ارزیابی آماری داده‌های بارش gpcc، gpcp، cmap و ncepncar با داده‌های مشاهده‌ای در استان‌های البرز، قزوین، زنجان، کردستان و همدان

بارش از جمله مهم‌ترین عواملی است که در تخمین بسیاری از پارامترهای هیدرولوژیکی در سطح حوزه آبریز مورد استفاده قرار میگیرد. با توجه به اهمیت داده‌های بارش در علوم مختلف و عدم وجود شبکه باران‌سنجی گسترده و مناسب، لازم است داده‌های بارش به نحوی برآورد شوند. یکی از راه‌های برآورد بارش، استفاده از داده‌های ماهواره‌ای است. در این پژوهش به ارزیابی داده‌های بارش مدل gpcc، gpcp، cmap و ncepncar با داده‌های ایستگاهی در استان‌های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق بارش gpcp،gpcc ، cmapو ncepncar نتایج خوبی را داشتند و از میان آنها gpcp و gpcc نتیجه بهتری را ارائه کرده‌اند. در ارزیابی gpcp با میانگین وزنی ایستگاه‌های منطقه مورد مطالعه در پیکسل 3 در سال 2003 ضریب تبیین (r2)، ضریب کارایی مدل(ef)، خطای اریب میانگین (mbe)، میانگین مطلق خطا (mae) و ریشه میانگین مربعات خطا (rmse) به ترتیب برابر 0.96، 0.94، 3.13، 5.30 و 6.58 میلیمتر بر ماه به دست آمد.

Statistical Evaluation of Precipitation Data of GPCC, GPCP, CMAP and NCEPNCAR with Observational Data in Alborz, Qazvin, Zanjan, Kurdistan and Hamedan Provinces

Precipitation is one of the most important factors used in estimating many hydrological parameters at the level of the catchment area. Due to the importance of precipitation data in various sciences and the absence of a large and adequate rainfall network, it is necessary to estimate precipitation data in some way. One way to estimate precipitation is to use satellite data.In this study, precipitation data of GPCC, GPCP, CMAP and NCEPNCAR models with station data in Alborz, Qazvin, Zanjan, Kurdistan and Hamedan provinces were investigated. The results showed that GPCP, GPCC, CMAP and NCEPNCAR had good results in these regions and among them GPCP and GPCC produced better results. In evaluating GPCP with the weighted average of stations in the study area in pixel 3 in 2003 Explanation Coefficient (R2), Model Efficiency Coefficient (EF), Averaged Error Error (MBE), Absolute Mean Error (MAE) and Root Mean Square Error (RAD) RMSE) were 0.96, 0.94, 3.13, 5.30 and 6.58 mm / month, respectively.