نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

ارزیابی و اصلاح اریبی محصولات بارش ماهواره‌ای با استفاده از توابع مفصل و الگوریتم‌ های فرا کاوشی

نوع مقاله : مقاله پژوهشی

نویسندگان
روح الله کاظمی آرپناهی 1
حیدر زارعی 2
فرشاد احمدی 3
محمد امین مداح 4
1 دانشجوی مقطع دکتری مهندسی منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز
2 استاد گروه منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز
3 دانشیار گروه منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز
4 استادیار گروه منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز
10.22125/iwe.2025.514687.1874
چکیده
تامین داده های مرتبط با ریزش های جوی از اهمیت حیاتی در ارزیابی های هیدرومتئورولوژیک در سطح حوضه آبریز برخوردارند. از طرفی دسترسی به داد های زمینی در بسیاری مواقع محدود بوده و از این رو کاربست داده های بارش برآوردی توسط ماهواره اهمیت بیشتری می یابد. به دلیل اندازه‌گیری غیرمستقیم و ماهیت سنجش‌ازدور، محصولات ماهواره‌ای نسبت به داده‌های ایستگاه‌های زمینی دارای خطا نظام مند است که در هر مکان لازم است مورد ارزیابی قرار گیرد. بنابراین در این پژوهش کارایی محصولات بارش ماهواره GPM و اصلاح خطا و اریبی داده‌های این ماهواره مورد بررسی قرار گرفت. در این تحقیق جهت تخمین میزان بارش، داده‌های بارش روزانه بارش ماهواره GPM و داده‌های 27 ایستگاه سینوپتیک حوضه آبریز کارون بزرگ در بازه زمانی سال‌های 2014 تا 2019 مورد ارزیابی قرار گرفت، و جهت اصلاح اریبی بارش ماهواره GPM از توابع مفصل فرانک و کلایتون که پارامتر وابستگی این توابع با استفاده از الگوریتم‌های PSO، HO و TSA محاسبه شد، مورداستفاده قرار گرفت. جهت ارزیابی نتایج، از آماره‌های Bias، RBias، RMSE، CC، POD ، CSI و FAR استفاده شد. نتایج نشان داد ماهواره GPM مقدار بارش در ارتفاعات پایین‌تر را نسبت به مناطق مرتفع بادقت بهتری برآورد می‌کند و تابع مفصل کلایتون با پارامتر وابستگی محاسبه شده با استفاده از الگوریتم فرا کاوشی PSO با 1/13 درصد بهبود مقدار Bias، 3/14 درصد بهبود مقدار RMSE و 2/22 درصد بهبود مقدار CC نتایج بهتری نسبت به سایر الگوریتم‌های مورداستفاده جهت اصلاح خطا و اریبی محصولات بارش ماهواره GPM داشته است.
کلیدواژه‌ها
سنجش‌ازدور
ماهواره GPM
توابع مفصل
الگوریتم‌های بهینه‌یابی
موضوعات

عنوان مقاله English

Evaluation and Bias Correction of Satellite Precipitation Products UsingCopula Functions and Meta-Hunting Algorithms

نویسندگان English

Rohollah Kazemi Arpanahi 1
Haidar zareih 2
Farshad Ahmadi 3
Mohammad Amin Maddah 4
1 PhD student in Water Resources Engineering, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz
2 Professor, Department of Water Resources, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz
3 Associate Professor, Department of Water Resources, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz
4 Assistant Professor, Department of Water Resources, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz
چکیده English

Access to data related to precipitation events is critically important in hydrometeorological assessments at the watershed level. On the other hand, access to ground data is often limited, thus making the application of satellite-derived precipitation data more significant. Due to indirect measurement and the nature of remote sensing, satellite products are systematically biased compared to ground station data, which must be evaluated at each location. Therefore, this study examined the performance of GPM satellite precipitation products and the correction of errors and biases in this data. In this research, daily precipitation data from the GPM satellite and data from 27 synoptic stations in the Karun River Basin were evaluated for the time period from 2014 to 2019. To correct the bias in GPM satellite precipitation, the Frank and Clayton copula functions were used, with the dependency parameters of these functions calculated using the PSO, HO, and TSA algorithms. For result evaluation, the statistics Bias, RBias, RMSE, CC, POD, CSI, and FAR were used. The results indicated that the GPM satellite estimates precipitation more accurately in lower altitudes compared to higher regions, and the Clayton copula function, with the dependency parameter computed using the exploratory PSO algorithm, showed improvements of 1.13% in Bias, 3.14% in RMSE, and 2.22% in CC, providing better results compared to other algorithms used for correcting errors and biases in GPM satellite precipitation products.

