ارزیابی تطبیقی داده‌های شبکه‌ای بارش و دمای سامانه جهانی داده‌گواری زمینی (مطالعه موردی: حوضه حله)

تحقیق حاضر به ارزیابی عملکرد پایگاه داده مدل جهانی همسان سازی داده‌های زمینی (gldas) در برآورد دو متغیر هواشناسی بارش و دمای هوا در دو مقیاس زمانی روزانه و ماهانه در حوضه‌آبریز حله واقع در جنوب ایران می‌پردازد. برای رسیدن به اهداف تحقیق از اطلاعات یازده ایستگاه اندازه گیری بارش و دما، در طی 14 سال استفاده گردید. در این تحقیق به منظور امکان مقایسه داده‌های شبکه‌ای پایگاه و نقطه‌ای ایستگاه، از روش مقیاس کاهی نرخ افتاهنگ دما و بارش و شاخص‌های آماری استفاده شد. نتایج نشان می‌دهد عملکرد پایگاه داده gldas در برآورد دمای هوا نسبت به بارش بسیار مناسب‌تر می‌باشد به طوری که در مقیاس زمانی روزانه مقدار میانگین ضریب تعیین در یازده ایستگاه برای برآورد بارش به ترتیب 0.329 می‌باشد در حالی که عملکرد در برآورد دمای هوا با میانگین ضریب تعیین 0.934 بسیار مناسب می‌باشد. در مقیاس زمانی ماهانه نتایج این تحقیق نشان می‌دهد که عملکرد پایگاه داده gldas در برآورد هر دو متغیر دما و بارش بسیار مناسب می‌باشد به طوری که در مقیاس ماهانه مقدار ضریب تعیین در پارامترهای دما هوا و بارش به ترتیب 0.984 و 0.857 می‌باشد. بنابراین می-توان بیان داشت، مناسب بودن عملکرد در یک متغیر هواشناسی دلیلی بر مناسب بودن در همه پارامترها نمی‌باشد. با توجه به شاخص میانگین خطاها پایگاه داده gldas داده‌های دمای هوا را بیشتر از واقعیت برآورد می‌نماید اما در برآورد داده های بارش کم‌برآورد می باشد. در پهنه‌بندی خطا مشاهده می‌گردد خصوصیات سطح حوضه از جمله ارتفاع نیز می‌تواند در ارزیابی عملکرد پایگاه تاثیرگذار باشد.

comparative evaluation of rain and temperature grid data of global land data assimilation system (case study: helleh basin)

the present study, while introducing the global land data assimilation system (gldas) database, evaluates the performance of this database in estimating two meteorological variables of precipitation and air temperature in two daily and monthly time scales in the helleh catchment area located in southern iran. to achieve the objectives of the study, the data of eleven rainfall and temperature gauges in the catchment area was used for fourteen years. in this study, in order to compare the gridbased data and station points, laps rate downscale method of temperature and precipitation and statistical indicators were used. the results show that the performance of gldas database in estimating air temperature is much better than precipitation, so that on a daily time scale, the average value of the coefficient of determination in eleven stations for estimating precipitation is 0.329, respectively, while the performance in estimating air temperature with the coefficient of determination of 0.934 is very suitable. on a monthly scale, the results of this study show that the performance of the gldas database is very good in estimating both temperature and precipitation variables, so that on a monthly basis, the coefficient of determination in air temperature and precipitation parameters are 0.984 and 0.857, respectively. therefore, it can be said that the suitability of performance in a meteorological variable is not a reason for suitability in all parameters. according to the mean error index, the gldas database overestimates the temperature data, but underestimates the precipitation data. in error zoning it can be seen that basin surface characteristics such as altitude can also be effective in evaluating the performance of the base.