مقایسه داده‌های بارش ماهواره‌ای و زمینی برای تحلیل شاخص خشک‌سالی در استان خراسان رضوی

مقدمه و هدف خشک‌سالی یک خطر طبیعی پیچیده است که می‌تواند تاثیرات قابل‌توجهی بر جنبه‌های اجتماعی-اقتصادی و زیست‌محیطی داشته باشد. روش‌های سنتی ارزیابی خشک‌سالی اغلب به اندازه‌گیری‌های بارندگی زمینی متکی هستند که به‌ویژه در مناطق دورافتاده و توسعه‌نیافته پراکنده و توزیع مناسبی ندارند. شاخص بارش استانداردشده (spi) به‌طور گسترده‌ای برای ارزیابی و پایش خشک‌سالی به‌ویژه در مناطق خشک استفاده می‌شود. با این‌حال، قابلیت اعتماد محاسبات spi به‌شدت به دسترسی و دقت داده‌های بارندگی وابسته است. داده‌های  بارندگی ماهواره‌ای (spps) همراه با پوشش جامع و داده‌های پیوسته در مناطق گسترده و به‌ویژه در مناطقی با مشاهده‌های زمینی محدود، جایگزین مناسبی است.مواد و روش‌هابا استفاده از چهار داده میانگین ماهانه بارش، شامل: (trmm) trmm 3b43، (gpm) gpm-imergv6، persiann-cdr(persiann) و era5 موجود در موتور جستجوگر گوگل‌ارث، شاخص خشک‌سالی 12 ماهه محاسبه شد. سپس، این شاخص با شاخص محاسبه‌شده با استفاده از داده‌های بلندمدت بارش ایستگاه‌های زمینی در دوره آماری هر ایستگاه به‌شکل جداگانه و تجمیعی در سطح استان خراسان‌رضوی در شمال‌شرقی ایران مقایسه شد. ایستگاه‌های انتخاب‌شده شامل قوچان، گناباد، کاشمر، مشهد، نیشابور، سرخس، سبزوار، گلمکان، تربت‌جام و تربت‌حیدریه بودند. دوره پژوهش از سال 2000 تا 2019 بود و شامل تغییرات اقلیمی و رویداد‌های خشک‌سالی گوناگونی بود. برای ارزیابی عملکرد داده‌های ماهواره‌ای، چندین معیار ارزیابی عملکرد (ضریب همبستگی، ریشه میانگین مربعات خطا، بایاس نسبی، شاخص ناش-ساتکلیف و احتمال برآورد) محاسبه شد. با استفاده از این معیار‌ها می‌توان در چارچوب بسیارخوبی، دقت و قابلیت اطمینان داده‌های ماهواره‌ای را در برآورد شاخص خشک‌سالی ارزیابی کرد.نتایج و بحثارزیابی عملکرد داده‌های ماهواره‌ای نتایج متفاوتی در ایستگاه‌های گوناگون نشان داد. عملکرد داده‌های trmm در تربت‌حیدریه، قوچان، کاشمر، مشهد و نیشابور بهتر بود. این داده دارای ضریب همبستگی زیاد و اندازه‌های کم ریشه میانگین مربعات خطا با داده‌های زمینی بود که این موضوع نشانگر قابلیت اطمینان آن در این مناطق بود. عملکرد داده‌های persiann و gpm به‌ترتیب در گلمکان و سبزوار بهتر بود و با داده‌های بارشی ایستگاه‌های زمینی تطابق بهتری را نشان دادند. بیشترین دقت در تربت‌جام، گناباد و سرخس مربوط به داده‌های era5 بود. نتایج معیار‌های بایاس نسبی و میانگین خطا نشان داد داده‌های ماهواره‌ای به‌طورکلی برآورد‌های دقیقی از بارش با کمترین انحراف سامانمند