تولید بارش شبکه بندی با استفاده از ترکیب بهینه پایگاههای داده بارش جهانی

نویسندگان

1 دانش آموخته دکتری مهندسی منابع آب دانشگاه شهید چمران اهواز، اهواز، ایران

2 استاد دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

3 استادیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران

4 دانش‌آموخته مهندسی عمران-محیط زیست، گروه عمران-محیط زیست، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران

چکیده

از آنجاییکه داده‌های شبکه‌بندی شده راه‌حل جدیدی از برآورد میزان بارش با تنوع مکانی و زمانی ارائه می‌دهند این تحقیق به ارزیابی عملکرد سه مجموعه داده باران شبکه بندی شده PERSIANN، CMORPH و GLDAS و ترکیب آنها با روش گام به گام در بالادست ایستگاه هیدرومتری ایدنک پرداخته است و خروجی این محصولات با داده های بارش اندازه گیری شده در سطح زمین در ایستگاه های دهنو، قلعه رییسی، ایدنک و مارگون مقایسه شد. نتایج بیانگر این است که داده‌های ترکیبی بر اساس مقادیر RMSE در کلیه ایستگاه ها بهترین عملکرد را داشته و کمترین این مقدار در ایستگاه مارگون با مقدار 5/5 میلی متر برآورد شده است؛ همچنین از نظر پارامتر ضریب همبستگی نیز داده‌های ترکیب شده همبستگی خطی بیشتری با داده های مشاهداتی ارائه می نماید به گونه ای که بیشترین ضریب همبستگی خطی برابر با 0/497 می باشد. همچنین نتایج نشان می دهد که استفاده از ترکیب داده‌ها سبب بهبود توزیع مکانی باران در دو فصل تر و خشک خواهد شد. نتایج تحقیق بر روی توزیع میزان بارش بیانگر این است که ترکیب داده‌ها در برآورد تعداد واقعه های باران به تفکیک کلاس‌های مختلف موفق نبوده و مجموعه داده PERSIANN نتایج مناسبتری را ارائه می کند.

کلیدواژه‌ها

عنوان مقاله [English]

Derivation of rainfall events using the gridded rainfall data using optimal combination of global rainfall datasets

نویسندگان [English]

  • Ali Gorjizade 1
  • َAlimohammad Akhoond-Ali 2
  • Ali Shahbazi 3
  • Fateme Salmannia 4
1 Ph.D. Graduate of Water Resources Engineering, Shahid Chamran University, Ahvaz, Ahvaz, Iran
2 b Professor, Department of Hydrology and Water Resources, Faculty of Water Engineering, Shahid Chamran University of Ahvaz, Ahwaz, Iran
3 Assistant Professor, Department of Hydrology and Water Resources, Faculty of Water Engineering, Shahid Chamran University of Ahvaz Ahwaz, Iran
4 M.Sc Graduate in Civil- Environmental Engineering, Civil- Environmental Engineering Department, Faculty of Water Engineering, Ahwaz, Iran
چکیده [English]

Since Gridded data provide a new solution for estimating rainfall with spatial and temporal variability, this study evaluates the performance of three gridded rainfall data sets PERSIANN, CMORPH and GLDAS and combines them with stepwise method in Upstream of the Idenak hydrometric station, the output of these products was compared with the rainfall data measured at the ground at the Dehno, Qaleh-Raeisi, Idenak and Margon stations. The results show that the combined data based on RMSE values had the best performance in all stations and the lowest value was estimated in Margon station with a value of 5.5 mm; Also, in terms of correlation coefficient parameter, the combined data provide more linear correlation with observational data, so that the maximum linear correlation coefficient is equal to 0.497. The results also show that the use of data combination will improve the spatial distribution of rainfall in both wet and dry seasons. The results of research on rainfall distribution indicate that the data combination has not been successful in estimating the number of rainfall events by different classes and the PERSIANN data set provides more appropriate results.

کلیدواژه‌ها [English]

  • Rainfall Estimation
  • Combination of Gridded Data
  • Evaluation Indicators
  • Maroon Dam basin
  • stepwise methode

مراجع

Allen RG, Pereira LS, Raes D, Smith, 1998. Crop evapotranspiration guidelines for computing crop water requirements- FAO Irrigation and Drainage Paper, No. 56. Rome.
Azizi Gh, Yarahmadi D, 2003. Investigating the relationship between climate parameters and wheat yield using regression model (Case study: Seilab Khor plain). Journal of Geographical Studies, 44: 23-29. [Persian]
Bazgir S, Kamali QA, 2008. Rainfed wheat yield forecast using agricultural meteorological indices in some western regions of the country. Journal of Science and Technology of Agriculture and Natural Resources,15(2): 113-121. [Persian].
Cai X, 2005. Risk in irrigation water supply and the effects on food production. Journal of the American Water Resources Association, 41(3): 679-692.
Dashti G, Bagheri P, Pishbahar E and Majnooni-Heris A, 2018. Evaluation of Climate Change effect on Evapotranspiration and Yield of Rainfed Wheat in Ahar, Iranian Journal of irrigation and Drainage, 12: 409-423.
Kamali QA, Sadaghiani Pur A, Sadaghat Kerdar A, 2008. Investigating climate potential of rainfed wheat in East Azarbaijan province. Water and Soil Science, 22(2):467-483.
Lu H, Bryant RB, Buda AR, Collick AS, Folmar GJ, Kleinman PJ, 2015. Long-term trends in climate and hydrology in an agricultural, headwater watershed of central Pennsylvania, USA. Journal of Hydrology:  Regional Studies, 4: 713-731.
Mousavi-Baygi M, Bannayan M, Ashraf B, Asadi Oskuei E, 2016. Assessment of climatic indices limiting rainfed wheat yield. Ecological Indicators, 62: 298-305.
Musavi Bayeghi M, Ashraf B, Ramazan Zadeh Hazhbar F, 2013. Identification of susceptible areas and determining the appropriate date for the cultivation of wheat in dryland of Khorasan Razavi province, Agronomy Journal. 99:131-140.
Nassiri M, Koochechi A, Kamali GA, Shahandeh H, 2006. Potential impact of climate change rainfed wheat production in Iran. Archives of Agronomy and Soil Science, 52 (1): 113-124.
Norwood CA, 2000, Dryland winter wheat as affected by previous crops. Agronomy Journal. 92:121–127.
Rosegrant MW, Agcaoili M, 2010. Global food demand, supply, and price prospects to 2010. International Food Policy Research Institute, Washington, DC. USA.
Sabzchi H, Sadraddini AA, Nazami AH, Majnooni-Heris A, Asim B, 2021. Recognition of different yield potentials among rain-fed wheat fields before harvest using remote sensing. Agricultural Water Management, 245: 106611.
 Salehnia N,  Salehnia N,  Saradari Torshizi A and  Kolsoumi S, 2020. Rainfed wheat (Triticum aestivum L.) yield prediction using economical, meteorological, and drought indicators through pooled panel data and statistical downscaling. Agricultural Water Management, 111: 105991.
Taliei AA, Bahrami N. 2003, Effect of rainfall and temperature on rainfed wheat yield in Kermanshah province. Soil and Water Sciences Journal, 17(1): 106-112.
 
دانش آب و خاک
دوره 32، شماره 2
تیر 1401
صفحه 43-58

فایل ها

هم رسانی

ارجاع به این مقاله

آمار