مروری بر روش های پیش بینی و برآورد بارش از طریق داده های سنجش از دور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار گروه سنجش از دور و GIS ، دانشگاه تربیت مدرس

2 کارشناس ارشد برنامه ریزی و مدیریت محیط زیست، دانشگاه تهران

3 کارشناس ارشد سنجش از دور و GIS، دانشگاه تربیت مدرس

چکیده

تأثیر مستقیم بارش در زندگی انسانها و نقش آن در توسعة کشورها سبب توسعة روشها و الگوریتمهای برآورد بارش در میان متخصصان گردیده است. تاچند دهه قبل برای پیشبینی بارش از روشهای سنّتی استفاده میشد، تا اینکه ظهور ماهوارههای هواشناسی باعث انقلابی در این زمینه گردید. با توجه به اینکه در کشورهای در حال توسعه و از جمله ایران توزیع ایستگاههای هواشناسی و دستگاههای بارانسنج بسیار پراکنده بوده و از طرف مقابل تصاویر سنجندههایی مانند MODIS و AVHRR به صورت رایگان قابل دریافت هستند، فرصت مناسبی برای جبران کمبودها در این زمینه است. با استفاده از تصاویر ماهوارهای، امکان برآورد حجم بخار آب قابل بارش با کمک باندهای جذبی بخار آب و باندهای حرارتی در هر زمان و مکان و در هر مقیاسی ممکن است. برای برآورد بارش از تصاویر ماهوارهای از الگوریتمهایی استفاده میشود که با توجه به طول موج مورد استفاده توسط سنجندهها به سه دسته مادون قرمز و مرئی، میکروموج و ترکیبی از دو روش قبلی تقسیمبندی میگردند. روشهای مبتنی بر مادون قرمز و مرئی دارای قدرت تفکیک زمانی و مکانی خوبی بوده در حالی که با استفاده از تکنیکهای میکروموج بارش به صورت مستقیم مورد اندازهگیری قرار میگیرد، با این حال تکنیکهای مذکور دارای ضعفهای زیادی بخصوص در مدارهای پایین کره زمین هستند. تکنیکهای ترکیبی برای جبران ضعفهای مربوط به هر دو بخش مورد استفاده قرار میگیرد. با توجه به اینکه تصاویر میکروموج در ایران قابلیت دریافت ندارد، بنابراین از دو روش میکروموج و روشهای ترکیبی نمیتوان استفاده کرد. به این دلیل در مطالعه حاضر الگوریتمهای مبتنی بر طول موجهای مرئی و مادون قرمز بیشتر مورد توجه قرار گرفته است.

کلیدواژه‌ها


عنوان مقاله [English]

An overview of methods for predicting and estimating precipitation using remote sensing data

نویسندگان [English]

  • Manoochehr Farajzadeh 1
  • Ali Azizi 2
  • Hossein Soleymani 3
1 Tarbiat Modarres University
2 University of Tehran
3 Tarbiat Modarres University
چکیده [English]

Direct influence of precipitation on human life and the role it plays in the development of different countries have resulted in an increase in using methods and algorithms for estimating precipitation. A few decades ago, traditional methods were used for predicting precipitation. Then, the presentation of meteorological satellite revolutionized this field. Considering the high dispersion of weather stations and rain gauges in developing countries like Iran, free access to images taken by sensors like AVHRR and MODIS is an appropriate opportunity to compensate these deficiencies. We can estimate the volume of water vapor ready to be transformed into precipitation using satellite images, water vapor absorption bands and thermal bands in any time, space, and scale. The algorithms used to estimate precipitation in satellite images are classified into three types- infrared, visible, microwave and a combination of the first two types-based on the sensors’ wave length. Methods based on infrared and visible waves have a good spatial and temporal resolution, while microwaves-based methods measure precipitation directly. Yet, these techniques contain many weaknesses, especially in low earth orbits. Combined techniques are used to compensate these weaknesses. Microwave images are not receivable in Iran, thus we cannot take advantage of microwaves and combined methods. As a result, the present article focuses mainly on visible and infrared wave length.

