DOI: https://doi.org/10.24271/psr.2025.542505.2322
تاريخ النشر: 2026-01-01
المؤلف: Azhy Akram Aziz وآخرون
الموضوع الرئيسي: قياس وتحليل الهطول
نظرة عامة
تستكشف الدراسة فعالية بيانات الأقمار الصناعية CHIRPS كبديل لبيانات محطات الأرض في نمذجة هطول الأمطار في أربيل، وهي منطقة تعاني من شبكات قياس الأمطار المحدودة وغير الموثوقة. من خلال مقارنة بيانات CHIRPS مع الملاحظات الكاملة من 2014 إلى 2023، تُظهر الأبحاث أن CHIRPS يوفر تقديرًا موثوقًا لهطول الأمطار المحلي، مدعومًا بمؤشرات إحصائية قوية: $R^2 = 0.942$، كفاءة ناش-سوتكليف (NSE) = 0.91، انحياز النسبة المئوية (PBIAS) = 5.6، ونسبة خطأ الجذر التربيعي إلى الانحراف المعياري للملاحظات (RSR) = 0.3. تؤكد هذه النتائج أن CHIRPS يمكن أن يدعم بشكل فعال مراقبة هطول الأمطار وتخطيط الموارد المائية في المناطق التي تعاني من نقص البيانات مثل أربيل.
بالإضافة إلى ذلك، تستخدم الدراسة تقنيات الاستيفاء العالمية (Universal Kriging) لتحليل التوزيع المكاني لهطول الأمطار، مؤكدةً على اتساق بيانات الأقمار الصناعية مقارنةً بالقياسات الأرضية. بينما أظهرت بيانات النقاط الأقرب أداءً متفوقًا ($R^2 = 0.942$) مقارنةً بالمتوسط على بعد 5 كم ($R^2 = 0.89$)، حافظت كلا المجموعتين على تداخل قوي وانحراف مقبول. تبرز الأبحاث أهمية القرب المكاني للحصول على تقديرات دقيقة لهطول الأمطار وتقترح إجراء تحقيقات مستقبلية حول أداء CHIRPS عبر مناخات وتضاريس متنوعة، بالإضافة إلى دمجه مع بيانات الاستشعار عن بعد الأخرى. بشكل عام، تؤكد الدراسة أن CHIRPS أداة قيمة للتطبيقات الهيدرولوجية في المناطق التي تعاني من نقص البيانات الأرضية.
مقدمة
تسلط المقدمة الضوء على الدور الحاسم لهطول الأمطار كمورد طبيعي في منطقة كردستان العراق، وخاصةً للزراعة التي تعتمد بشكل كبير على الهطول. إن عدم وجود شبكة كثيفة من محطات قياس الأمطار في أربيل، عاصمة المنطقة، يعقد تقييم أنماط هطول الأمطار والمراقبة طويلة الأمد، مما يؤدي إلى نقص البيانات اللازمة لإدارة الموارد المائية بشكل فعال. تؤكد الدراسة على ضرورة إنشاء شبكة قوية من محطات قياس الأمطار لتسهيل النمذجة الهيدرولوجية وتقليل المخاطر المرتبطة بتقلب المناخ، خاصةً في القطاع الزراعي حيث يمكن أن تؤثر تقلبات هطول الأمطار سلبًا على غلات المحاصيل والأمن الغذائي.
نظرًا لتغطية بيانات هطول الأمطار المستندة إلى الأرض غير الكافية – كما يتضح من وجود 17 محطة تشغيلية فقط تخدم 0.028% من المنطقة المطلوبة – تقترح الأبحاث استخدام مجموعات بيانات هطول الأمطار من الأقمار الصناعية، وتحديدًا مجموعة بيانات هطول الأمطار بالأقمار الصناعية مع المحطات (CHIRPS). تقدم CHIRPS تقديرات هطول أمطار طويلة الأمد عالية الدقة وقد أظهرت وعدًا في مناطق أخرى، متفوقةً على طرق الاستيفاء التقليدية في ظل ظروف نقص البيانات. ومع ذلك، هناك فجوة ملحوظة في الدراسات التجريبية التي تقيم قابلية تطبيق CHIRPS في منطقة كردستان. تهدف هذه الدراسة إلى تقييم ملاءمة بيانات هطول الأمطار من CHIRPS لأربيل من 2014 إلى 2023 باستخدام تقنيات الاستيفاء العالمية، وبالتالي تحديد فعاليتها كبديل للملاحظات المستندة إلى الأرض في المناطق التي تعاني من بنية تحتية محدودة للقياس.
الطرق
توضح قسم “الطرق والمواد” تصميم التجربة والمنهجيات المستخدمة في الدراسة. يتناول معايير اختيار المشاركين، والمواد المستخدمة لجمع البيانات، والإجراءات المحددة المتبعة خلال التجارب. يبرز القسم أهمية الحفاظ على الاتساق والموثوقية في المنهجية لضمان نتائج صحيحة.
