fa ارزیابی داده‌های بارش با استفاده از مدل‌های CHIRPS و PERSIANN (مطالعه موردی: بندرعباس) عمومی Ggeneral پژوهشي Research <div style="text-align: justify;"><span style="font-size:11pt"><span style="line-height:150%"><span style="vertical-align:baseline"><span style="direction:rtl"><span style="unicode-bidi:embed"><span sans-serif="" style="font-family:Calibri,"><span lang="AR-SA" style="border:none windowtext 1.0pt; font-size:12.0pt; padding:0cm"><span style="line-height:150%"><span b="" lotus="" style="font-family:">دسترسی به داده‌های ﺑﺎرشی وسیع با دقت مناسب، می‌تواند نقش مؤثری در برنامه‌ریزی‌های آبیاری و مدیریت منابع آبی ایفا نماید. ﺗﺼﺎوﻳﺮ ﻣﺎﻫﻮاره‌ای با تولید داده‌های زیاد، وسیع، ارزان و به‌روز به‌عنوان راﻫﻜﺎری ﻋﻤﻠﻲ جهت ﺗﺨﻤـﻴﻦ ﺑـﺎرش ﻣﻄـﺮح است. بدین‌منظور، در این پژوهش با استفاده از سامانه گوگل‌ارث‌انجین و محصولات بارش حاصل از تصاویر ماهواره‌ای مدل PERSIANN و CHIRPS در بازه‌های زمانی روزانه، ماهانه و سالانه به ارزیابی و صحت‌سنجی مقدار بارش ایستگاه بندرعباس طی دوره آماری ۲۰۲۰- ۱۹۸۳ پرداخته شد. ﻧﺘﺎﻳﺞ ﻧﺸﺎن داد ﻛﻪ ﺑﺮآورد ﺑﺎرش ﺗﻮﺳﻂ ماهواره‌های PERSIANN و CHIRPS در ﻣﻘﻴﺎس ﻣﺎﻫﺎﻧﻪ و سالانه از دﻗﺖ بیشتر ﻧﺴﺒﺖ ﺑﻪ ﻣﻘﻴﺎس روزانه ﺑﺮﺧﻮردار ﺑﻮده و در ﻣﻘﻴﺎس‌های ﻣﺎﻫﺎﻧﻪ و ﺳﺎﻻﻧﻪ، ﺑﻴﺶﺗﺮﻳﻦ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ و ﻛﻢﺗﺮﻳﻦ مقدار RMSE ﻣﺘﻌﻠﻖ ﺑﻪ الگوریتم PERSIANN است. مقدار ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ الگوریتم PERSIANN در ﻣﻘﻴﺎس‌های روزانه و ﻣﺎﻫﺎﻧﻪ و سالانه به‌ترتیب برابر با 0/32 ، 0/83 و 0/94 و ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻰ الگوریتم CHIRPS در ﻣﻘﻴﺎس‌های روزانه و ﻣﺎﻫﺎﻧﻪ و سالانه به‌ترتیب برابر با 0/24، 0/71 و 0/90 ﺑﻪدﺳﺖ آﻣﺪ. مقدار ضریب تبیین R²&nbsp; الگوریتم‌های PERSIANN و Chrips در مقیاس ماهانه به‌ترتیب برابر با 0/89 و 0/70 و در مقیاس سالانه به‌ترتیب برابر با 0/88 و 0/80 به‌دست آمد. نتیجه‌گیری کلی این بود که دقت ﻫﺮ دو الگوریتم در تعیین اﻟﮕﻮی ﻣﻜﺎﻧﻰ ﺑﺎرﻧﺪﮔﻰ در ﻣﻘﻴﺎس ماهانه و ﺳﺎﻻﻧﻪ مناسب بوده و الگوریتم PERSIANN از دقت بالاتری در مقیاس زمانی ماهانه برخوردار است.</span></span></span></span></span></span></span></span></span></div> <div style="text-align: justify;"><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Access to large precipitation data with appropriate accuracy can play an effective role in irrigation planning and water resources management. Satellite images generate high, wide, cheap, and up-to-date data is a good way to estimate precipitation. In this research, the Google Earth engine system and precipitation products from satellite images of PERSIANN and CHIRPS models in daily, monthly, and annual time intervals were used to evaluate and validate the amount of precipitation in Bandar Abbas station during the statistical period of 1983-2020. The results showed that the precipitation estimation by PERSIANN and CHIRPS satellites on a monthly and annual scale is more accurate than the daily scale. The highest correlation coefficient and the least RMSE belonged to the PERSIANN</span></span> <span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">algorithm on monthly and annual scales. The value of the correlation coefficient in the PERSIANN algorithm on daily, monthly, and annual scales is equal to 0.32, 0.83, and 0.94, respectively. The correlation coefficient in the CHIRPS algorithm in daily, monthly, and annual scales is equal to 0.24, 0.71, and 0.90, respectively. The coefficient of determination (R²) of PERSIANN and Chrips algorithms on a monthly scale were 0.89 and 0.70, respectively, and for an annual scale were 0.88 and 0.80, respectively. The general conclusion of this study indicated that the accuracy of the two algorithms in determining the spatial pattern of rainfall on a monthly and annual scale is appropriate, and the PERSIANN algorithm had a higher accuracy on a monthly time scale.</span></span></div> الگوی بارش, تصاویر ماهواره, گوگل‌ارث, ماهواره‌های PERSIANNوCHIRPS Precipitation pattern, satellite imagery, Google Earth, PERSIANN and CHIRPS satellites 175 188 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-4063-2&slc_lang=fa&sid=1 H. siasar هادی سیاسر hadisiasar@pnu.ac.ir Yes Payame Noor University (PNU) دانشگاه پیام نور A. Salari امیر سالاری salari.1361@yahoo.com No University of Hormozgan دانشگاه هرمزگان