Trmm 3b42 बाइनरी विकल्प

दैनिक: टीआरएमएम: 3 बी 42: 1 998-2008 आंकड़ा विवरण: उष्णकटिबंधीय वर्षा का माप माप और अन्य आंकड़े कोटेशन-अनुमानित वर्षा दर कोट टीआरएमएम वर्षा अनुमानों का मूल्यांकन अनुसंधान का एक सक्रिय क्षेत्र है। उपयोगकर्ताओं को नमूनाग्लोलिडाइम के मुद्दों के बारे में पता होना चाहिए। उचित प्रकाशनों को देखें। विधि का इस्तेमाल किया: 3B42, टीआरएमएम और अन्य उपग्रहों पर होने वाली बीएसआई की जानकारी। संयुक्त यंत्र बारिश अंशांकन एल्गोरिदम (3 बी -42) जीओस्टेशनरी आईआर अवलोकनों से आईआर अनुमान को समायोजित करने के लिए 2 बी -31, 2 ए -12, एसएसएमआई, एएमएसआर और एएमएसयू वर्षा के अनुमानों (एचक्यू के रूप में संदर्भित) का अनुकूलतम संयोजन का उपयोग करता है। एचआर के अनुमानों में आईआर चमक तापमान को कैलिब्रेट करने के द्वारा लगभग-वैश्विक अनुमान तैयार किए जाते हैं। 3 बी -42 अनुमान 3 बी -43 में उपयोग किए गए मासिक बारिश गेज का विश्लेषण करने के लिए स्केल किया जाता है। उत्पादन हर 3 घंटे 0.25x0.25 डिग्री ग्रिड बक्से के लिए वर्षा है। एल्गोरिथ्म के अधिक विवरण के लिए, trmm. gsfc. nasa. gov3b42.html पर जाएं: अपडेट किया गयाः जुलाई 2008 ग्रिड: 50 एस से 50 एन तक का लगभग 0.25 x 0.25 डिग्री संकल्प मौजूदा होल्डिंग्स: जनवरी 1 99 8 जुलाई 2008 एमएसएस निर्देशिका: सीएटीआरएमएम 3 बी 42 एमएंडएआई फाइलें: 3 बी 42। YYYYMM. day. nc जैसे: 3B42.200801.day. nc कोट फरवरी 2000 से पहले आईआर डेटा में 40 डिग्री सेल्सियस उत्तर से 40 डिग्री दक्षिण तक की अवधि शामिल है फरवरी 2000 के बाद और इसमें शामिल है, डेटा 50 डिग्री उत्तर से 50 डिग्री दक्षिण में कवर करता है। इससे डेटा रिकॉर्ड्स में मामूली असंतोष होता है। इसके अलावा, डेटा रिकॉर्ड्स में मुख्यालय डेटा स्रोत विभिन्न बिंदुओं पर पेश किए जाते हैं। इसलिए, मुख्यालय कवरेज में विविधताएं पूरे रिकॉर्ड के दौरान घटित हो जाएंगी, समय बढ़ने के साथ बढ़ेगी। सबसे गंभीर रूप से, AMSU-B की शुरूआत लगभग 10 विश्व स्तर पर कम पूर्वाग्रह का कारण बनती है। क्वाट हफ़मैन, जी जे। R. F. एडलर, डी.टी. बोलविन, जी। जीयू, ई. जे. नेलकिन, के.पी. बोमन, वाई। हांग, ई. एफ. स्टॉकनर, डी.बी. वोल्फ, 2007: टीआरएमएम मल्टी-सैटेलाइट वर्षा विश्लेषण: अर्ध-ग्लोबल, मल्टी-वर्ष, कम्बाइन्ड-सेंसर वर्षा अनुमान ठीक परिमाण पर। जे। हाइड्रोमेटेयर 8: 38-55 TRMM मुख पृष्ठ पर अन्य संदर्भ सीएएस डाटा कैटलॉग त्वरित कड़ियाँ एक द्विपदीय ट्रेडिंग के लिए द्विपदीय विकल्प यूएस बाइनरी विकल्प में एक साधारण हां या कोई प्रस्ताव पर आधारित नहीं हैं: क्या एक अंतर्निहित