Iranian Journal of Remote Sensing and GIS

Iranian Journal of Remote Sensing and GIS

Estimation of precipitation based on remote sensing technique in Alborz, Qazvin, Zanjan, Kurdistan and Hamedan provinces

Document Type : علمی - پژوهشی

Authors
Mojgan Ahmadi 1
abbas kaviani 2
Peyman Daneshkar Arasteh 3
Zohreh Faraji 4
1 . M.Sc. Student of Water resources engineering, Imam Khomeini International University
2 Assistant Professor of Water Engineering Dept,Imam Khomeini International University
3 Aassociated Professor of Water Engineering Dept., Imam Khomeini International University
4 . Ph.d candidate student in irrigation and drainage eng. From water science and engineering department, imam Khomeini International University
10.52547/gisj.11.2.21
Abstract
Determination of precipitation in energy balance calculations are vital for hydrological studies and meteorology.  Due to the importance of precipitation data in different sciences and the absence of a wide and appropriate rainwater meter, precipitation data needs to be estimated in some way. One of the ways to estimate precipitation is the use of satellite data In this study, GLDAS, CRU, GPCP, TRMM, CMAP and NCEP-NCAR models are evaluated with station data in Alborz, Qazvin, Zanjan, Kurdistan and Hamedan provinces. The results showed that GPCP, TRMM, CMAP and NCEP-NCAR had good outcomes in these regions, among which GPCP and TRMM provided better results.In the evaluation of GPCP with mean stations in the study area in pixel 3 in 2003, the explanatory factor (R2), EF coefficients, average error margin (MBE), absolute error of error (MAE) and root mean square error (RMSE) were 0.96, 0.94, 3.13, 5.30, and 6.58, respectively. In addition, precipitation data model of GLDAS is evaluated with station data. Results show that GLDAS model is not very accurate in areas with high precipitation such as Rasht and Noshahr stations.
Keywords
Precipitation
remote sensing
statistical tests
interpolation
  1. پلرودی مقدم، م.، حمزه، س. و وظیفه دوست، م.، 1395، بررسی روند تغییرات بارش و رواناب با استفاده از مدل جهانی سطح زمین (GLDAS) در حوضه سد دوستی، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی، دوره بیست ‌و پنجم، شماره نهم، صص56-43.
  2. حاجی حسینی، ح.، حاجی حسینی، م.، نجفی، ع.، مرید، س. و دلاور، د.، 1393، ارزیابی تغییرات متغیرهای هواشناسی و هیدرولوژیکی در بالادست حوضه هیرمند طی سده گذشته با استفاده از داده‌های اقلیمی CRU و مدل SWAT، تحقیقات منابع آب‌ایران، سال 10، شماره3، صص52-38.
  3. حجازی‌زاده، ز.، علیجانی، ب.، ضیاییان، پ.، کریمی، م. و رفعتی، س.، 1391، ارزیابی بارش ماهواره 3B43 و مقایسه آن با مقادیر حاصل از تکنیک درون‌یابی کریجینگ، سنجش از دور و GIS‌ایران، سال چهارم، شماره سوم، صص64-49.
  4. حجازی‌زاده، ا.، علیجانی، ب.، ضیاییان، پ.، کریمی، م. و رفعتی، س.، ۱۳۹۱، ارزیابی بارش ماهواره‌های3B43 و مقایسه آن با مقادیر حاصل از تکنیک درون‌یابی کریجینگ، سنجش از دور و GIS‌ایران، 4 (3)، صص64-49.
  5. دزفولی، د.، حسینی‌موغاری، م.، ابراهیمی، ک.، 1395، مقایسه اطلاعات بارش ماهواره‌ای PERSIANN و TRMM-3B42 با مشاهدات ایستگاه‌های زمینی (مطالعه موردی: حوضه گرگان‌رود)، علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، سال بیستم، شماره هفتادو ششم، صص 98-85.
  6. رسولی، ع.، عرفانیان، م.، ساری صراف، ب.، جوان، خ.، 1395، ارزیابی تطبیقی مقادیر بارندگی برآورد شده TRMM و بارش ثبت شده ایستگاه‌های زمینی در حوضه دریاچه ارومیه، فصلنامه علمی پژوهشی فضای جغرافیایی، سال 16، شماره 54، صص 195-217.
  7. رسولی، ع.، عرفانیان، م.، ساری‌صراف، ب. و جوان، خ.، ارزیابی تطبیقی مقادیر بارندگی برآورد شده TRMM و بارش ثبت شده ایستگاه‌های زمینی در حوضه دریاچه ارومیه، 1395، فصلنامه علمی-پژوهشی فضای جغرافیایی، سال شانزدهم، شماره 54، صص 217-195.
  8. رضیئی، ط. و فتاحی، ا.، ارزیابی کاربرد داده‌های NCEP/NCAR در پایش خشکسالی‌ایران، مجله فیزیک زمین و فضا، دوره 37، شماره2، صص 225-247.
