ارزیابی پارامتر تابش خورشیدی ورودی به زمین حاصل از مدل‌های تجربی و ماهواره‌ای

یکی از مهم‌ترین فرآیندهای انتقال آب و انرژی در چرخه هیدرولوژیکی، تبخیرتعرق است و تابش خورشیدی انرژی لازم برای انجام این فرآیند را تامین می‌کند. درنتیجه تخمین هرچه دقیق‌تر میزان تبخیرتعرق به تخمین دقیق میزان تابش خورشیدی وابسته است. این تحقیق با هدف ارزیابی میزان تابش خورشیدی در سطح زمین حاصل از سه روش معادلات تجربی (مدل‌های آنگستروم و هارگریوزسامانی) مدل‌های فیزیکی داده‌گواری شده (gldas/noah، ncep/ncar)و مشاهدات ماهواره‌ای (cmsaf)با استفاده از اندازه‌گیری‌های زمینی صورت گرفته است. نتایج این تحقیق نشان داد مدل کالیبره شده آنگستروم با ضریب تبیین برابر با 0.9 و seeبرابر با 2.58 بهترین عملکرد را داشته است. اما دقت این مدل وابسته به روش کالیبراسیون و وجود داده‌های ساعات آفتابی است. محصول تابش سطح زمین مستخرج از gldas/noah با ضریب تبیین و seeبه ترتیب برابر با 0.87 و 3.5 بهترین کارایی را بعد از مدل واسنجی شده آنگستروم داشت. مدل gldas/noahبا وجود برآورد 10.2 درصدی تابش خورشیدی بیش از اندازه‌گیری زمینی، در مناطقی که کمبود داده هواشناسی وجود دارد می‌تواند کارایی بسیار خوبی داشته باشد.

Evaluation of Incoming Solar Radiation Parameter Derived from Empirical and Satellite Models

Evapotranspiration is one of the most important processes in water and radiative transfer in hydrological cycle, and the required energy for this process is provided by solar radiation. Therefore, the accuracy of evapotranspiration estimation is strongly depends on the accuracy of solar radiation estimation. This study was conducted to evaluate the different surface solar radiation models such as empirical models (Angstrom and HargreavesSamani), physicallybased models (NCEP and GLDAS) and a satellite observation model (CMSAF). The results showed that the calibrated Angstrom model with R2=0.9 and SEE=2.58 was the most efficient model. However, the accuracy of this model is strongly depends on the calibration procedure and the existence of sunshine data. The GLDAS model with R2= 0.87 and SEE=3.5 was the second most efficient model after calibrated Angstrom model. The GLDAS model, in spite of 10.2% overestimation of surface solar radiation, can be the most efficient model in areas with the lack of meteorological data.