Climatological evaluation of satellite and reanalysis precipitation products across temporal scales and rainfall extremes over the Guder Sub-basin, Ethiopia
تقيم هذه الدراسة ستة من منتجات هطول الأمطار المستمدة من الأقمار الصناعية وإعادة التحليل مقابل بيانات المقياس في حوض غودر الفرعي بإثيوبيا، مما يكشف أنه بينما يتباين الأداء حسب المقياس الزمني وكثافة الأمطار، تبرز مجموعات بيانات CHIRPS وMSWEP وIMERG كأكثر البيانات موثوقية للتطبيقات الهيدرولوجية والمناخية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
يُعد المطر شريان الحياة في المرتفعات الإثيوبية، فهو الذي يغذي الأنهار التي تشق طريقها عبر التضاريس، ويملأ الحقول حيث يزرع المزارعون محاصيلهم. ومع ذلك، في أجزاء كثيرة من هذه التضاريس الوعرة، تظل الحقيقة الأرضية لكيفية هطول الأمطار بالفعل لغزاً غامضاً؛ إذ إن شبكة محطات الأرصاد الجوية التي تقيس هطول الأمطار شحيحة، مع وجود فجوات كبيرة بين الأجهزة، مما يترك العلماء في حيرة من أمرهم لتخمين أنماط العواصف عبر الوديان والقمم. ولملء هذه الفجوات، لجأ الباحثون إلى السماء، مستخدمين الأقمار الصناعية والنماذج الحاسوبية لتقدير هطول الأمطار من الفضاء. وقد أصبحت هذه التقديرات الرقمية أدوات أساسية الآن للتخطيط للزراعة، وإدارة الموارد المائية، والاستعداد للفيضانات أو الجفاف. ولكن يبقى سؤال جوهري: ما مدى دقة هذه التخمينات المستمدة من السماء عند مقارنتها بالواقع على الأرض، خاصة في مكان معقد مثل حوض "غودر" الفرعي، وهو رافد جبلي شديد الانحدار يصب في النيل الأزرق العظيم؟
لقد شرع فريق من الباحثين في الإجابة على هذا السؤال من خلال وضع ستة من أشهر منتجات هطول الأمطار المستندة إلى الأقمار الصناعية والنماذج الحاسوبية تحت الاختبار. وقد ركزوا دراستهم على حوض "غودر" الفرعي في إثيوبيا، وهي منطقة ترتفع فيها الأرض بشكل حاد من 1,500 إلى 3,000 متر، مما يخلق مزيجاً من المناخات المحلية الدقيقة التي يصعب رصدها من المدار. جمع العلماء سجلات هطول الأمطار اليومية لمدة خمسة عشر عاماً من سبع محطات أرصاد جوية موثوقة منتشرة في أنحاء الحوض. ثم قارنوا هذه القياسات الأرضية ببيانات من ستة مصادر مختلفة هي: CHIRPS، وIMERG، وTAMSAT، وMSWEP، وPERSIANN-CDR، وERA5. يستخدم كل منتج من هذه المنتجات طريقة مختلفة لتقدير المطر؛ فبعضها يمزج صور الأقمار الصناعية مع البيانات الأرضية، بينما يعتمد البعض الآخر كلياً على المحاكاة الحاسوبية للغلاف الجوي. وقد تحقق الفريق من مدى أداء كل منتج، ليس فقط في المتوسط، بل عبر أطر زمنية مختلفة—يوماً بيوم، وشهراً بشهر، ومن خلال المواسم الرطبة والجافة المتميزة—وحتى عندما يتعلق الأمر بالأحداث الجوية الأكثر تطرفاً.
وكشفت التحقيقات أنه لا يوجد منتج واحد مثالي لكل حالة، ولكن بعضها برز بوضوح اعتماداً على المهمة المطلوبة. فعند النظر إلى هطول الأمطار اليومي، أثبت المنتج المعروف باسم MSWEP أنه الأكثر موثوقية؛ حيث طابق الملاحظات الأرضية بأعلى دقة، ملتقطاً التقلبات اليومية للأمطار بشكل أفضل من غيره. ومع ذلك، عندما نظر الباحثون في الفترات الأطول، تغيرت القصة؛ فعند حساب متوسط البيانات على مدار شهر، برز منتجان آخران، وهما CHIRPS وIMERG، كأكثر المنتجات جدارة بالثقة، حيث أظهرا توافقاً قوياً جداً مع ما سجلته محطات الأرصاد الجوية بالفعل. وهذا يشير إلى أنه بينما قد يكون أحد الأدوات هو الأفضل لرصد مطر يوم واحد، فإن أداة أخرى قد تكون أفضل لفهم إجمالي المياه المتاحة خلال موسم ما.
كما تغير أداء هذه الأدوات بشكل كبير مع تغير الفصول. فخلال موسم الأمطار الصغير في الربيع والموسم الجاف في الشتاء، أدت معظم المنتجات عملاً جيداً في تتبع الطقس. ولكن عندما حل موسم الأمطار الرئيسي، حاملاً معه العواصف الموسمية الكثيفة والقوية من يونيو إلى سبتمبر، انخفضت دقة جميع تقديرات الأقمار الصناعية والنماذج. فقد تبين أن العواصف المعقدة والقوية في هذا الموسم كانت صعبة المنال لأي من الأدوات الرقمية بدقة. أما منتج ERA5، فقد عانى باستمرار عبر جميع الأطر الزمنية والفصول، وغالباً ما كان يبالغ في تقدير كمية الأمطار بفارق كبير، مما جعله الخيار الأقل موثوقية لهذه المنطقة تحديداً.
كما فحص الباحثون مدى قدرة هذه المنتجات على التنبؤ بالظواسات الجوية المتطرفة، مثل فترات الجفاف الطويلة، والأيام الرطبة المتتالية، وأشد الهطولات عنفاً التي تسبب الفيضانات. وهنا، كانت النتائج متباينة؛ فلتتبع فترات الجفاف، كان PERSIANN-CDR هو الأفضل أداءً، بينما كان MSWEP هو الأكثر دقة في تتبع الفترات الرطبة. وعندما تعلق الأمر بالأمطار المتوسطة، كان CHIRPS مؤدياً قوياً، ولكن بالنسبة لأحداث هطول الأمطار الأكثر غزارة وخطورة، أظهر IMERG أفضل قدرة على رصدها. ومع ذلك، حتى أفضل الأدوات واجهت صعوبة في التعامل مع الحالات القصوى والمتطرفة، مثل العواصف الضخمة والنادرة التي تحدد مخاطر الفيضانات. وخلصت الدراسة إلى أنه بينما تُعد منتجات الأقمار الصناعية والنماذج هذه لا تقدر بثمن في منطقة تفتقر إلى محطات أرضية كافية، إلا أنها ليست قابلة للتبادل فيما بينها. لذا، فإن أي شخص يستخدم هذه البيانات لإدارة المياه أو التخطيط للمخاطر المناخية في حوض "غودر" الفرعي، يجب أن يكون اختياره للأداة محدداً حسب الحاجة: MSWEP للتفاصيل اليومية، وCHIRCH أو IMERG لإجمالي الأمطار الشهرية، مع اختيار دقيق للأحداث المتطرفة، وتذكر دائماً أن الظروف المحلية تتطلب تحققاً محلياً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.