  9. شیروانی، ا. و فخاری‌زاده شیرازی، ا.، 1393، مقایسه مقادیر مشاهداتی بارش و برآوردهای ماهواره TRMM در استان فارس، نشریه هواشناسی کشاورزی، جلد دوم، شماره سوم، صص،15-1
  10. صفوی، ح.، هیدرولوژی مهندسی،3، ارکان دانش،1385.
  11. غییور، ح.ا.، مسعودیان، م.، آزادی، م.، نوری، ح.، 1390، تحلیل زمانی و مکانی رویدادهای بارشی سواحل جنوبی خزر، تحقیقات جغرافیایی، سال بیست‌وپنجم، شماره صد، صص30-1.
  12. فرخ نیا ا. و مرید، س.، 1393، بررسی قابلیت داده های ماهواره بازیابی گرانش و آزمایش اقلیمی و خروجی مدل های سیستم جهانی تلفیق اطلاعات زمینی برای برآورد بیلان آب در مقیاس های مکانی بزرگ ( مطالعه موردی حوضه آبریز دریاچه ارومیه)، تحقیقات منابع آب‌ایران، سال دهم، شماره1.صص،62-51.
  13. کتیرایی بروجردی، پ. ،1392، مقایسه داده‌های بارش ماهانه ماهواره‌ای و زمینی در شبکه‌ای با تفکیک زیاد روی‌ایران، مجله ژئوفیزیک‌ایران، جلد7، شماره4، صص 149-160.
  14. مسعودیان، ا.، کیخسروی‌کیانی، م. و رعیت‌پیشه، ف.، 1393، معرفی و مقایسه پایگاه داده اسفزاری با پایگاه‌های داده GPCC، GPCP و CMAP ، فصلنامه تحقیقات جغرافیایی، سال 29، شماره 1، صص 73-87.
  15. معروفی، ص.، گل‌محمدی، گ.، محمدی، ک. و زارع‌ ابیانه، ح.، 1388، ارزیابی روش‌های زمین‌آمار در برآورد توزیع مکانی بارش استان همدان در محیط GIS، دانش آب و خاک، جلد یکم، شماره دوم، صص164-147.
  16. موغاری، م.، عراقی‌نژاد، ش. و ابراهیمی، ک.، 1396، بررسی دقت اطلاعات بارش شبکه‌بندی شده جهانی در حوضه دریاچه ارومیه، تحقیقات آب و خاک ‌ایران، دوره48، شماره 3، صص 598-587.
  17. میری، م.، رضیئی، ط. و رحیمی، م.، 1395، ارزیابی و مقایسه آماری داده‌های بارش TRMM و GPCC با داده‌های مشاهده‌ای در‌ایران، فیزیک زمین و فضا، دوره42، شماره3، صص 657-672.
  18. میری، م.، عزیزی، ق.، خوش‌اخلاق، ف.، رحیمی، م.، 1395، ارزیابی آماری داده‌های شبکه‌ای بارش و دما با داده‌های مشاهده‌ای در‌ایران، علوم و مهندسی آبخیزداری‌ایران، سال دهم، شماره 35، صص 39-50.
  19. Adler, R.F., Sapiano, M.R.F., Huffman, G.J., Wang, J., Gu, G., Bolvin, D., Chiu, L.,Schneider, U., Andreas, B., Nelkin, E., Xie, P., Ferraro, R., Shin, D., 2018, The Global Precipitation Climatology Project (GPCP) Monthly Analysis (New Version 2.3) and a Review of 2017 Global Precipitation, Journal of Atmosphere, 9, 138, 1-14, doi:10.3390.
  20. Bonan, G.B., Oleson, K.W., Vertenstein, M., Levis, S., Zeng, X., Dai,Y., Dickinson, R.E., & Yang, Z.L., 2002, The land surface climatology of the Community Land Model coupled to the NCAR Community Climate Model, Journal of Climate, 15,3123-3149.
  21. Bordi, I., Fraedrich, K., Petitta, M. & Sutera, A., 2006, Large- scale assessment of drought variability based on NCEP/NCAR and ERA-40 Re- Analyses, Water Resour Manage, 20, 899- 915.
  22. Chen, F., & Coauthors., 1996, Modeling of land-surface evaporation by four schemes and comparison with FIFE observations, Journal of Geophys, Res, 101,7251-7268.Doi:10.1029/ 95JD02165.
  23. Chokngamwong, R. & Chiu, L. S., 2008, Thailand daily rainfall and comparison with TRMM products, J. Hydrometeorol., 9(2):256-266.
  24. Chokngamwong, R. and Chiu, L. S., 2008, Thailand daily rainfall and comparison with TRMM products, J. Hydro-meteorol., 9(2):256-266.
  25. Dinku, T. Connor, S.J. Ceccato, P. & Ropelewski, C.F., 2008, Omparison of global gridded precipitation products over a mountainous region of Africa, International Journal of Climatology, 28-1627-1638.
  26. Diro, G. T., Grimes, D.I.F., Black, E., O’Neill, A. & Pardo- Iguezquiza, E., 2009, Evaluation of reanalysis rainfall estimates over Ethiopia, Int, J. Climatol., 29: 67-78.
