Performace Evaluation of PERSIAN PDIR-Now and PERSIANN CCS Products for Precipitation leading to the Most Severe Floods in Iran between 2017 and 2019

Document Type : Research Article

Authors

• Seyyed Hossein Sanaei-Nejad ¹
• Khosro Salari ²

¹ Professor in Agrometeorology, Water Engineering Department, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran

² PhD Candidate in Agrometeorology, Water Engineering Department, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran

10.22067/geoeh.2022.74364.1147

Abstract

Precipitation is one of the main components of the hydrological cycle. Rainfall distribution plays a significant role in the Earth’s energy balance and human access to water resources, but rainfall is not always promising for humans. Floods cause a lot of human and financial losses to people and infrastructure all over the world annually. Planning for the damage reduction must be done with some measurements. It is necessary to record the amount of rainfall in high resolution, but measuring precipitation in high spatial and temporal resolution is a costly process. Scientists have developed many models to estimate precipitation values. It is necessary to evaluate the output data of these models and their performance before using them. In this study, the performance of two precipitation estimation products, PERSIANN-CCS and PDIR-Now, was evaluated against precipitation recorded in all synoptic stations of Iran for the devastating flood events from 2017 to 2019. For comparing precipitation estimations with the ground data, 9 indices (PC, BIAS, FAR, POD, HSS, , ME, MAE & RMSE) were used. The results showed high variability of indicators in different events. On average, PERSIANN-CCS and PDIR-Now products have a coefficient of determination of 0.16 and 0.19 and RMSE of 9.38 and 12.78, respectively. The values are not desirable, even though the average of PC is high. Moreover, the results showed that the PERSIANN-CCS and PDIR-Now products do not perform well due to the statistical indexes for all stations, and further researches for better heavy rainfall estimation are needed.

Graphical Abstract

Keywords

• PERSIANN-CCS
• PDIR-Now
• Precipitation
• Remote Sensing
• Flood

20.1001.1.23221682.1402.12.1.13.2

---

References

اکبری، جواد؛ کاظم‌زاده، مجید؛ 1398.  ارزیابی دقت توزیع مکانی بارش ماهواره TRMM 3B43 در اقالیم مختلف کشور ایران. مجله علوم و مهندسی آبخیزداری ایران، ۱۳(44)، ۷۳.

https://www.magiran.com/paper/1947294

جوان، خدیجه؛ 1392. ارزیابی تطبیقی داده­های ماهواره­ای و داده­های زمینی در برآورد مقدار بارندگی در حوضه آبریز دریاچه ارومیه. پایان­نامه دکتری دانشگاه تبریز. دانشکده جغرافیا. گروه آب و هواشناسی. اساتید راهنما دکتر بهروز ساری صراف، دکتر علی‌اکبر رسولی. استاد مشاور: دکتر مهدی عرفانیان.

چاوشیان، علی؛ کتیرایی، پری سیما؛ 1398. ارزیابی و کاربرد انواع مجموعه داده‌های دیدبانی (زمینی و ماهواره‌ای) بارش بر روی ایران. نشریه آب‌وخاک، ۳۳(3)، صص520-501.

https://www.magiran.com/paper/2041188

خبرگزاری جمهوری اسلامی؛ 1398. هشدارهای هواشناسی قابلیت پیش­بینی سیل را ندارند [اخبار]. بازیابی شده در 25 اسفند 1399، از https://www.irna.ir/news/83327702

رحمتی، اکبر؛ مساح بوانی، علیرضا؛ 1398. ارزیابی پایگاه داده‌های جهانی بارش برای استفاده در مدل‌های فیزیکی، مطالعه موردی: حوزه آبریز کارون. مجله تحقیقات منابع آب ایران. ۱۵(1)، صص192-178.

https://www.magiran.com/paper/1978598

زنگنه اینالو، محمدرضا؛ قهرمان، بیزن؛ فرید حسینی، علیرضا؛ 1397) مقایسه مقادیر مشاهداتی و اطلاعات بارش ماهواره­ای PERSIAN و CMORPH – روش­های درون­یابی در مقایس ساعتی و روزانه (مطالعه موردی: حوضه آبریز شاپور. مجله تحقیقات منابع آب ایران. 14(4)، صص 1-12.

https://www.magiran.com/paper/1936725

سبحانی، بهروز؛ عالی جهان، مهدی؛ زینالی، بتول؛ 1395. واکاوی همدید - ماهواره‌ای موج بارشی سنگین استان چهارمحال‌وبختیاری. نشریه جغرافیا و مخاطرات محیطی. ۵(20)، صص 134-109.

  https://www.magiran.com/paper/1706341

شریفی، احسان؛ ثقفیان، بهرام؛ هلد اشتایناکر، راین؛ 1395. بررسی کارایی جدیدترین نسل محصولات بارش ماهوارهای با وضوح زمانی-مکانی بالا.  ششمین کنفرانس ملی مدیریت منابع آب ایران.