परिसंपत्ति किसी निश्चित समय पर एक निश्चित कीमत से ऊपर होगी, चाहे ट्रेडर्स जगह ट्रेडों पर आधारित हों उनका मानना ​​है कि इसका उत्तर हां या नहीं है, इसे व्यापार करने के लिए सरलतम वित्तीय परिसंपत्तियों में से एक बना देता है इस सादगी के कारण व्यापारियों और नए लोगों के बीच वित्तीय बाजारों में व्यापक अपील हुई है। जैसा कि ऐसा लगता है कि सरल है, व्यापारियों को पूरी तरह से समझना चाहिए कि द्विआधारी विकल्प कैसे काम करते हैं, किस उत्पाद और समय के फ्रेम वे इन उत्पादों के द्विआधारी विकल्प, फायदे और नुकसान के साथ व्यापार कर सकते हैं, और कौन से कंपनियां कानूनी रूप से अमेरिकी निवासियों के लिए द्विआधारी विकल्प प्रदान करने के लिए अधिकृत हैं। यू.एस. के बाहर कारोबार किए जाने वाले द्विआधारी विकल्प आम तौर पर यूएस एक्सचेंजों पर उपलब्ध बायनेरिओ से अलग तरीके से संरचित होते हैं। सट्टेबाजी या हेजिंग पर विचार करने पर बाइनरी विकल्प एक विकल्प हैं, लेकिन केवल अगर व्यापारी इन विदेशी विकल्पों के दो संभावित परिणामों को पूरी तरह से समझता है (संबंधित पढ़ने के लिए, देखें: यूएस के बाहर द्विआधारी विकल्प के बारे में आपको क्या पता होना चाहिए) यू.एस. बाइनरी विकल्प समझाया गया है कि बाइनरी विकल्प हां या कोई प्रस्ताव के आधार पर आहरित जोखिम के साथ बाजारों को व्यापार करने का एक रास्ता प्रदान करते हैं। उदाहरण के लिए: क्या सोने की कीमत 1,250 से बढ़कर 1:30 बजे होगी? आज अगर आपको लगता है कि यह होगा, तो आप द्विआधारी विकल्प खरीद लेंगे। यदि सोचना है कि सोना 1:30 बजे से नीचे 1250 होगा तो आप इस द्विआधारी विकल्प को बेचते हैं द्विआधारी विकल्प की कीमत हमेशा 0 से 100 के बीच होती है, और अन्य वित्तीय बाजारों की तरह, बोली और पूछने की कीमत होती है उपरोक्त बाइनरी 42.50 (बीड) और 44.50 (ऑफर) पर 1 पीएम पर कारोबार कर सकते हैं। यदि आप द्विआधारी विकल्प खरीदते हैं, तो आप 44.50 का भुगतान करेंगे, यदि आप सही बेचने का फैसला करते हैं तो आप 42.50 में बेचना होगा। मान लेते हैं कि आप 44.50 में खरीदने का निर्णय लेते हैं। यदि 1:30 बजे तक सोने की कीमत 1,250 से ऊपर है, आपके विकल्प की समय सीमा समाप्त हो जाती है और यह 100 के बराबर हो जाता है। आप 100 - 44.50 55.50 (कम शुल्क) का लाभ कमाते हैं। इसे पैसों में कहा जाता है लेकिन अगर सोने की कीमत 1 से 22 बजे से कम 1:30 बजे है। विकल्प 0 पर समाप्त हो जाता है। इसलिए आप 44.50 का निवेश खो देते हैं। यह पैसे से बाहर बुलाया विकल्प समाप्त होने तक बोली और ऑफ़र में उतार-चढ़ाव होता है। आप लाभ में लॉक करने या हानि को कम करने की समाप्ति से पहले किसी