پایگاه های داده های جهانی، یک منبع کامل از اطلاعات مورد نیاز بارش را در اختیار کاربران قرار می دهد. هدف از این تحقیق، بررسی دقت پایگاه های داده-های جهانی بارش TRMM، NCEP و MERRA، در تخمین بارش روزانه و ماهانه حوزه آبریز بالخلوچای استان اردبیل می باشد. داده های بارش ایستگاه سینوپتیک نیر از سال 2002 تا 2018 از سازمان هواشناسی و سه پایگاه ذکر شده اخذ گردید. برای بررسی روند و همگنی داده های بارش، از آزمون های من-کندال، من-ویتنی و نرمال استاندار استفاده شد. برای سه پایگاه داده جهانی بارش، شاخص های R2 ، RMSE، NSE ، RE و GMER تعیین شد. نتایج آزمون همگنی داده ها نشان داد که تمام P-Value های مورد نظر بالاتر از 05/0 بوده و داده های مربوط به بارش کاملا تصادفی و همگن می باشند. در دو پایگاه TRMM و NCEP ضریب R2 در حد خوب بوده و بالای 6/0 به دست آمده است. پایگاه MERRA در این مورد عملکرد ضعیف تری داشته است. برای دوره ماهانه، در دو پایگاه داده TRMM و NCEP، شاخص NSE بالاتر از 5/0 به دست آمد که بیانگر قابل استناد بودن داده های تولید شده بارش در این دو ایستگاه می باشد. در سطح روزانه و ماهانه، برای هر سه پایگاه داده جهانی پارامتر GMER کوچکتر از واحد به دست آمد که نشان می دهد هر سه پایگاه دارای بیش برآوردی می باشند. بیش تخمینگری برای پایگاه داده جهانی MERRA بسیار شدیدتر از دو پایگاه دیگر می باشد. پایگاه داده MERRA نسبت به پایگاه داده های NCEP و TRMM عملکرد ضعیف تری دارد. در کل پایگاه TRMM نسبت به پایگاه های دیگر کارایی بهتری دارد.

نسبت بارش یک روزه به بارش سالانه، معیاری برای شناسایی شدت بارش های روزانه است. بالا بودن این نسبت بیانگر آن است که احتمال دارد تمام و یا بیشتر بارش سالانه در مدت فقط چند روز اتفاق افتد؛ به عبارت دیگر، بالا بودن این نسبت، نشان می دهد که بیشتر بارندگی ها اکثرا شدید و رگباری هستند و بر عکس پایین بودن این نسبت حاکی از وقوع بارندگی های ملایم و فراوانی بیشتر روزهای بارانی است. در این تحقیق، داده های بالاترین بارش روزانه 46 ایستگاه سینوپتیک ایران طی سال های 1976 تا 2005، با هدف بررسی نسبت حداکثر بارش های روزانه به بارش های سالانه از سازمان هواشناسی کشور دریافت شد. ابتدا از روش های آماری شامل آزمون های همبستگی، رگرسیون دومتغیره و چندگانه، آنالیز واریانس و آزمون ناپارامتری فریدمن استفاده شد تا تاثیر عوامل مستقل ارتفاع، عرض و طول جغرافیایی بر این نسبت و همچنین داری تغییرات نسبت حداکثر بارش های روزانه به بارش های سالانه درطول دوره آماری بررسی شود. سپس برای بررسی مشاهداتی از نمودارها و نقشه ها استفاده شد. در نهایت، با روش خوشه بندی وارد، پهنه بندی اقلیمی ایستگاه های مورد مطالعه از نظر نسبت بارش ارایه شد. در بررسی تاثیر عرض جغرافیایی بر نسبت حداکثر بارش های روزانه به بارش های سالانه ایران، نتایج نشان داد که با کاهش عرض جغرافیایی از شمال به جنوب کشور میزان این نسبت افزایش می یابد. بررسی تغییرات نسبت حداکثر بارش های روزانه به بارش های سالانه در طول دوره آماری در هر یک از ایستگاه ها نشان داد که این تغییرات تنها در ایستگاه سنندج معنی دار است. تغییرات این نسبت در گستره ایران نشان داد که دهه اول با دهه دوم تفاوت معنی داری ندارد؛ اما تغییرات دهه سوم نسبت به دهه اول به صورت معنی دار افزایش پیدا کرده است. همچنین نتایج نشان داد بین حداکثر بارش روزانه ایستگاه ها و بارش سالانه آنها رابطه معنی داری وجود دارد؛ یعنی با افزایش بارش سالانه میزان حداکثر بارش روزانه ایستگاه ها افزایش می یابد. در نهایت، پهنه بندی اقلیمی ایستگاه ها وجود پنج طبقه اقلیمی را از نظر نسبت حداکثر بارش های روزانه به بارش های سالانه در کشور نشان می دهد.