کلیدواژه‌ها [English]

  • Precipitation
  • Remote Sensing
  • infrared
  • visible band
  • microwave band

- پور باقر کردی، سید مهدی، 1388، پایاننامه کارشناسی ارشد، دانشگاه تربیت مدرس.

- کاویانی،محمد رضا، عیجانی، بهلول،1385، مبانی آب و هواشناسی،انتشارات سمت.

- کردوانی،پرویز،1383، منابع و مسائل آب در ایران، جلد اوّل، انتشارات دانشگاه تهران.

- مباشری، محمد رضا و همکاران، 1389، برآورد آب قابل بارش کلی با استفاده از تصاویرماهوارهای MODIS و دادههای رادیوساوند: ناحیه تهران، فصلنامه مدرس علوم انسانی، دوره 14، شماره65، صص107-126.

-Adler, R. F., and R. A. Mack.1984: Thunderstorm cloud height rainfall raterelations for use with satellite rainfall estimation techniques. J. Clim. Appl. Meteor., 23, 280-296.

- Alemseged T. H. ,T. H. M. Rientjes.2007:SPATIO-TEMPORAL RAINFALL MAPPING FROM SPACE: SETBACKS ANDSTRENGTHS. In: Proceedings of the 5th International symposium onSpatial Data Quality SDQ 2007, Modelling qualities in space andtime, ITC, Enschede, the Netherlands, 13-15 June, 2007. Enschede : ITC 9, 2007,p.

- Amoni,Edward L. 2010:estimation of rainfallrates using 3D cloud properties from meteosat second generation andcloudsat satellites. International institute for Geo-information science and earthobservation enschede the netherlands.

- Arkin, P. A., and B. N. Meisner.1987: The relationshipbetween largescaleconvective rainfall and cold cloud over the   estern Hemisphere during. 84-1982Mon. Wea. Rev., 115, 51-74.

 - Austin,Richard., Vane, Deborah., Stephens ,Graeme., Reinke, Donald.2002: Level 2B Cloud Liquid WaterContent Process Description and Interface Control Document. CloudSat Project. ANASA Earth System Science Pathfinder Mission.

- Barrett, E. C., andD. W. Martin.1981: The Use of Satellite Data inRainfall Monitoring. Academic Press, 340 pp.

- Bartsch, B.1996: Fernerkundung des Wasserdampfgehaltes der AtmosphäreüberLand aus rückgestreuter Sonnenstrahlung. Berichte aus dem Zentrum fürMeeres- und Klimaforschung, No. 21, 11 pages, Hamburg, Germany.

- Chadwick, R. S., Grimes D. I. F., SaundersR. W., Francis P. N., Blackmore T. A.2010: TheTAMORA algorithm: satellite rainfall estimates overWest Africa using multi-spectralSEVIRI data. Adv. Geosci, 25.

- Chesters, D., W. D. Robinson, and L. W. Uccellini.1987: Optimized retrievals of precipitable waterfrom the VASsplit-window”. J. Climate Appl. Meteor., 26, 1059-1066.

- Fenta,AyleAlmaw.2010:Assessing diurnal variability of rainfall:A remote sensingbased approasch. International institute for Geo-information science and earthobservation enschede the netherlands.

- Fischer ,J., Bennartz,R. 1997: RETRIEVALOF TOTAL WATER VAPOUR CONTENT FROM MERIS MEASUREMENTS. PO-TN-MEL-GS-0005,4.

- Griffith, C. G., Woodley, W. L., Grube, P. G., Martin, D. W., Stout, J., & Sikdar, D. N.1978.:Rain estimation from geosynchronous satellite imagery-visible and infrared studies. Mon. Weather Rev., 106, 1153-1171.

- Guillot, B. (1995): Satellite etprecipitations: Contraintes techniques et physiques, analyse de quelques methodes,problemesde recherche et de validation. Veille Climatique Satellitaire: 55, 27-58.