भी समय अपनी स्थिति को बंद कर सकते हैं (धनराशि समाप्त होने की तुलना में)। आखिरकार हर विकल्प 100 या 0 100 पर होता है यदि द्विआधारी विकल्प का प्रस्ताव सही है, और 0 अगर यह झूठा होने का पता चला है। इस प्रकार प्रत्येक द्विआधारी विकल्प के पास 100 का कुल मूल्य संभावित होता है, और यह एक शून्य-सममूल्य गेम होता है जो आप किसी और को खो देता है, और जो आप किसी और को खो देते हैं प्रत्येक व्यापारी को अपने व्यापार के पक्ष में पूंजी लगाई जानी चाहिए। ऊपर दिए गए उदाहरणों में, आपने 44.50 में एक विकल्प खरीदा था, और किसी ने आपको यह विकल्प बेच दिया आपका अधिकतम जोखिम 44.50 है यदि विकल्प 0 पर स्थिर हो जाता है, इसलिए व्यापार की लागत 44.50 है। यदि आप को बेच दिया गया व्यक्ति का अधिकतम जोखिम 55.50 है, तो विकल्प 100 (100 - 44.50 55.50) पर हो जाता है। एक व्यापारी कई अनुबंध खरीद सकता है, अगर वांछित हो। एक अन्य उदाहरण: NASDAQ यूएस टेक 100 इंडेक्स gt 3,784 (11 एएम)। चालू बोली और पेशकश क्रमशः 74.00 और 80.00 है। यदि आपको लगता है कि सूचकांक 3,784 से 11 बजे से ऊपर होगा तो आप 80 पर बायर्न विकल्प खरीद सकते हैं (या कम कीमत पर बोली लगा सकते हैं और आशा है कि कोई आपके द्वारा उस कीमत पर बेचता है)। यदि आपको लगता है कि सूचकांक उस समय 3,784 से नीचे होगा, तो आप 74.00 पर बेचते हैं (या उस कीमत से ऊपर एक ऑफ़र दें और उम्मीद करें कि कोई आपके पास इसे खरीदा है)। आप 74.00 पर बेचने का निर्णय लेते हैं, विश्वास करते हुए सूचकांक 3,784 (स्ट्राइक प्राइस कहलाता है) से 11 डिग्री तक गिरने वाला है और यदि आप वास्तव में व्यापार पसंद करते हैं, तो आप कई अनुबंध बेच सकते हैं (या खरीद सकते हैं) चित्रा 1 में 74.00 पर पांच अनुबंध (आकार) बेचने के लिए एक व्यापार दिखाया गया है। नडेक्स प्लेटफार्म स्वचालित रूप से आपकी अधिकतम हानि की गणना करता है और जब आप कोई ऑर्डर बनाते हैं, जिसे टिकट कहा जाता है मैक्स प्रॉफिट और मैक्स लॉस के साथ एनडेक्स ट्रेड टिकट (चित्रा 1) इस टिकट पर अधिकतम लाभ 370 (74 x 5 370) है, और अधिकतम अनुबंध 130 (100 - 74 26 x 5 130) पांच अनुबंधों और बिक्री पर आधारित है 74.00 की कीमत (इस विषय पर अधिक जानकारी के लिए, द्विआधारी विकल्प का परिचय देखें) बोली और पूछे जाने वाले निर्धारित कैसे होते हैं बोली और पूछे जाते हैं खुद को व्यापारियों द्वारा निर्धारित किया जाता है क्योंकि वे प्रस्ताव की सच्चाई की संभावना का आकलन करते हैं या नहीं। सरल शब्दों में, यदि द्विआधारी विकल्प पर बोली और मांग क्रमशः 85 और 89 है, तो व्यापारियों को बहुत ही उच्च संभावना माना जा रहा है