ارزیابی و صحت سنجی داده های بارندگی الگوریتم ماهواره ای persiann، با استفاده ازشبکه دیدبانی زمینی در ایران

چکیده اندازه گیری های دقیق بارندگی درانواع مقیاس های مکانی و زمانی نه تنها برای پیش بینی وضع هوا و علوم اقلیمی بلکه برای گستره وسیعی از مدیریت ها از جمله آبشناسان، کشاورزان، مدیریت های بحران، و صنعتگران دارای اهمیت بالایی می باشد. با این حال، درکاربردهای مذکورکمبود صحت دیده بانی های بارندگی در نواحی دور و در حال توسعه جوامع را با چالش مهمی روبه رو کرده است. در بسیاری از کشورهای جهان سوم شبکه های دیده بانی زمینی به صورت پراکنده توزیع شده اند و تراکم توزیع آنها در نقاط مختلف متفاوت است. با این وجود برآوردهای بارش ماهواره ای به طور گسترده ای در اندازه گیری بارندگی جهانی در مقیاس های زمانی ماهانه و تقریبا واقعی برای مطالعات اقلیمی، داده گواری پیش بینی عددی وضع آب و هوا ((nwp ، هشدار سیل، پتانسیل بارندگی حاره ای و پایش منابع آبی استفاده می شود. بنابراین مشابه هر داده دید بانی بررسی محدودیت ها و دقت های این برآوردها ضروری است. در این تحقیق عملکرد الگوریتم ماهواره ای persiann ، که با استفاده از روش قدرتمند شبکه عصبی مصنوعی، داده های ماهواره ای زمین ایستا و قطبی- مداری را ترکیب می کند، در منطقه ایران ارزیابی و صحت سنجی می شود. قدرت تفکیک زمانی داده های الگوریتم ماهواره ای ،persiann 3 ساعته و قدرت تفکیک مکانی آنها ?0.25 با فرمت باینری هستند. برای صحت سنجی این داده ها از داده های v1003r1 محصول زمینی داده های پروژه ادغام داده های دید بانی بارش با قدرت تفکیک بالا در راستای ارزیابی منابع آبی (aphrodite ) با قدرت تفکیک مکانی 0.25 درجه استفاده شده است. این داده ها پس از پردازش های اولیه ، توسط برنامه نویسی با فرترن 90 به داده های ماهانه، روزانه، فصلی و سالانه تبدیل شده است. نتایج بدست آمده حاکی از این است که الگوریتم persiann متاثر از فصل است. بدین صورت که در فصل پاییز و بهار بیشترین همبستگی مکانی و در نتیجه بیشترین تطابق را با داده های زمینی دارد و به خوبی الگوی بارشی حاکم بر فصل پاییز را شناسایی می کند اما مقادیر بارش را در این فصل کمتر از مشاهدات داده های زمینی برآورد می کند و در فصل بهار در بیشتر نقاط کشور عملکردی بالابرآورد دارد. نمودارهای پراکندگی استخراج شده برای میانگین فصلی بارش بین دو داده persiann و داده های زمینی نشان دادند ضرایب همبستگی مکانی بین دو داده در فصل زمستان به صورت 0.52، 0.41، 0.42 و در فصل پاییز به صورت 0.65 ، 0.64، 0.68 و در فصل بهار به صورت 0.68، 0.53 و 0.54 به ترتیب در کل کشور، ناحیه کوه های زاگرس و ناحیه دریای خزر است. کمترین تطابق ( 0.4? ضریب همبستگی) بین دو داده در فصل خشک تابستان مشاهده می شود . همچنین بررسی میانگین بارش سالانه در هر دو نوع داده زمینی و ماهواره ای نشان میدهد که الگوریتم persiann در براورد میزان بارش مذکور تقریبا در کل کشور زیر برآورد است. بیشینه زیربرآورد 2.7 میلی متر بر روز در ناحیه دریای خزر است. نتایج نشان می دهد عملکرد الگوریتم ماهواره ای persiann در از سال 2005 تا 2007 به دلیل افزایش تعداد پارامتر های آموزش شبکه عصبی مصنوعی این الگوریتم، که شامل داده ای نمونه گیری شده از ماهواره های قطبی مدار است، رو به بهبود است. این الگوریتم در برآورد بارش های سنگین زیربرآورد و در فصل بهار و پاییز توانایی بالایی در شناسایی رخداد باران دارد.