ارزیابی محصولات بارش ماهواره‌ای جهت برآورد رخدادهای بارشی سنگین در نوار ساحلی دریای خزر

بارش یکی از متغیرهای مهم برای بسیاری از کاربردها و رشته‌های مرتبط با منابع آب و سامانة ژئوفیزیک زمین بوده که عنصر اصلی در وقوع رخدادهای شدید و سیل‌آساست. سامانه‌های تخمین بارش ماهواره‌ای داده‌هایی اغلب با پوشش جهانی تولید می‌کنند که می‌توانند اطلاعاتی را ارائه دهند که داده‌های منابع دیگر ثبت بارش در دسترس نیستند. در این مطالعه، محدودة نوار ساحلی جنوب غرب دریای خزر، استان گیلان، به‌عنوان منطقۀ مورد مطالعه در نظر گرفته‌ شده و دقت چهار محصول ماهواره‌ای gpmimerg، chirps، persianncdr و trmm3b42v7، برای برآورد بارش‌های سنگین از سال 1396 تا سال1400 مقایسه شد. ارزیابی‌ها به‌صورت مقایسه بارش‌های برآورد شده ماهواره‌ای با ایستگاه‌های زمینی با در نظر گرفتن ارتفاع هر ایستگاه و میانگین کل ایستگاه‌ها، با استفاده از شاخص‌های قطعی شامل pc، csi، bias و hss و معیارهای آماری همبستگی (corr) و نرمال شده مجذور میانگین مربعات خطا (nrmse)، انجام شد. نتایج نشان داد با توجه به شاخص pc در هشت ایستگاه، بندر انزلی، رشت، رودسر، تالش، آستارا، رشت (کشاورزی)، کیاشهر و لاهیجان که همگی در ارتفاعی کم‌تر از 40 متر از سطح آب‌های آزاد و در نوار ساحل دریای خزر پراکنده‌اند، محصول بارش ماهواره‌ای imerg امتیاز بیش‌تری نسبت به مابقی محصولات کسب کرد. ضعیف ترین عملکرد در شاخص pc در آستانة بیش‌تر از پنج میلی‌متر، مربوط به ماهواره‌های trmm و persianncdr بود که کم‌ترین امتیازات را در همة ایستگاه‌ها کسب کردند. نتایج شاخص csi نشان داد که در همة ایستگاه‌ها، به‌جز ایستگاه منجیل، محصول بارش ماهواره‌ای imerg عملکرد بهتری دارد. هم‌چنین در بررسی تاثیر ارتفاع ایستگاه‌ها و برآورد ماهواره‌ای بارش در شاخص csi، ارتباطی بین ارتفاع ایستگاه‌ها با عملکرد محصولات یافت نشد. در شاخص کیفی bias، در محصولات imerg و chirps، سوگیری هر ایستگاه ارتباط مستقیمی با ارتفاع آن دارد به‌طوری‌که در ایستگاه‌های مرتفع بارش بیش برآورد شده و بر عکس در ایستگاه‌های کم ارتفاع‌تر بارش‌ها کم‌تر از میزان مشاهداتی برآورد شده‌اند، ولی در محصولات persianncdr و trmm در همه ایستگاه‌ها بارش‌های تخمینی کم برآورده شده است. با توجه به نتایج به‌دست ‌آمده محصول imerg نسبت به سه محصول chirps، persianncdr و trmm بهتر عمل کرده است.

Evaluation of satellite precipitation products for estimating heavy precipitation on the Caspian coast

IntroductionClimate changes and global warming have caused changes in weather patterns and the occurrence of serious events in different regions of the earth. Therefore, it is necessary to predict destructive floods, especially in coastal areas, to announce flood warnings and control them. Satellite precipitation estimation systems often generate data with global coverage that can provide information in areas where data from other sources are not available. Satellite retrieval and estimation systems, rain gauges, and radar networks complement each other regarding coverage and rainfall monitoring capabilities. Satellite precipitation estimation systems often produce data with global coverage. One of the main advantages of satellitebased precipitation products is the ease of realtime data availability and high spatialtemporal resolution. Currently, various satellite precipitation products such as GPM, TRMM, GSMap, CMORPH, CHIRPS, etc. are available to the public.Materials and MethodsIn this study, the southwest coastline of Caspian Sea, Gilan province is considered as the study area and the accuracy of four satellitebased products namely CHIRPS, GPIMIMERG, PERSIANN CDR, TRMM3B42V7 is compared in order to estimate the heavy precipitation from 2017 to 2021. Estimates are performed using categorical indices including PC, CSI, BIAS, and HSS and statistical criteria of correlation coefficient (Corr) and normalized root mean square error (nRMSE).Results and DiscussionEvaluations and statistical criteria are conducted by comparing estimated satellite precipitation with ground stations through definitive indicators as well as the height of each station and the average of all stations respectively. The results show that in the PC index in eight stations, all of which are located at an altitude of fewer than 40 m above sea level and on the Caspian coast, the product IMERG scores higher than other products. The weakest performance in the PC index at the threshold of more than 5 mm belongs to TRMM and PERSIANNCDR, which have the lowest scores jointly in eight stations. According to the results obtained from CSI, IMERG product had better performance in all stations except the Manjil station. Additionally, evaluation of the height of stations and the results obtained from this index demonstrate the fact no relationship was found between station height and product performance. In the Bias quality index, in IMERG and CHIRPS products, the bias of each station is directly related to its height, so that in higher stations, rainfall is overestimated, and vice versa in lower altitudes, the precipitations have been underestimated less than the amount of observation.ConclusionThe IMERG product has performed better than the other three products in all categorical indices and correlation criteria. Finally, to evaluate and analyze heavy precipitation in the coastal strip of Gilan province and studies related to precipitation estimation, it is suggested that the IMERG product be used as a priority. The analysis carried out in this study, from the collection of satellite precipitation bases in estimating heavy precipitation in coastal areas, reveals the need to study and investigate this issue as much as possible in future research.