कि बाइनरी विकल्प का परिणाम हां होगा, और विकल्प 100 की कीमत समाप्त हो जाएगा। यदि बोली और पूछने के करीब 50 हैं, व्यापारियों को अनिश्चित हैं यदि द्विआधारी 0 या 100 में इसकी बाधाओं का समय समाप्त हो जाएगा। यदि बोली और पूछना क्रमशः 10 और 15 पर है, तो इससे पता चलता है कि व्यापारियों का मानना ​​है कि विकल्प की कोई संभावना नहीं होगी और इस समय के मूल्य की अवधि समाप्त हो जाएगी। इस क्षेत्र में खरीदार एक बड़ी कमाई के लिए तैयार हैं। जबकि वे बिक्री बड़े जोखिम (उनके लाभ के सापेक्ष) के लिए एक छोटी लेकिन बहुत संभावना लाभ लेने के लिए तैयार हैं। द्विआधारी विकल्प द्विआधारी विकल्प के व्यापार को नडेक्स एक्सचेंज पर कहाँ ले जाना चाहिए पहला कानूनी अमेरिकी विनिमय द्विआधारी विकल्प पर केंद्रित है। नॅडेक्स अपने स्वयं के ब्राउज़र-आधारित बाइनरी ऑप्शंस ट्रेडिंग प्लेटफॉर्म प्रदान करता है जो व्यापारियों को डेमो अकाउंट या लाइव अकाउंट के माध्यम से एक्सेस कर सकते हैं। ट्रेडिंग प्लेटफॉर्म, वास्तविक समय-समय प्रदान करता है, साथ ही वर्तमान बाइनरी विकल्प कीमतों तक प्रत्यक्ष बाजार पहुंच प्रदान करता है। बाइनरी विकल्प शिकागो बोर्ड ऑप्शन एक्सचेंज (सीबीओई) के माध्यम से भी उपलब्ध हैं। किसी भी विकल्प के साथ-अनुमोदित ब्रोकरेज खाता अपने पारंपरिक ट्रेडिंग खाते के माध्यम से सीबीओई बाइनरी विकल्प का व्यापार कर सकता है। सभी ब्रोकर द्विआधारी विकल्प ट्रेडिंग नहीं देते, हालांकि प्रत्येक एनएडएक्स अनुबंध में प्रवेश करने के लिए 0.90 दर्ज किए गए और 0.90 का कारोबार हुआ। शुल्क 9 पर आ गया है, इसलिए 15 लॉट क्रय करने के लिए केवल 9 प्रवेश करने होंगे और 9 बाहर निकलने होंगे। यदि आप अपने व्यापार को निपटारे तक और धन में खत्म करते हैं, तो बाहर निकलने का शुल्क समाप्ति पर आपको आकलन किया जाता है। यदि आप व्यापार को निपटारा तक पकड़ते हैं, लेकिन पैसे से बाहर निकलते हैं, तो बाहर निकलने के लिए कोई ट्रेड फीस का आकलन नहीं किया जाता है। सीबीओई बाइनरी विकल्प विभिन्न विकल्प दलालों के माध्यम से कारोबार किया जाता है, प्रत्येक अपने स्वयं के कमीशन फीस का भुगतान करते हैं। अपनी बाइनरी मार्केट उठाएं एकाधिक परिसंपत्ति वर्गों को द्विआधारी विकल्प के माध्यम से व्यापार किया जा सकता है नॅडेक्स प्रमुख बिंदुओं जैसे डो 30 (वॉल स्ट्रीट 30), एसएपीपी 500 (यूएस 500), नास्डैक 100 (यूएस टेक 100) और रसेल 2000 (यूएस स्मॉलकैप 2000) के प्रमुख सूचकांक में व्यापार करता है। यूनाइटेड किंगडम (एफटीएसई 100), जर्मनी (जर्मनी 30) और जापान (जापान 225) के लिए वैश्विक सूचकांक भी उपलब्ध हैं। नैडेक्स कच्चे तेल