ارزیابی عملکرد محصولات pdir-now و persiann ccs برای بارش‌های منجر به خسارت‌بارترین سیلاب‌های کشور ایران در سال‌های 1396 الی 1398

بارش یکی از اصلی‌ترین 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 می‌کند؛ اما بارندگی همواره برای بشر ثمربخش نیست. هرساله وقوع سیل در کشور ایران خسارات جانی و مالی بسیاری را به مردم و زیرساخت‌ها تحمیل می‌نماید. برای به حداقل رساندن این خسارت‌ها لازم است مقدار بارش‌های وقوع یافته اندازه‌گیری شود، تا بتوان برای کاهش خسارت‌ها برنامه‌ریزی کرد. ازآنجایی‌که اندازه‌گیری بارش با دقت مکانی و زمانی بالا هزینه بسیاری دارد، مدل‌های بسیاری برای تخمین مقادیر بارش توسعه یافته‌اند؛ اما برای استفاده از داده‌های خروجی این مدل‌ها لازم است ابتدا عملکرد آن‌ها مورد ارزیابی قرار گیرد. در این پژوهش به ارزیابی عملکرد دو محصول تخمین بارش persiann-ccs و pdir-now با استفاده از بارش‌های تمامی ایستگاه‌های سینوپتیک کشور برای خسارت‌بارترین سیلاب های ایران در سال‌های 1396 الی 1398 اقدام گردید. برای ارزیابی عملکرد از شاخص‌های آماری pc، bias، far، pod، hss، r2، me، mae و rmse استفاده شد. نتایج به دست آمده بیان‌گر تغییرپذیری بالای شاخص‌ها در وقایع مختلف است. به‌طور 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 شاخص‌های آماری خطا در تاریخ‌های موردبررسی ملاحظه می‌شود که این دو محصول برای تخمین مقادیر بارش تمامی ایستگاه‌ها عملکرد مناسبی نداشته و برای تخمین بهتر بارش‌های منجر به سیلاب های سنگین، بررسی‌های 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.