نوع مقاله : مقاله پژوهشی

نویسندگان

• علیرضا یوسفی کبریا ¹
• مهدی نادی ²

¹ دکتری هواشناسی کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران. رایانامه: alirezau3fikrbriya@gmail.com،

² دانشیار گروه هواشناسی کشاورزی، گروه مهندسی آب، دانشکده مهندسی کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران. رایانامه:

چکیده

داده‌های بارش با وضوح بالا از نظر زمانی و مکانی، یکی از پایه‌های اساسی در طیف وسیعی از مطالعات محیطی و هیدرولوژیکی به شمار می‌روند. در این مطالعه، داده‌های سه محصول ماهواره‌ای بارش CHIRPS، GPM و PERSIANN با استفاده از Google Earth Engine استخراج و با مشاهدات ایستگاه‌های زمینی در استان خوزستان طی سه سال 2010، 2018 و 2022 در مقیاس ماهانه ارزیابی شدند. شاخص‌های آماری شامل RMSE، MAE، MBE، ضریب همبستگی پیرسون، R² و تائو کندال برای سنجش دقت محصولات به‌کار گرفته شد. نتایج نشان داد که CHIRPS و PERSIANN از دقت مطلق بالاتری نسبت به GPM برخوردارند؛ مقادیر RMSE برای CHIRPS بین 3/17 تا 8/22 میلی‌متر و برای PERSIANN بین 3/15 تا 9/25 میلی‌متر بود، در حالی که RMSE محصول GPM در سال پربارش ۲۰۱۸ به حدود 1/97 میلی‌متر رسید. تحلیل بایاس نیز نشان داد GPM بیش‌برآورد قابل توجهی با MBE بین 8/30 تا 6/57 میلی‌متر دارد، در حالی که CHIRPS بایاسی نزدیک به صفر و PERSIANN بایاسی مثبت اما ملایم نشان داد. از نظر همبستگی زمانی، GPM بالاترین ضرایب همبستگی پیرسون (تا 92/0) و R² (تا 85/0) را ثبت کرد، اگرچه با خطاهای مطلق بالا همراه بود. مقادیر تائو کندال بیش از 65/0 برای هر سه محصول بیانگر توانایی مناسب آن‌ها در بازنمایی پویایی زمانی بارش است. تحلیل‌های چندمتغیره نشان داد که دقت محصولات به‌شدت وابسته به شدت بارش است؛ به‌طوری‌که CHIRPS و PERSIANN در بارش‌های کم تا متوسط عملکرد پایدارتری دارند، در حالی که GPM در تمامی رژیم‌های بارشی تمایل به بیش‌برآورد نشان می‌دهد. بر این اساس، CHIRPS و PERSIANN گزینه‌های مناسب‌تری برای کاربردهای کمی در خوزستان محسوب می‌شوند و استفاده از GPM مستلزم اعمال اصلاحات مقداری متناسب با شرایط اقلیمی منطقه است.

کلیدواژه‌ها

• برآورد بارش
• محصولات ماهواره‌ای
• دقت سنجی
• تحلیل آماری
• نقشه هم‌بارش

عنوان مقاله [English]

Assessment of Performance and Accuracy of Satellite Precipitation Products (CHIRPS, GPM, and PERSIANN) in Khuzestan Province

نویسندگان [English]

• Alireza Yousefi Kebriya ¹
• Mehdi Nadi ²

¹ Ph.D., Department of Water Engineering, Sari Agricultural Sciences and Natural Resources University, sari, Iran. ORCID: https://orcid.org/0000-0002-7941-4948 , Email: alirezau3fikrbriya@gmail.com

² Associate Professor, Department of Agricultural Meteorology, Department of Water Engineering, Faculty of Agricultural Engineering, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran. (Email: Mehdi.nadi@gmail.com)

چکیده [English]

High-resolution precipitation data in both temporal and spatial domains are considered fundamental inputs in a wide range of environmental and hydrological studies. In this study, precipitation data from three satellite-based products (CHIRPS, GPM, and PERSIANN) were extracted using Google Earth Engine and evaluated against ground-based station observations in Khuzestan Province for the years 2010, 2018, and 2022 at a monthly time scale. A set of statistical indicators, including RMSE, MAE, MBE, Pearson correlation coefficient, R², and Kendall’s tau, was employed to assess the accuracy of the products.
The results indicated that CHIRPS and PERSIANN exhibited higher absolute accuracy compared to GPM. The RMSE values ranged from 17.3 to 22.8 mm for CHIRPS and from 15.3 to 25.9 mm for PERSIANN, whereas GPM showed a substantially higher RMSE of approximately 97.1 mm in the wet year of 2018. Bias analysis also revealed a significant overestimation in GPM, with MBE values ranging between 30.8 and 57.6 mm, while CHIRPS showed a near-zero bias and PERSIANN demonstrated a moderate positive bias.

In terms of temporal correlation, GPM achieved the highest Pearson correlation coefficients (up to 0.92) and R² values (up to 0.85), although this strong agreement in pattern was accompanied by large absolute errors. Kendall’s tau values above 0.65 for all three products indicate their general ability to capture precipitation temporal dynamics. Multivariate analyses further revealed that the performance of satellite products is highly dependent on rainfall intensity; CHIRPS and PERSIANN showed more stable performance under low to moderate rainfall conditions, whereas GPM consistently exhibited overestimation across all rainfall regimes.
Accordingly, CHIRPS and PERSIANN can be considered more reliable options for quantitative applications in Khuzestan Province, while the use of GPM requires bias correction tailored to local climatic conditions.

کلیدواژه‌ها [English]

• Precipitation estimation
• satellite-based products
• accuracy assessment
• statistical analysis
• isohyetal mapping