की कीमत से संबंधित वस्तु बाइनरी विकल्प प्रदान करता है प्राकृतिक गैस, सोना, चांदी, तांबा, मक्का और सोयाबीन। ट्रेडिंग समाचार इवेंट घटना बाइनरी विकल्प के साथ भी संभव है। खरीदें या बेचने के विकल्प के आधार पर कि क्या फेडरल रिजर्व दरों में वृद्धि या कमी करेगा, या क्या बेरोजगार दावे और गैर-फ़ार्म पेरोल आम सहमति अनुमानों के ऊपर या नीचे आएंगे। (इस विषय पर अधिक जानकारी के लिए, विदेशी विकल्प देखें: सामान्य व्यापार से एक भगदड़) सीबीओई व्यापार के लिए दो द्विआधारी विकल्प प्रदान करता है। एसएपीपी 500 इंडेक्स पर आधारित एक एसएम्पपी 500 इंडेक्स ऑप्शन (बीएसज़ड), और सीओबीईई वोल्टालिटी इंडेक्स (वीआईएक्स) के आधार पर एक वोल्टालिटी इंडेक्स ऑप्शन (बीवीजेड) है। अपना टाइम फ़्रेम चुनें एक व्यापारी नडेक्स बाइनरी विकल्प (उपरोक्त परिसंपत्ति वर्गों में) चुन सकता है जो प्रतिदिन, दैनिक या साप्ताहिक समाप्त होता है प्रति घंटा विकल्प दिन के व्यापारियों के लिए अवसर प्रदान करते हैं। यहां तक ​​कि चुप बाजार स्थितियों में, यदि वे समय सीमा पर बाजार की दिशा को चुनने में सही हैं तो एक स्थापित वापसी हासिल करने के लिए। दैनिक विकल्प ट्रेडिंग दिन के अंत में समाप्त हो जाते हैं, और दिन के व्यापारियों के लिए उपयोगी होते हैं या उन दिनों के आंदोलनों के खिलाफ अन्य स्टॉक, विदेशी मुद्रा या कमोडिटी होल्डिंग्स को हेज करने की तलाश में होते हैं। साप्ताहिक विकल्प ट्रेडिंग सप्ताह के अंत में समाप्त हो जाते हैं, और इसलिए पूरे हफ्ते स्विंग व्यापारियों द्वारा कारोबार किया जाता है, और दिन के व्यापारियों द्वारा भी, विकल्प शुल्कों की समाप्ति के रूप में शुक्रवार दोपहर तक का कारोबार होता है। घटना-आधारित अनुबंध का आयोजन घटना के साथ जुड़े आधिकारिक समाचार रिलीज़ के बाद समाप्त हो जाता है, और इसलिए सभी प्रकार के व्यापारी पद के लिए अच्छी तरह से आगे ले जाते हैं - और समाप्ति के ठीक ऊपर। फायदे और नुकसान वास्तविक स्टॉक या विदेशी मुद्रा बाजारों के विपरीत जहां कीमत में कमी या गिरावट आ सकती है, द्विआधारी विकल्प के जोखिम को बंद किया गया है। व्यापार की लागत से अधिक खोना संभव नहीं है। बहुत ही शांत बाजारों में औसत से अधिक रिटर्न भी संभव है। यदि कोई शेयर इंडेक्स या विदेशी मुद्रा जोड़ी मुश्किल से बढ़ रहा है, तो इसकी कड़ी मेहनत होती है, लेकिन एक द्विआधारी विकल्प के साथ पेआउट जाना जाता है। यदि आप 20 में एक द्विआधारी विकल्प खरीदते हैं, तो यह या तो 100 या 0 में व्यवस्थित करेगा, आपको अपने 20 निवेश पर 80 कर देगा या आपको खो देगा 20. यह जोखिम अनुपात के लिए 4: 1 इनाम है। एक अवसर है