بالإضافة إلى ذلك، يتم وصف التحليلات الإحصائية المطبقة على البيانات المجمعة، بما في ذلك أي أدوات برمجية تم استخدامها للحساب. قد يبرز القسم أيضًا أي ضوابط تم تنفيذها للتخفيف من التحيزات المحتملة والمتغيرات المربكة، مما يعزز من قوة النتائج. بشكل عام، يعد هذا القسم أساسًا حاسمًا لفهم صلاحية البحث وقابليته للتكرار.
النتائج
تشير نتائج الدراسة، التي حللت بيانات هطول الأمطار السنوية من 2014 إلى 2023، إلى وجود تباين مكاني وزمني كبير في هطول الأمطار عبر منطقة أربيل. باستخدام تقنيات الاستيفاء العالمية، تكشف النتائج أن المناطق الشمالية تتلقى باستمرار مستويات أعلى من هطول الأمطار، بينما تعاني المناطق الجنوبية، وخاصة أربيل، من انخفاض كبير في هطول الأمطار وزيادة في ظروف الجفاف. تؤكد تحليل بيانات CHIRPS المستندة إلى الأقمار الصناعية هذه الملاحظات، موضحةً وجود ارتباط قوي مع القياسات الأرضية، خاصةً عند النقطة الأقرب، حيث وصل معامل التحديد ($R^2$) إلى 0.942، وكانت كفاءة ناش-سوتكليف (NSE) 0.91، مما يشير إلى دقة عالية في محاكاة هطول الأمطار المرصودة.
تؤكد مؤشرات الأداء الإحصائية أيضًا موثوقية مجموعة بيانات CHIRPS، مع انحياز نسبة مئوية (PBIAS) منخفض قدره 5.6 ونسبة خطأ الجذر التربيعي إلى الانحراف المعياري للملاحظات (RSR) قدرها 0.3، مما يشير إلى انحراف ضئيل عن البيانات المرصودة. يظهر التحليل عبر سنوات مختلفة أن 60% من السنوات حققت قيمة $R^2$ فوق 0.86، مع أعلى القيم المسجلة في 2015 و2022 (0.936). بشكل عام، تؤكد الدراسة أن CHIRPS يلتقط أنماط هطول الأمطار بشكل فعال، مع تداخل قوي واتفاق مع الملاحظات الأرضية، خاصةً ضمن دائرة نصف قطرها 5 كم من محطات الطقس، كما يتضح من المؤشرات الإحصائية المرضية باستمرار عبر السنوات التي تم تحليلها.
المناقشة
تقيّم الدراسة دقة بيانات هطول الأمطار المستمدة من مجموعة بيانات الأقمار الصناعية CHIRPS مقارنةً بالقياسات الأرضية في أربيل، باستخدام مؤشرات إحصائية مثل انحياز النسبة المئوية (PBIAS)، كفاءة ناش-سوتكليف (NSE)، معامل التحديد (R²)، ونسبة الانحراف المعياري لملاحظات RMSE (RSR). تبرز الأبحاث أهمية بيانات الأقمار الصناعية في المناطق التي تعاني من نقص محطات القياس الأرضية، مع معالجة التحديات المتعلقة بالحصول على بيانات هطول أمطار شاملة. تؤكد النتائج أن بيانات CHIRPS توفر تقديرات موثوقة لهطول الأمطار، مع مؤشرات إحصائية تشير إلى وجود ارتباطات قوية وانحياز ضئيل، خاصةً عند أقرب نقاط القياس، حيث R² = 0.942، NSE = 0.91، PBIAS = 5.6، وRSR = 0.3.
تظهر الدراسة أيضًا قابلية تطبيق نموذج الاستيفاء العالمي في استيفاء البيانات الأرضية، موضحةً توزيعًا مكانيًا متسقًا لهطول الأمطار عبر مواقع مختلفة. بينما تظل دقة بيانات CHIRPS عالية حتى عند المتوسط على بعد 5 كم، تشير النتائج إلى أن القرب من محطات القياس يعزز من موثوقية تقديرات الأقمار الصناعية. تؤكد الأبحاث على أهمية الاعتبارات المكانية في استخدام بيانات هطول الأمطار المستمدة من الأقمار الصناعية للتخطيط الزراعي الفعال وإدارة الموارد المائية، بينما توصي أيضًا بمزيد من الاستكشاف لتقنيات الاستيفاء المختلفة ومقاييس مكانية أكبر للدراسات المستقبلية.
DOI: https://doi.org/10.24271/psr.2025.542505.2322
Publication Date: 2026-01-01
Author(s): Azhy Akram Aziz et al.
Primary Topic: Precipitation Measurement and Analysis
Overview
The study investigates the efficacy of CHIRPS satellite data as a substitute for ground station data in modeling rainfall in Erbil, a region with limited and unreliable rain gauge networks. By comparing CHIRPS data with complete in situ observations from 2014 to 2023, the research demonstrates that CHIRPS provides a reliable approximation of local rainfall, evidenced by strong statistical metrics: $R^2 = 0.942$, Nash-Sutcliffe Efficiency (NSE) = 0.91, Percent Bias (PBIAS) = 5.6, and Ratio of Root Mean Square Error to Standard Deviation of Observations (RSR) = 0.3. These findings affirm that CHIRPS can effectively support rainfall monitoring and water resource planning in data-scarce regions like Erbil.