بارش یکی از متغیرهای مهم برای بسیاری از کاربردها و رشته های مرتبط با منابع آب و سامانه ژیوفیزیک زمین بوده که عنصر اصلی در وقوع رخدادهای شدید و سیل آساست. سامانه های تخمین بارش ماهواره ای داده هایی اغلب با پوشش جهانی تولید می کنند که می توانند اطلاعاتی را ارایه دهند که داده های منابع دیگر ثبت بارش در دسترس نیستند. در این مطالعه، محدوده نوار ساحلی جنوب غرب دریای خزر، استان گیلان، به عنوان منطقه مورد مطالعه در نظر گرفته شده و دقت چهار محصول ماهواره ای GPM-IMERG، CHIRPS، PERSIANN-CDR و TRMM-3B42V7، برای برآورد بارش های سنگین از سال 1396 تا سال1400 مقایسه شد. ارزیابی ها به صورت مقایسه بارش های برآورد شده ماهواره ای با ایستگاه های زمینی با در نظر گرفتن ارتفاع هر ایستگاه و میانگین کل ایستگاه ها، با استفاده از شاخص های 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 کم تر از 40 متر از سطح آب های آزاد و در نوار ساحل دریای خزر پراکنده اند، محصول بارش ماهواره ای IMERG امتیاز بیش تری نسبت به مابقی محصولات کسب کرد. ضعیف ترین عملکرد در شاخص PC در آستانه بیش تر از پنج میلی متر، مربوط به ماهواره های TRMM و PERSIANN-CDR بود که کم ترین امتیازات را در همه ایستگاه ها کسب کردند. نتایج شاخص CSI نشان داد که در همه ایستگاه ها، به جز ایستگاه منجیل، محصول بارش ماهواره ای IMERG عملکرد بهتری دارد. هم چنین در بررسی تاثیر ارتفاع ایستگاه ها و برآورد ماهواره ای بارش در شاخص CSI، ارتباطی بین ارتفاع ایستگاه ها با عملکرد محصولات یافت نشد. در شاخص کیفی Bias، در محصولات IMERG و CHIRPS، سوگیری هر ایستگاه ارتباط مستقیمی با ارتفاع آن دارد به طوری که در ایستگاه های مرتفع بارش بیش برآورد شده و بر عکس در ایستگاه های کم ارتفاع تر بارش ها کم تر از میزان مشاهداتی برآورد شده اند، ولی در محصولات PERSIANN-CDR و TRMM در همه ایستگاه ها بارش های تخمینی کم برآورده شده است. با توجه به نتایج به دست آمده محصول IMERG نسبت به سه محصول CHIRPS، PERSIANN-CDR و TRMM بهتر عمل کرده است.