जो बाइनरी विकल्प के वास्तविक बाजार में पाया जाने की संभावना नहीं है। इस का दूसरा पहलू यह है कि आपका लाभ हमेशा कैप्चर होता है। कोई फर्क नहीं पड़ता कि शेयर या विदेशी मुद्रा जोड़ी आपके पक्ष में कितना चलती है, एक द्विआधारी विकल्प विकल्प का मूल्य 100 हो सकता है। कई विकल्पों के अनुबंध खरीदना एक संभावित कीमत की चाल से संभावित लाभ का एक तरीका है। चूंकि द्विआधारी विकल्प अधिकतम 100 के लायक हैं, जो उन्हें सीमित व्यापारिक पूंजी के साथ व्यापारियों के लिए सुलभ बनाता है। जैसा कि पारंपरिक स्टॉक दिवस ट्रेडिंग की सीमाएं लागू नहीं होतीं ट्रेडिंग नडेक्स पर 100 जमा से शुरू हो सकता है। द्विआधारी विकल्प एक अंतर्निहित परिसंपत्ति के आधार पर एक व्युत्पन्न होता है, जिसे आप स्वयं नहीं करते हैं इसलिए, आप मतदान अधिकार या लाभांश के हकदार नहीं हैं जो कि आपके पास वास्तविक स्टॉक के स्वामित्व के लिए हकदार हैं। बाइनरी विकल्प हाँ या कोई प्रस्ताव पर आधारित हैं। आपका लाभ और हानि क्षमता आपके खरीद या बेचने की कीमत से निर्धारित होती है, और यह विकल्प 100 या 0 के बराबर होने की स्थिति में है। जोखिम और इनाम दोनों ही कैप्चर किए गए हैं, और आप लाभ में लॉक की समाप्ति से पहले किसी विकल्प से बाहर निकल सकते हैं या कम कर सकते हैं नुकसान। यूए में द्विआधारी विकल्प नडेक्स और सीबीओई एक्सचेंजों के माध्यम से कारोबार किया जाता है। विदेशी कंपनियों ने अमेरिकी निवासियों को अपने द्विआधारी विकल्पों के रूप में व्यापार करने के लिए अनुरोध किया है, जो आमतौर पर गैरकानूनी रूप से कार्य कर रहे हैं। बाइनरी ऑप्शन ट्रेडिंग में प्रवेश के लिए कम बाधा है लेकिन सिर्फ इसलिए कि कुछ सरल है इसका मतलब यह नहीं है कि पैसे कमाने के लिए आसान होगा। व्यापार के दूसरी तरफ हमेशा कोई और है जो सोचता है कि वे सही हैं और आप गलत हैं केवल पूंजी वाले व्यापार को आप खो सकते हैं, और एक डेमो खाते का व्यापार पूरी तरह से सहज हो सकते हैं ताकि बाइनरी विकल्प वास्तविक पूंजी के साथ व्यापार करने से पहले काम कर सकें। 0.25 x 0.25 डिग्री मासिक, कई मौसम वर्षा उत्पादों को निष्क्रिय माइक्रोवेव (टीएमआई ) और वर्षा रडार (पीआर) सेंसर बोर्ड पर उष्णकटिबंधीय वर्षा माप माप (टीआरएमएम) उपग्रह, जिसे नवंबर 1 99 7 में लॉन्च किया गया था। टीआरएमएम मासिक या जलवायु बारिश उत्पादों, जिसे स्तर 3 उत्पादों के रूप में संदर्भित किया जाता है, मुख्य रूप से संचय से प्राप्त होता है टीआरएमएम स्तर 2 उत्पादों, या तत्काल बारिश का अनुमान मूल उपग्रह स्नैपशॉट दृश्यों के अनुरूप है। विभिन्न टीआरएमएम वर्षा सेंसर से कई बारिश उत्पादों की उपलब्धता