مریم طارمی - Water engineering Dept, Imam Khomeini International University, Qazvin, Iran.
اصغر عزیزیان - Water Engineering Department, Imam Khomeini International University, Qazvin, Iran
لوکا بروکا - Research Institute for Geo-Hydrological Protection IRPI, Rome, Italy.

یکی از روش های نوین تخمین بارش استفاده از الگوریتم SM۲Rain می باشد که با محوریت برآورد بارش با استفاده از تغییرات رطوبت خاک و حل معکوس معادله بیلان آب خاک توسعه داده شده است. در تحقیق حاضر به ارزیابی عملکرد این الگوریتم در تخمین بارش روزانه در سطح دو اقلیم خشک/نیمه­خشک (خراسان رضوی) و مرطوب (مازندران) ایران و با استفاده از داده های منبع رطوبتی ASCAT در بازه زمانی ۲۰۰۶ تا ۲۰۱۳ پرداخته شده است. نتایج به­دست آمده در دو استان خراسان رضوی و مازندران نشان داد که متوسط ضریب همبستگی (CC) بین بارش مشاهداتی و تخمین زده شده در سطح بازه های مذکور توسط الگوریتم SM۲Rain به­ترتیب معادل ۷۰/۰ و ۶۲/۰ می باشد. طبق محاسبات صورت گرفته در سطح استان خراسان رضوی، در بخش های جنوب و جنوب-غربی استان، الگوریتم SM۲Rain با ضریب CC در حدود ۸۴/۰ و RMSE معادل ۹/۳ میلی­متر در روز بهترین عملکرد و در بخش های شمالی استان نیز با ضریب CC در حدود ۵۴/۰ و RMSE معادل ۷/۷ میلی­متر در روز عملکرد ضعیف داشته است. در بخش های عمده ای از استان مازندران نیز عملکرد الگوریتم مذکور، قابل قبول ارزیابی می شود به­طوری که در مناطق شرقی تا بخش های مرکزی استان، ضریب همبستگی ۷۲/۰ و RMSE معادل ۹/۳ میلی­متر در روز می باشد. نتایج حاصل از اصلاح الگوریتم SM۲Rain نیز نشان داد که با افزودن ترم تبخیر-تعرق و تعرق عملکرد الگوریتم مذکور در شبیه سازی بارش در بازه های مطالعاتی بین ۱۰ تا ۱۸ درصد افزایش یافته است. با اصلاح الگوریتم مذکور میزان متوسط شاخص RBias در سطح استان خراسان رضوی از ۹/۲۱- به ۳/۹ درصد و در سطح استان مازندران از ۹/۳۶- به ۹/۷ درصد کاهش یافته است. خروجی حاصل از این تحقیق می تواند به عنوان یک داده بارشی جایگزین یا مکمل داده های زمینی به ویژه در حوضه هایی که دارای آمار کمی هستند، مدنظر قرار گیرد.

Rainfall, Surface Soil Moisture, remote sensing, Soil’s Water Balance