سابقه و هدف: سیلاب ها یکی از مخرب ترین بلایای طبیعی در جهان هستند که سبب خسارات بزرگی در جوامع انسانی و تغییر محیط طبیعی می شوند. در سالهای اخیر، احتمال وقوع سیل در بسیاری از نقاط جهان موجب نگرانی دائمی برای مردم و دولت ها شده است. این مسئله سبب شده که نیاز به مهندسین و مدیران کارآزموده برای کاهش اثرات سیل بر جامعه و محیط زیست بیش از پیش احساس شود. پیش بینی سیل یکی از روشهای غیرسازه ای مدیریت ریسک سیلاب است که اطلاعات ارزشمندی برای خدمات هشدار سیل مهیا می کند و مردم و ارگان های مختلف در وضعیت اضطراری زمان کافی برای آماده سازی اقدامات مقابله سیل را خواهند داشت. مواد و روش ها: در این مطالعه شاخص های بارش استادارد شده (SPI) و شاخص بارش-تبخیر و تعرق استادارد شده (SPEI)، جهت مشخص نمودن دوره های مرطوب، در دو ایستگاه هواشناسی درزیکلا و سنگده در حوضه آبریز کسیلیان واقع در استان مازندران با کدنویسی در نرم افزار R محاسبه گردید. سپس نتایج حاصل با سری زمانی دبی رودخانه (ایستگاه هیدرومتری ولیک بن)، از این نظر که آیا این شاخص ها توانایی تشخیص و پیش بینی سیل را دارد یا نه، مورد بررسی و تجزیه و تحلیل قرار گرفتند. پارامتر های احتمال تشخیص (POD)، نسبت هشداردهی اشتباه (FAR) و شاخص موقعیت بحرانی (CSI) برای ارزیابی میزان موفقیت شاخص های مذکور در تشخیص سیل، در ایستگاه های مورد مطالعه محاسبه شد. یافته ها: نتایج نشان داد که بیشترین و کمترین مقدار POD مربوط به شاخص های SPEI و SPI به ترتیب برابر 89/0 و 68/0 است. این مقادیر برای پارامتر CSI برای شاخص های ذکر شده به ترتیب برابر 71/0 و 62/0 به دست آمد. همچنین بیشترین و کمترین مقدار پارامتر FAR برای SPEI و SPI به ترتیب برابر 32/0 و 11/0 می باشد. بررسی تغییرات زمانی این شاخص ها نشان داد که شاخص SPEI به دلیل استفاده از داده ی دما و به تبع آن محاسبه تبخیر و تعرق-مخصوصاً در انتهای بهار و تابستان-کارایی تا حدودی بهتر از شاخص SPI در حوضه کسیلیان با رژیم برفی بارانی دارد. نتیجه گیری: در کل بر اساس نتایج سه پارامتر POD، FAR و CSI پیشنهاد می شود که در حوضه های با رژیم برفی بارانی استفاده از شاخص SPEI به دلیل استفاده از دما برای ذوب برف علی الخصوص در فصل بهار و تابستان برای پیش بینی سیل مناسب تر و کاراتر از شاخص SPI است. هرچند که شاخصSPI با به کارگیری تنها یک پارامتر، نتایج مطلوبی در پیش بینی سیلاب بدست می دهد و از آنجا که بارش تنها داده ای است که در همه حوضه های آبریز با دقت مناسب و از سالیان دور در دسترس بوده و حداقل دو ارگان در سطح کشور به جمع آوری اطلاعات مربوط به آن می پردازند، این شاخص نیز حائز اهمیت است.

در این مقاله به کمک داده های بارش روزانه 333 ایستگاه سینوپتیک و کلیماتولوژی 366 نقشه هم بارش کشور به روش کریگینگ روی یاخته های 18´18 کیلومتر محاسبه و یک ماتریس 5214´366 حاصل شد. انجام یک تحلیل خوشه ای بر روی فواصل اقلیدسی این ماتریس به روش ادغام وارد نشان داد که برحسب مقدار و زمان دریافت بارش در ایران هشت ناحیه بارشی متمایز وجود دارد. آرایش جغرافیایی این نواحی آشکار می سازد که هرچند مقدار بارش تا اندازه ای به ناهمواری ها وابسته است اما زمان دریافت بارش بیشتر آرایش مداری دارد و با پیشروی و پسروی سامانه های همدید وابستگی دارد.

عناصر مختلف اقلیمی دارای و نوساناتی در طول زمان هستند که باید این نوسانات بررسی و شناخته شوند بعضی از این نوسانات از الگوهای خاصی پیروی می کند و بعضی دارای الگوهای نوسانی منظم نیستند. این نوسانات نامنظم، تغییرات تصادفی نامیده می شوند. براین اساس برای سنجش و پیش بینی تغییرات تصادفی در بارش فصلی و سالانه ایران از مدل های تغییرات تصادفی استفاده شد. با توجه به سنجش و پیش بینی مدل ها، بارش فصلی تمامی ایستگاه ها دارای تغییرات تصادفی بودند. در سنجش بارش سالانه ایستگاه ها، بارش سالانه ایستگاه تبریز بدون تغییرات تصادفی بود و بارش سالانه ایستگاه های دیگر تحت تاثیر تغییرات تصادفی می باشند. همچنین بارش فصلی ایستگاه های اهواز، بندر انزلی، تبریز و یزد از مدل های متغیر پیروی می کنند و بارش فصلی ایستگاه های اصفهان، بندر عباس، خرم آباد، زاهدان و مشهد از مدل های ثابت پیروی می کنند.