- Jonas,Markus.2009: Algorithm Theoretical Basis Document Total Column Water VapourRetrieval, SAF on CLIMATE MONITORING.

- Kwang-Mog, Lee.,Joong-Hyun, Park. 2006: Retrieval of Total Precipitable Water from the Split-Window Technique in the East Asian Region. Dept. of Astronomyand Atmospheric Sciences, Kyungpook National University, Daegu, Korea. www.eumetsat.int(7/5/1390).

- Levizzani V.,Amorati R.,Meneguzzo F.2002: A review of satellite-based rainfall estimation methods, MUSIC ProjectReport, Deliverable 6.1, 66pp.

- Lojou, J Y., R. Benard, and L. Eymard.1994: A simple method for testing brightness temperatures from satellite microwaveradiometers J. Atmos. Oceanic Technol., 11, 387-400.

- Margaret.w.kimani: 2011. Rain rate estimation of northwest EUROPE and KENYA fromSEVIRI sensor retrievals:comperition of precipitation properties visible and infraredand hydro-estimator algorithms. Faculty of Geo-information science andearth observation.Twente university.

- Masika,Peter silla.2007:Meteosat secondgeneration(MSG)     cloud mask,cloud property determination and rainfall omparisonwith In-situ observations. International institute for Geo-information scienceand earth observation enschede the netherlands.

 - Mishra ,Anoop Kumar., R.M. Gairola., A.K. Varma., Vijay K, Agarwal.2011: Improved rainfall estimation over the Indian region using satellite infraredtechnique. Advances in Space Research 48, 49–55.

- Nazrul Islam,Md., Mukammel Wahid,C.M.2003:Adaption of a technique to estimate rainfallfor satellite data in Bangladesh.Sri Lankan Journal of Physics ,vol 4.

- Petty, G. W. 1994: Physical retrievals of over-ocean rain rate from multichannel microwave imaging. Part II: Algorithmimplementation Meteor. Atmos. Phys., 54, 101- 122

- Petty, G. W., Krajewski,Witild F.1996: Satellite estimation of precipitation over land.HydrologicalSciences,41(4).

- Scofield,R.A.,Kuligowski,R.j.2003:Statusand outlook of Oprational Satellite Precipitation Algorithm for Extreme-PrecipitationEvents.Mon.Wea.Rev.,18,1037-1051.

- SOBRINO, J.A., EL KHARRAZ, J. and LI, Z-L.2003:Surface temperature and watervapour retrieval from MODIS data. International Journal of Remote Sensing, 24, pp. 5161-5182.

- ssel, Schlu¨ P., Emery, W. J. 1990: Atmospheric water vapour overoceans from SSM/I measurements. Int. J. Remote Sens., 11, 753-766.

- Tjemkes, S. A., Stephens,G. L. and Jackson, D. L. 1991: Spaceborne observation of columnar water vapor: SSM/Iobservations and algorithm. J. Geophys. Res., 96, 10 941-954.10.

- Vicente ,GilbertoA., Scofield ,Roderick A., Menzel, W. Paul.1998: The OperationalGOES Infrared Rainfall stimation Technique. American Meteorological Society. Vol. 79, No. 9.

- Wentz, F. J. 1992: Measurement of oceanic windvector using satellite microwave radiometers. IEEE Trans. Geosci. Remote Sens, 30, 960-972.

- Wentz, F. J.1995: The intercomparison of 53SSM/I water vapor algorithms Remote Sensing Systems Tech. Rep. on WetNet Water Vapor Intercomparison Project (VIP), Remote Sensing Systems, Santa Rosa, CA, 19 pp.

- Wentz,F.J., Spencer,R.W.1998:SSM/I Rain retrievals within a unified all-weather ocean Algorithm .J.Atmos.Sci.,55,1613-1627.

- Woodley, W. L., B. Sancho.1971: A first step towards rainfall estimationfrom satellite cloud photographs. Weather, July, 279-289.