از داده‌های زمینی، ارائه دادند. اندازه‌های شاخص نش-ساتکلیف که می‌توان با استفاده از آن دقت پیش‌بینی مدل‌ها را اندازه‌گیری کرد، برای داده‌های برتر بیش از 0/65 بود که نشان‌دهنده کارایی زیاد این داده‌های در پایش خشک‌سالی بود. نتایج تحلیل‌های آماری داده‌های نقطه ‌به ‌نقطه در مقایسه با داده‌های تجمیعی در سطح استان بهتر بود. در تحلیل تجمیعی، بیشترین ضریب همبستگی (0/8=cc)، بیشترین شاخص نش-ساتکلیف (0/55=nsc)، کمترین ریشه میانگین مربعات خطا (0/61=rmse) و بیشترین احتمال برآورد (0/70=pod) از داده‌های ماهواره‌ای trmm به‌دست آمد. به نظر می‌رسد ایستگاه‌های تکی ممکن است به‌دلیل شرایط خاص محلی مانند وجود منابع آب محلی، پوشش گیاهی ویژه یا دخالت‌های انسانی، داده‌هایی متفاوت از کل استان ارائه دهند. ازاین‌رو، با تجمیع داده‌ها در سطح استان، تاثیر این ناهنجاری‌های محلی افزایش یافت و نتایج به‌دست‌آمده به‌دلیل کاهش دقت نتایج و افزایش تاثیر ناهنجاری‌های محلی، به‌خوبی نمایانگر وضعیت واقعی اقلیمی استان نبود. می‌توان نتیجه گرفت که اعتبارسنجی داده‌های ماهواره‌ای نامبرده در تعیین شاخص خشک‌سالی 12 ماهه باید به‌شکل محلی انجام شود.نتیجه‌گیری و پیشنهاد‌هابر اساس ارزیابی دقت spi در مقیاس‌های زمانی 12 ماهه، عملکرد داده‌های بارش به‌دست آمده از ماهواره در مناطق مطالعه‌شده خوب بود. نتایج تجزیه ‌و تحلیل‌های آماری جداگانه داده‌ها در هر ایستگاه در مقایسه با بررسی تجمیعی ایستگاه‌ها بهتر بود. به‌طور ویژه، دقت داده‌های trmm برای ایستگاه‌های تربت‌حیدریه، قوچان، مشهد، نیشابور و کاشمر، داده‌های gpm برای ایستگاه سبزوار، داده‌های era5 برای ایستگاه‌های تربت‌جام، سرخس و گناباد و داده‌های persiann برای ایستگاه گلمکان مناسب بودند و برای مدیریت منابع آب و پایش خشک‌سالی می‌توان از آنها بهره برد. پیشنهاد می‌شود، با توجه به‌دقت مناسب داده‌های ماهواره‌ای، این داده‌ها به‌عنوان یک مجموعه داده بلندمدت با ارزش برای بررسی خشک‌سالی‌ها در مناطق مطالعه‌شده استان خراسان‌رضوی به‌کار برده شوند. چونکه در داده‌های ماهواره‌ای از منابع متفاوتی از داده‌ها استفاده می‌شود و هرکدام از این داده‌ها ممکن است تحت تاثیر عامل‌های گوناگون محیطی، جغرافیایی، و اقلیمی باشند. ازاین‌رو، به‌دلیل ویژگی‌های محلی و تفاوت‌های ذاتی در دستورالعمل‌‌های استفاده‌شده در هر داده، نبود عملکرد یکسان در همه ایستگاه‌ها قابل پیش‌بینی بود. بنابراین پیشنهاد می‌شود از داده‌های ماهواره‌ای در مقیاس گسترده، از روش‌های تحلیل داده، واسنجی محلی، و مدل‌سازی نبودن قطعیت‌ها به‌شکل ترکیبی استفاده کرد تا بتوان به ضریب اطمینان مناسب برای این داده‌ها دست یافت.