کلیدواژه‌ها English

Remote sensing
GPM satellite
copula functions
optimization algorithms
احمدی، ف. 1399. کاربرد توابع مفصل در مدلسازی دما و بارش سالانة استان خوزستان. مجله پژوهش آب ایران جلد /١٤ شماره /٢ پیاپی /٣٨ پاییز ١٣٩٩ (١٥٦-١٤٥)
بیاتی، ف. میرعباسی نجف آبادی، ر. فتاحی نافچی، ر. رادفر، م. 1400. ارزیابی کارایی توابع مفصل در برآورد تلفات بارش و مدلسازی بارش-رواناب، مطالعه موردی: حوزه آبخیز کسیلیان. نشریه علمی-پژوهشی مهندسی و مدیریت آبخیز، جلد ،31 شماره ،3 ،3011 صفحات 313-352. DOI: 10.22092/ijwmse.2020.120498.1441
خالدی علمداری، م. مجونی هریس، ا. فاخری فرد، ا. 1401. کاربرد و ارزیابی توانایی توابع مفصل در تخمین بارش روزانه در شرق حوضه دریاچه ارومیه. رشیه آب و توسعه پایدار، سال نهم، شماره 4، صفحات 37 تا 42. doi:http://dx.doi.org/10.22067/jwsd. v9i4.2206.1156.
خدابخش نژاد، آ. پورکرمانی، م. آرین، م. متکان، ع، ا. چرچی، ع. 1394. زمین‌ساخت فعال حوضه رودخانه کارون بزرگ. مجله علوم زمین، دوره بیست و چهارم، شماره 95، صفحه 13 تا 28.
غفاریان، پ. برکاتی، س، م. 1392. راستی آزمایی مدل پیش بینی و پژوهش وضع هوا  (WRF) در پیش بینی بارشهای سنگین در حوضه کارون (مطالعه موردی: بارش 20 تا 21 بهمن 1384(. نشریه پژوهشهای اقلیمشناسی، سال چهارم، شماره پانزدهم و شانزدهم.
Abdallah, M. Zhang, K. Chao, L. Omer, A. Hassaballah, Kh. Reda, K, W. Liu, L. Tola, T, L. Nour, O, M. 2023. A D-vine copula-based quantile regression towards merging satellite precipitation products over a rugged topography at the upper Tekeze Atbara Basin of the Nile Basin. Hydrology and Earth System Sciences. https://doi.org/5194/10/hess-2023-179 
Abdi, A. Hassanzadeh, Y. Talatahari, S. Fakheri Fard, A. 2016. Parameter estimation of copula functions using an optimization-based method. Springer-Verlag Wien. DOI 1007/10/s00704-016-1757-2
Abimbola, O.P., Wenninger, J., Venneker, R., Mittelstet, A.R., 2017. The assessment of water resources in ungauged catchments in Rwanda. J. Hydrol.: Reg. Stud. 13, 274–289.
Abualigah, L. 2025. Particle Swarm Optimization: Advances, Applications, and Experimental Insigh.
Computers, Materials and Continua Volume 82, Issue 2, 17 February 2025, Pages 1539-1592. https://doi.org/10.32604/cmc.2025.060765
AghaKouchak, A. 2010. Simulation of Remotely Sensed Rainfall Fields Using Copula. PhD Thesis, University of Stuttgart, Germany.
Arthur Y. Hou, Ramesh K. Kakar, Steven Neeck, Ardeshir A. Azarbarzin, Christian D. Kummerow, Masahiro Kojima, Riko Oki, Kenji Nakamura, and Toshio Iguchi. 2014. THE GLOBAL PRECIPITATION MEASUREMENT MISSION. AMERICAN METEOROLOGICAL SOCIETY.
Bitew, M. M., Gebremichael, M. 2011. Evaluation of satellite rainfall products through hydrologic simulation in a fully distributed hydrologic model. Water Resources Research, Volume 47, Issue 6, CiteID W06526, DOI:10.1029/2010WR009917
Katiraie Boroujerdy, P. S., Nasrollahi, N., Hsu, K. lin, and Sorooshian, S. 2013. Evaluation of satellitebased precipitation estimation over Iran. Journal of Arid Environments.
