test (0.05), so the null hypothesis based on the equality of precipitation values recorded at ground stations and modeled are the same and the null hypothesis is confirmed.
تبلیغات