comparison of satellite and ground-based precipitation data for drought index analysis in the khorasan razavi province

introduction and goal drought is a complex natural hazard that can have significant impacts on socio-economic and environmental. traditional methods of drought assessment often rely on ground-based precipitation measurements, which can be sparse and unevenly distributed, especially in underdeveloped regions. the standardized precipitation index (spi) is widely used for its assessing and monitoring drought, especially in arid regions. however, the reliability of spi calculations heavily depends on the availability and accuracy of precipitation data. satellite precipitation products (spps) offer an alternative by providing comprehensive coverage and consistent data over large areas, which is particularly useful in regions with limited ground-based observations.materials and methodsusing four monthly spps-trmm 3b43 (trmm), gpm-imerg v6 (gpm), persiann-cdr (persiann), and era5- available on the google earth search engine, the 12-month drought index was calculated. then, this index was compared with the index calculated using long-term precipitation data from ground-based stations, both individually for each station and collectively at the provincial level in khorasan razavi, located in northeastern iran. the selected stations include quchan, gonabad, kashmar, mashhad, neyshabour, sarakhs, sabzevar, golmakan, torbat-e jam and torbat-e heydarieh. the study period spans from 2000 to 2020, covering various climatic variations and drought events. to assess the performance of the satellite data, several statistical metrics were computed, including the correlation coefficient (cc), root mean square error (rmse), relative bias (rbias), nash-sutcliffe efficiency (nse), and estimation probability (pod). using these criteria, the accuracy and reliability of satellite products in estimating drought indices can be evaluated within a robust framework. results and discussionthe performance evaluation of the satellite products revealed varied results across different stations.  the performance of the trmm product was better in torbat-e heydarieh, quchan, kashmar, mashhad, and neyshabour. this product exhibited a high correlation coefficient and low root mean square error values compared to ground-based data, indicating its reliability in these regions. the performance of the persiann and gpm products was better in golmakan and sabzevar, respectively, and they showed better agreement with ground-based rainfall data at these stations.  the era5 product was found to be most effective in torbat-e jam, gonabad, and sarakhs, demonstrating a high degree of accuracy in these areas. the relative bias and mean error metrics also showed that overall, the satellite products provided accurate rainfall estimates with minimal systematic deviation from ground-based data. the nse values, which which can be used to assess the predictive accuracy of models, were greater than 0.65 for the top-performing products, indicating their high efficiency in drought monitoring. the results of the point-by-point statistical analysis were better compared to the aggregated data at the provincial level. in the aggregated analysis, the highest correlation coefficient (cc=0.8), the highest nash-sutcliffe efficiency (nsc=0.55), the lowest root mean square error (rmse=0.61), and the highest probability of detection (pod=0.70) were obtained from the trmm satellite data. it seems that individual stations may provide different data compared to the entire province due to specific local conditions such as the presence of local water sources, specific vegetation cover, or human influences. therefore, by aggregating the data at the provincial level, the impact of these local anomalies was amplified, and the resulting outcomes, due to reduced accuracy and increased influence of local anomalies, no longer accurately reflected the actual climatic conditions of the province. it can be concluded that the validation of the aforementioned satellite products in determining the 12-month drought index should be carried out locally.conclusion and suggestions based on the accuracy assessment of the 12-month spi time scale, the performance of satellite-derived precipitation data in the studied areas was satisfactory. the results of separate statistical analyses of the data at each station were more accurate compared to the aggregated analysis of all stations. n particular, the accuracy of trmm data for torbat-e heydarieh, quchan, mashhad, neyshabour, and kashmar stations; the gpm data for sabzevar station; the era5 data for torbat-e jam, sarakhs, and gonabad stations; and the persiann data for golmakan station were suitable and can be used for water resources management and drought monitoring. it is suggested that, given the appropriate accuracy of satellite data, these data can be used as a valuable long-term dataset to investigate droughts in the studied areas of khorasan razavi province. because satellite data uses different data sources, each of these data may be affected by various environmental, geographical, and climatic factors. therefore, due to local characteristics and inherent differences in the instructions used in each data, it was expected that performance would not be the same across all stations. therefore, it is suggested to use large-scale satellite data, data analysis methods, local calibration, and uncertainty modeling in a combined manner to achieve an appropriate confidence factor for these data.