Kennedy, J. and Eberhart, R. 1995. Particle swarm optimization (PSO). In Proc. IEEE International Conference on Neural Networks. Perth. Australia. 1942-1948.
Li D, Christakos G, Xinxin D, Wu J. 2017. Adequacy of TRMM satellite rainfall data in driving the SWAT modeling of Tiaoxi catchment (Taihu lake basin, China),  Journal of Hydrology, Volume 556, Pages 1139-1152, https://doi. rg/1016/10/j.jhydrol.01/2017.006
M, H, Amiri. N, Mehrabi Hashjin. M, Montazeri. S, Mirjalili. N, Khodadadi. 2024. Hippopotamus optimization algorithm: a novel nature‑inspired optimization algorithm. Scientifc Reports. https://www.mathworks. com/matlabcentral/fileexchange/160088-hippopotamus-optimization-algorithm-ho. https://doi.org/10.1038/s41598-024-54910-3
Mirabbasi, R., A. Fakheri-Fard and Y. Dinpashoh. 2012. Bivariate drought frequency analysis using the Copula method. Theoretical and Applied Climatology, 108: 191–206.  DOI 10.1007/s00704-011-0524-7
Moazami, S. Golian, S. 2017. ENSEMBLE-BASED MULTIVARIATE SENSITIVITY ANALYSIS OF SATELLITE RAINFALL ESTIMATES USING COPULA MODEL. Sensitivity Analysis in Earth Observation Modelling. http://dx.doi.org/1016/10/B978-0-12-803011-00014/0-8
Moazami, S., Golian, S., Kavianpour, M. R, Hong, Y. 2014. Comparison of PERSIANN and V7 TRMM Multi-satellite Precipitation Analysis (TMPA) products with rain gauge data over Iran, International Journal of Remote Sensing, 34:22, 8156-8171, DOI: 1080/10/2013/01431161.833360.
Mokhtari, Sh. Sharafati, A. Raziei, T. 2021. Validation of CHIRPS satellite-based precipitation data against the in situ observations using the Copula method: a case study of Kosar Dam basin, Iran. RESEARCH ARTICLE HYDROLOGY. https://doi.org/10.1007/s11600-021-00682-7
Peng, Y. Chen, K. Yan, H. Yu, X. 2017. Improving Flood-Risk Analysis for Confluence Flooding Control Downstream Using Copula Monte Carlo Method. J. Hydrol. Eng. DOI: 1061/10/ (ASCE)HE.1943-0001526/5584.
Satnam, Kaur. Lalit K, Awasthi. A L, Sangal. Gaurav, Dhiman. 2020. Tunicate Swarm Algorithm: A new bio-inspired based metaheuristic paradigm for global optimization. Journal Elsevier, https://doi.org/1016/10/j.engappai.103541/2020
Sharifia, E. Saghafianb, B. Steinackera, R. 2019. Copula-based stochastic uncertainty analysis of satellite precipitation products. Journal of Hydrology. https://doi.org/1016/10/j.jhydrol.01/2019.035
Sklar A. 1959. Fonctions de R´epartition `a n Dimensions et Leurs Marges, vol. 8. Publications de l’Institut de Statistique de L’Universit´e de: Paris; 229–231.
Zheng, R. Abdelazim, G, H. Bouaouda, A. Zhong, R. HuG. 2025. A Comprehensive Review of the Tunicate Swarm Algorithm: Variations, Applications, and Results. Archives of Computational Methods in Engineering. Volume 32, pages 2917–2986.