Climate Dynamics: Сравнение данных об осадках, полученных со спутников, и результатов реанализа для гидрологического моделирования в регионе с дефицитом данных
Учёт осадков необходим для моделирования гидрологического стока, но нехватка данных в некоторых регионах ограничивает объём наземных наблюдений. Спутниковые продукты осадков и продукты реанализа осадков высокого разрешения предоставляют альтернативные источники данных. В этом исследовании точность восьми спутниковых продуктов осадков и продуктов реанализа осадков оценивается для моделирования речного стока с использованием гидрологических моделей HBV и SWAT в двух полузасушливых речных бассейнах на юго-востоке Ирана. В исследовании эти продукты сравнивались с наборами данных дождемеров с использованием статистических индексов и индексов непредвиденных обстоятельств. ERA5 и NOAA CPC лучше всего справляются с регистрацией ежедневных осадков для обоих речных бассейнов, имея более высокие корреляции, меньшую среднеквадратичную ошибку и лучшую способность идентифицировать дожди. GPM и CHIRPS имеют лучшие показатели общей средней ошибки и процентного отклонения PBIAS для обоих бассейнов. В месячном масштабе ERA5 и GPM демонстрируют наилучшее согласие с набором данных дождемеров в двух бассейнах. Способность продуктов реанализа осадков точно улавливать суточный сток демонстрирует их потенциал в качестве источника осадков для подпитки гидрологических моделей. Наибольшая эффективность моделирования речного стока достигается при объединении реанализа ERA5 и модели HBV. Однако CMORPH работал плохо, создавая неудовлетворительное моделирование стока из-за высокого PBIAS и низкой эффективности Нэша-Сатклиффа NSE. Коррекция смещения спутниковых данных об осадках повысила точность моделирования речного стока, но даже с этой коррекцией спутниковые данные об осадках по-прежнему приводили к более низкой точности, чем входные данные дождемеров. Результаты принесут пользу разработчикам, пользователям и сообществу гидрологического моделирования в регионах с недостаточным объёмом данных.
Ссылка: https://link.springer.com/article/10.1007/s00382-023-07078-x