Additionally, the study employs Universal Kriging interpolation to analyze the spatial distribution of rainfall, confirming the consistency of satellite data relative to ground measurements. While the nearest point data showed superior performance ($R^2 = 0.942$) compared to the 5 km average ($R^2 = 0.89$), both datasets maintained strong collinearity and acceptable deviation. The research highlights the importance of spatial proximity for accurate precipitation estimates and suggests future investigations into CHIRPS performance across various climates and terrains, as well as integration with other remote sensing data. Overall, the study validates CHIRPS as a valuable tool for hydrological applications in regions with sparse ground data.
Introduction
The introduction highlights the critical role of rainfall as a natural resource in the Kurdistan region of Iraq, particularly for agriculture, which relies heavily on precipitation. The lack of a dense network of rain gauges in Erbil, the region’s capital, complicates the assessment of rainfall patterns and long-term monitoring, leading to insufficient data for effective water resource management. The study emphasizes the necessity of establishing a robust rain gauge network to facilitate hydrological modeling and mitigate risks associated with climate variability, particularly in the agricultural sector where fluctuations in rainfall can adversely affect crop yields and food security.
Given the inadequate coverage of ground-based rainfall data—evidenced by only 17 operational stations serving a mere 0.028% of the required area—the research proposes the use of satellite rainfall datasets, specifically the Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS). CHIRPS offers high-resolution long-term precipitation estimates and has shown promise in other regions, outperforming conventional interpolation methods under data-scarce conditions. However, there is a notable gap in empirical studies assessing CHIRPS’s applicability in the Kurdistan region. This study aims to evaluate the suitability of CHIRPS rainfall data for Erbil from 2014 to 2023 using universal Kriging interpolation, thereby determining its effectiveness as a substitute for ground-based observations in areas with limited measurement infrastructure.
Methods
The “Methods and Materials” section outlines the experimental design and methodologies employed in the study. It details the selection criteria for participants, the materials used for data collection, and the specific procedures followed during the experiments. The section emphasizes the importance of maintaining consistency and reliability in the methodology to ensure valid results.
Additionally, the statistical analyses applied to the collected data are described, including any software tools utilized for computation. The section may also highlight any controls implemented to mitigate potential biases and confounding variables, thereby reinforcing the robustness of the findings. Overall, this section serves as a critical foundation for understanding the research’s validity and reproducibility.
Results
The results of the study, which analyzed annual precipitation data from 2014 to 2023, indicate a significant spatial and temporal variability in rainfall across the Erbil region. Utilizing Universal Kriging interpolation, the findings reveal that the northern areas consistently receive higher precipitation levels, while the southern regions, particularly Erbil, experience significantly lower rainfall and increased drought conditions. The analysis of satellite-based CHIRPS data corroborates these observations, demonstrating a strong correlation with in situ measurements, particularly at the nearest point, where the coefficient of determination ($R^2$) reached 0.942, and Nash-Sutcliffe Efficiency (NSE) was 0.91, indicating high accuracy in simulating observed rainfall.
Statistical performance metrics further validate the reliability of the CHIRPS dataset, with a low Percent Bias (PBIAS) of 5.6 and a Ratio of the Root Mean Square Error to the Standard Deviation of Observations (RSR) of 0.3, suggesting minimal deviation from observed data. The analysis across various years shows that 60% of the years achieved an $R^2$ value above 0.86, with the highest values recorded in 2015 and 2022 (0.936). Overall, the study confirms that CHIRPS effectively captures rainfall patterns, with strong collinearity and agreement with in situ observations, particularly within a 5 km radius of the weather stations, as indicated by consistently satisfactory statistical metrics across the analyzed years.
Discussion
The study evaluates the accuracy of rainfall data derived from the CHIRPS satellite dataset compared to in-situ measurements in Erbil, utilizing statistical indicators such as Percent Bias (PBIAS), Nash-Sutcliffe Efficiency (NSE), Coefficient of Determination (R²), and RMSE-observations Standard Deviation Ratio (RSR). The research highlights the significance of satellite data in regions with limited ground measurement stations, addressing the challenges of acquiring comprehensive rainfall data. The findings confirm that CHIRPS data provides reliable rainfall estimates, with statistical metrics indicating strong correlations and minimal bias, particularly at the nearest measurement points, where R² = 0.942, NSE = 0.91, PBIAS = 5.6, and RSR = 0.3.
The study also demonstrates the applicability of the Universal Kriging model for interpolating in-situ data, showing consistent spatial distribution of rainfall across various locations. While the accuracy of CHIRPS data remains high even at a 5 km average, the results suggest that proximity to measurement stations enhances the reliability of satellite estimates. The research underscores the importance of spatial considerations in utilizing satellite-derived rainfall data for effective agricultural planning and water resource management, while also recommending further exploration of different Kriging techniques and larger spatial scales for future studies.