اعتبارسنجی رادار داپلر در برآورد بارش‌های شدید روزانه در حوضه آبریز دریاچه ارومیه

بارش مهمترین عاملی است که در چرخه ی هیدرولوژی، دخالت مستقیم دارد. به دست آوردن اطلاعات دقیق بارش های شدید، برای تحلیل پدیده های گوناگون هیدرولوژیکی امری ضروری است. توفان های تندری سیلاب ساز در نواحی شمال غربی ایران بویژه حوضه دریاچه ارومیه در سال های اخیر سبب جاری شدن سیل در این مناطق شده و خسارتهای شدیدی از نظر جانی و مالی ایجاد کرده است. رادارهای هواشناسی توان اندازه گیری شدت بارش با تفکیک مکانی و زمانی مناسب برای محدوده وسیعی از حوضه ها را دارامیباشند. هدف از این تحقیق، بررسی میزان دقت داده‌های بارش‌های شدید (بارش‌های 25 میلی‌متر به بالا) رادار هواشناسی تبریز در یک دوره 8 ساله (2021-2014) و مقایسه آن‌ها با داده‌های ایستگاهای سینوپتیک در حوضه دریاچه ارومیه می‌باشد. برای مقایسه و ارزیابی بین داده‌های ایستگاه‌های هواشناسی و رادار از آماره‌هایی نظیر، ضریب همبستگی (r) و مجذور میانگین مربعات خطا (rmse)،... استفاده شد. مقایسه نقشه‌های حاصل از رادار داپلر و ایستگاه‌های سینوپتیک نشان داد که توزیع فضایی بارش حاصل از دو پایگاه داده یکسان نبوده و نواحی کم بارش و پربارش منطبق بر یکدیگر نیستند، به طوری که ضریب همبستگی بین بارش رادار و مشاهده شده 0/25 می-باشد. همچنین نتایج آزمون کلموگروف- اسمیرنوف نشان داد که با توجه به اینکه p-value حاصل شده (0/000) عددی کوچکتر از مقدار خطای آزمون (0/05) است، پس اختلاف بین داده‌های بارش رادار و مشاهدات زمینی معنی‌دار است. در واقع مقادیر بارش ثبت شده در ایستگاه‌های زمینی و رادار نتیجه واحدی را ارائه نمی‌دهند و هر دو جامعه آماری از توزیع یکنواختی برخوردار نیستند بنابراین داده‌های بارش رادار نمی‌تواند به جای داده‌های بارش ایستگاه‌ها استفاده شود.

validation of doppler radar in estimating intensive daily rainfall in urmia lake catchment

the aim of this research is to investigate the accuracy of the heavy rainfall data (rainfalls of 25 mm or more) of tabriz weather radar in a period of 8 years (2014-2021) and compare them with synoptic station data in basin. to compare and evaluate between meteorological stations and radar data, statistics such as, correlation coefficient (r) and root mean square error (rmse) were used. the comparison of the maps obtained from doppler radar and rain gauge stations showed that the spatial distribution of precipitation from the two databases was not the same and the low and high rainfall areas did not match each other, so that the correlation coefficient between the radar and observed precipitation was 0.25. also, the results of kolmogorov-smirnov test showed that considering that the obtained p-value (0.000) is smaller than the error value of the test (0.05), then the difference between radar precipitation data and ground observations is significant. in fact, the rainfall values recorded in the ground and radar stations do not provide a single result, and none of the statistical populations have a uniform distribution, therefore the radar rainfall data cannot be used instead of the rainfall data of the stations.