  27. Fangl, H., Beaudoing, H., Rodell, W. Tengl W., & Vollmer, B., 2009, Global land data assimilation products, services and application from nasa hydrology data and information services center (HDISC), ASPRS 209 Annual Conference Baltimore, Maryland March8-13.
  28. Feidas, H., 2010, Validation of satellite rainfall products over Greece, Theor App Climatol, 99, 193-216.
  29. Guofeng,Z., Dahe,Q., Yuanfeng,L., Fenli,C., Pengfei,H., Dongdong,C., 2017, Accuracy of TRMM precipitation data in the southwest monsoon region of China, Theoretical and applied Climatology, 129.1-2:353-62.
  30. Harris, I., Jones, P.D., Osborn, T.J. & Lister, D.H., 2014, Updated high-resolution grids of monthly climatic observatios- the CRUTS3.10 Dataset, International Journal Climatology, 34(3):623-642.
  31. Janowiak, J., Gruber, A., Kondragunta, C., Livezey, R. & Huffman, G., 1998, A comparison of the NCEP-NCAR reanalysis precipitation and the GPCP rain gauge- satellite combined dataset with observational error consideration, Journal of Climate, 11, 2960-2979.
  32. Katiraie-Boroujerdy, S.PS., Nasrollahi, N., Hsu, KL., & Sorooshian, S., 2016, Quantifying the reliability of four global datasets for drought monitoring over a semiarid region: Theor. Appl. Climatol., 123,387-398.
  33. Keyantash, J. & Darcup, J. A., 2002, The quantification of drought indices, Bull. Amer. Meteor. Soc. 83, 1167- 1180.
  34. Koster, R. D., & Suarez, M. J., 1996, Energy and water nalace calculations in the Mosaic LSM. NASA Tech. Memo. 104606,Vol.9,60pp.
  35. Kummerow, C., Simposn, J., Thiele, O., Barnes, W., Chang, A. T. C., Stocker, E. & Nakammura, K., 2000, The status of the Tropical Rainfall Measuring Mission (TRMM) after two years in orbit, Journal of Applied Meteorology, 39 (12): 1965-1982.
  36. Liang, X., Lettenmaier, D. P., Wood, E. F., & Burges, S. J., 1994, Asimple hydrologically based model of land surface water and energy fluxes for GSMs, Journal of Geophys Res., 99, 14415-14428,doi:10.1029/94JD00483.
  37. Liang, X., Lettenmaier, D. P., Wood, E. F., & Burges, S. J., 1996, One-dimensional statistical dynamic representation of subgrid spatial variability of precipitation in the two-layer Variable Infiltration Capacity model, Journal of Geophys. Ress., 101, 21 403-21 422, doi:10.1029/96JD01448.
  38. Mitchell, T.D. Carter, T.R. Jones, P.D. Hulme, M. & New, M., 2004, A comprehensive set of high – resolution grids of monthly climate for Europe and the globe: the observed record (1901- 2000) and 16 scenarios (2001-2100), Tyndall Working Paper 55, Tyndall Center, UEA, Norwich, UK. http://www.tyndall.ac.uk/ [last accessed 19 April 2005].
  39. Moiwo, J.P. Yang, Y, Li, H. Han, S. & Hu, Y. 2009, Comparsion of GRACE with in situ hydrological measurement data shows storage depletion in Hai River basin, Northern China.Water SA, 35:663-670.
  40. Rodell, M., & Coauthors, 2004, The Global Land Data Assimilation System. Bull. Amer. Meteor. Soc., 85, 381-394, doi:10.1175/BAMS-85-3-381.
  41. Sheffield, J., Goteti, G., & Wood, E.F., 2006, Development of 50-yr high-resolutation global dataset of meteorological forcings for land surface modeling, Journal of Climate, 19,3088-3111, doi:10.1157/JCLI3790.1.
  42. Simpson, J., Adler, R.F. & North, G.R., 1988, A proposed tropical rainfall measuring mission (TRMM) satellite, Bulletin of the American meteorological Society, 69(3): 278-295.
  43. Sohn, B.J., Han, H. J. & Seo, E.K., 2010, Validation of satellite- based high- resolution rainfall products over the Korean Peninsula using data from a dense rain gage network, Journal of Applied Meteorology and Climatology, 49(4): 701-714.
  44. Tan, M.L., Ibrahim, A.L., Duan, ZH., Cracknell, A.P. & Chaplot, V., 2015, Evalution of six high-resolution satellite and ground-based precipitation products over Malaysia, Remote Sens, 7, 1504-1528.
  45. Wang, F., Wang, L., Koike, T., Zhou, H., Yang, K., Wang, A. & Li, W., 2011, Evolution and application of a fine-resolution global data set in a semiarid mesoscale river basin with a distributed biosphere hydrological model, Journal of Geophysical Research Vol. 116
  46. Wentz, F.J., Ashcroft, P. & Gentemann, C., 2001, Post- launch calibration of the TRMM microwave imager, Geoscience and Remote Sensing, IEEE Transactions on, 39(2): 415-422.