 https://civilica.com/doc/559219/

شکری کوچک، سعید؛ آخوندعلی، علی­محمد؛ شریفی، محمدرضا؛ 1399. ارزیابی عملکرد الگوریتم‌های بارش ماهواره­ای PERSIANN و PERSIANN-CDR و بررسی تأثیر ناهمواری‌ها بر آن (مطالعه موردی: حوضه آبریز حله. مجله اکو هیدرولوژی. ۷(2)، صص 527-511.

https://www.magiran.com/paper/2144274

عزیزیان، اصغر؛ امینی، ستاره؛ 1399. تأثیر شرایط اقلیمی و توپوگرافیکی سطح زمین بر عملکرد محصولات بارشی خانواده PERSIANN در سطح ایران. مجله تحقیقات منابع آب ایران. 16(1)، صص 101-86..

 https://www.magiran.com/paper/2146596

قهرمان، بیژن؛ زنگنه اینالو، محمدرضا؛ فریدحسینی، علیرضا؛ 1397. بررسی تطابق داده‌های بارش ماهواره­ایTRMM  اصلاح شده، با داده‌های بارش زمینی ایستگاه‌های هواشناسی حوضه‌ی آبخیز رود شاپور استان فارس. فصلنامه پژوهش‌های آبخیزداری (پژوهش و سازندگی. ۱۲۱، صص 57-43.

https://www.magiran.com/paper/1963200

گرجی زاده، علی؛ آخوندعلی، علی محمد؛ شهبازی، علی؛  مریدی، علی؛ 1398. مقایسه دو مجموعه داده بارش شبکه‌بندی شده با وضوح بالا در بالادست سد مارون در ایران. مجله تحقیقات آب و خاک ایران. ۵۰(3)، صص 541-527.  https://www.magiran.com/paper/2007634

 

Alsumaiti, T. S., Hussein, K., Ghebreyesus, D. T., & Sharif, H. O., 2020. Performance of the CMORPH and GPM IMERG products over the United Arab Emirates. In Remote Sensing (Vol. 12, Issue 9). https://doi.org/10.3390/RS12091426

Barrett, E. C., 1970. The estimation of monthly rainfall from satellite data. Monthly weather review, 98(4), 322-327.

 https://doi.org/10.1175/1520-0493(1970)098<0322:TEOMRF>2.3.CO;2

Hogan, R. J., & Mason, I. B., 2012. Deterministic Forecasts of Binary Events. In Forecast Verification (pp. 31–59). https://doi.org/10.1002/9781119960003.ch3

Katiraie-Boroujerdy, P. S., Nasrollahi, N., Hsu, K. L., & Sorooshian, S., 2013. Evaluation of satellite-based precipitation estimation over Iran. Journal of arid environments, 97, 205-219. https://doi.org/10.1016/j.jaridenv.2013.05.013

Kidd, C., 2001. Satellite rainfall climatology: A review. International Journal of Climatology, 21(9), 1041–1066. https://doi.org/10.1002/joc.635

Laboratory, N. N. S. S., 2020. SEVERE WEATHER 101 Flood Basics. Retrieved March 8, 2021, from https://www.nssl.noaa.gov/education/svrwx101/floods/

Masood, M., Shakir, A. S., Azhar, A. H., Nabi, G., & Habib-u-Rehman., 2020. Assessment of Real Time, Multi-Satellite Precipitation Products under Diverse Climatic and Topographic Conditions. Asia-Pacific Journal of Atmospheric Sciences, 56(4), 577–591. https://doi.org/10.1007/s13143-019-00166-1

Nguyen, P., Ombadi, M., Gorooh, V. A., Shearer, E. J., Sadeghi, M., Sorooshian, S., ... & Ralph, M. F., 2020. PERSIANN Dynamic Infrared–Rain Rate (PDIR-Now): A Near-Real-Time, Quasi-Global Satellite Precipitation Dataset. Journal of hydrometeorology, 21(12), 2893-2906. https://doi.org/10.1175/JHM-D-20-0177.1

Saemian, P., Hosseini-Moghari, S. M., Fatehi, I., Shoarinezhad, V., Modiri, E., Tourian, M. J., ... & Sneeuw, N., 2021. Comprehensive evaluation of precipitation datasets over Iran. Journal of Hydrology, 603, 127054. https://doi.org/10.1016/j.jhydrol.2021.127054

Ur Rahman, K., Shang, S., Shahid, M., & Wen, Y., 2020. An Appraisal of Dynamic Bayesian Model Averaging-based Merged Multi-Satellite Precipitation Datasets Over Complex Topography and the Diverse Climate of Pakistan. In Remote Sensing  (Vol. 12, Issue 1). https://doi.org/10.3390/rs12010010

Van Hoang, T., Chou, T. Y., Nguyen, N. T., Fang, Y. M., Yeh, M. L., Nguyen, Q. H., & Nguyen, X. L., 2019. A robust early warning system for preventing flash floods in mountainous area in Vietnam. In ISPRS International Journal of Geo-Information (Vol. 8, Issue 5). https://doi.org/10.3390/ijgi8050228