امروزه داده های بارش ماهواره ای با قدرت تفکیک مکانی و زمانی بالا، یک منبع جایگزین مناسب برای انجام مطالعات مختلف اقلیمی و هیدرولوژیکی در مناطق فاقد آمار و مناطق با عدم توزیع یکنواخت ایستگاه ها است. استفاده از این داده ها با شرط داشتن دقت کافی، برای کشور ایران که بسیاری از قسمت های آن به ویژه مناطق بیابانی و کوهستانی به دلیل تراکم پایین ایستگاه ها، طول دوره آماری کوتاه ایستگاه های جدید و غیره، همواره با مشکلات دسترسی به اطلاعات مکانی و زمانی اقلیم مواجه می باشند، از اهمیت زیادی برخوردار است. از این رو، هدف اصلی تحقیق حاضر ارزیابی دقت داده های بارش GPM و TRMM در مقابل داده های ثبت شده ایستگاه های منتخب در سطح ایران است. برای رسیدن به این منظور، از روش های سنجش از دوری و آماری استفاده شد. داده های مورد استفاده شامل داده های بارش روزانه 70 ایستگاه هم دیدی منتخب و داده های شبکه بندی شده بارش GPM و TRMM با قدرت تفکیک مکانی 0. 25×0. 25 درجه جغرافیایی طی دوره زمانی 2016-2014 است. نتایج به دست آمده نشان داد که در حالت کلی مقادیر بارش روزانه سنجنده های نام برده شده از دقت مناسبی در سطح ایران برخوردار نیستند و میزان خطای بارش برآوردی برای بیشتر ایستگاه ها قابل توجه است. مقایسه دقت سنجنده های TRMM و GPM در برابر داده های مشاهده ای نشان داد که هر چند شباهت زیادی بین مقادیر بارش برآوردی GPM و TRMM وجود دارد، ولی دقت داده های روزانه سنجنده GPM در سطح ایران نسبت به داده های TRMM بیشتر است. زیرا مقدار ضریب تعیین برای داده های بارش TRMM در بهترین حالت به 0. 46 و برای GPM به 0. 6 می رسد. از نظر مکانی، بهترین دقت پایگاه داده های سنجش ازدوری GPM و TRMM در غرب کشور و به ویژه در امتداد کوه های زاگرس است و همانند بسیاری از پایگاه داده های دیگر کمترین دقت در نواحی ساحلی و به ویژه سواحل دریای خزر مشاهده می شود. بررسی و مقایسه مجموع بارش سالانه ایستگاه ها و پایگاه داده های دورسنجی نشان داد که نه تنها بین مقادیر بارش برآوردی بلکه از نظر مکانی نیز بین هسته های پر بارش و کم بارش اختلاف وجود دارد.

برای محاسبه ی قدرت فرسایندگی بارش، داده های فضایی بارندگی با وضوح بالا برای ارزیابی فرسایش باران ضروری است. سنجنده های باران، توزیع فضایی نامنظم و ناهماهنگی فضایی حاصل از بارش را در برآورد مقدار بارندگی به خوبی نشان نمی دهند؛ زیرا بارش را به صورت نقطه ای اندازه گیری می کنند. برآورد مقدار بارش از داده های ماهواره ای، راه حلی جایگزین برای این مشکل است که امکان برآورد مقدار بارش و توزیع فضایی آن را در مناطق بزرگ فراهم می کند. هدف از این پژوهش، ارزیابی قابلیت داده های بارشی ماهواره ی TRMM در برآورد بارش و پایش نرخ فرسایندگی در سطح ایران است. در این پژوهش از داده های ماهانه ی ماهواره یTRMM طی سال های 2000، 2005، 2010 و 2015، به منظور برآورد نرخ و ترسیم نقشه ی بارش و فرسایندگی با استفاده از شاخص فورنیه در سطح کشور استفاده شده است. برای ارزیابی دقت و صحت داده های TRMM نیز از آمار بارش ماهانه ی 45 ایستگاه زمینی هم زمان با داده های TRMM استفاده شده است. نتایج پژوهش در ارزیابی بارش و نرخ فرسایندگی نشان می دهد که به طورکلی، بیشترین نرخ بارش و فرسایندگی متعلق به ناحیه ی خزری، مناطق مرتفع زاگرس و البرز است و کم بارش ترین مناطق بارشی و نرخ فرسایندگی به ایران مرکزی، شرق و جنوب شرق کشور اختصاص دارد. سایر مناطق کشور نیز نرخ فرسایندگی بینابینی دارد. نتایج ارزیابی دقت داده های TRMM در قیاس با ایستگاه های زمینی نشان می دهد که ضریب R2 برای سال های پایش شده به ترتیب 86/0، 77/0، 73/0 و82/0 است که از این منظر، این داده ها جایگزین مناسبی برای ایستگاه های زمینی محسوب می شود. نتایج ضریب RMSE برای سال های پایش شده نیز به ترتیب برابر است با 152، 205، 213 و 273 که از این نظر، اختلاف بین داده های زمینی و ماهواره ای به دلیل قدرت تفکیک مکانی ضعیف داده های TRMM و ماهیت متفاوت برداشت با ایستگاه های زمینی نسبتاً زیاد است.