इस तथ्य की वजह से है कि हर एक में विभिन्न शक्तियां और कमजोरियां हैं नतीजतन, सबसे अच्छा वर्षा अनुमान आवेदन निर्भर है। टीआरएमएम पीआर उच्चतम स्थानिक संकल्प (4 किमी) प्रदान करता है, अधिकतर सूचना सामग्री, सबसे ऊर्ध्वाधर संकल्प (80 स्तर), और कई अनुप्रयोगों के लिए सबसे सीधे मापा सतह के वर्षा अनुमान। पीआर की सपाट चौड़ाई, हालांकि, TMI स्वाथ चौड़ाई के लगभग 13 है जो कई जलवायु अनुप्रयोगों के लिए काफी खराब नमूना है। वर्तमान संस्करण संस्करण 6 डाटासेट है: 3 बी 43 डेटासेट जीपीसीसी बारिश गेज विश्लेषण के साथ दैनिक 3 बी 42 डेटासेट में विलय करता है। जिसके परिणामस्वरूप 3 बी 43 बारिश की दर मासिक औसत 0.25 एक्स 0.25 डिग्री लैटॉन बक्से से अधिक हो गई है। इस उत्पाद के लिए इस्तेमाल किया गया 3बी43 पुनर्प्राप्ति एल्गोरिथ्म हफ़मैन एट अल द्वारा तकनीक पर आधारित है 1995, 1997 और हफ़मैन 1997. यह डाटासेट और अन्य टीआरएमएम डेटा टीआरएमएम डाटा एक्सेस पेज के माध्यम से उपलब्ध है, जो नासा के गोदार्ड डीएएसी में स्थित है। अतिरिक्त जानकारी: गोदार्ड डीएएसी टीआरएमएम सूचना पृष्ठ नासा (यूएस) टीआरएमएम मुख पृष्ठ जेएक्सए (जापानी) टीआरएमएम होम पेज संदर्भ: हफ़मैन, जीजे। R. F. एडलर, बी। रुडोल्फ, यू। श्नाइडर, और पी.आर. केहन, 11 99 5: उपग्रह आधारित अनुमानों, बारिश गेज विश्लेषण, और एनडब्ल्यूपी मॉडल की वर्षा जानकारी, जे। जलवायु के संयोजन के लिए एक तकनीक के आधार पर वैश्विक वर्षा अनुमान। 8 1284-1295। हफ़मैन, जीजे, 1 99 7: अनुमानित वर्षा के परिमित नमूनों के लिए जड़-माध्य-स्क्वायर यादृच्छिक त्रुटि अनुमान, जे। उल्का। । । 1191-1201। हफ़मैन, जी.जे. R. F. एडलर, पी। अर्किन, ए। चांग, ​​आर। फेरारो, ए। ग्रुबर, जे जानोइयाक, ए। मैकैनाब, बी। रुडोल्फ, और यू। श्नाइडर, 1 99 7: द ग्लोबल टर्म क्लाइमैटोलॉजी प्रोजेक्ट (जीपीसीपी) संयुक्त वर्षा डाटासेट, बुल । आमेर। उल्का। समाज। । 78 5-20। अकादमिक संपादक: मार्को फ्रांसिनी प्राप्त: 23 अक्टूबर 2018 स्वीकृत: 26 जनवरी 2017 प्रकाशित: 13 फरवरी 2017 जल संसाधन प्रबंधकों के लिए हाइड्रोलोजी मॉडल एक तेजी से महत्वपूर्ण उपकरण होगा क्योंकि पानी की उपलब्धता कम होती है और पानी की सुरक्षा संबंधी चिंताएं डेटा में अधिक उचित होती हैं- दुर्लभ क्षेत्रों सौभाग्य से, नए उपलब्ध उपग्रह रिमोट सेंसिंग टेक्नोलॉजी ऐसे क्षेत्रों में हाइड्रोलॉजिक मॉडलों के लिए इनपुट डेटा की स्थानिक रिज़ॉल्यूशन और गुणवत्ता में सुधार के लिए अवसर प्रदान करती है। विशेष रूप से, स्टेशन डेटा (CHIRPS) डेटासेट के साथ जलवायु खतरों समूह इन्फ्रारेड वर्षा ऋतु-वैश्विक उच्च संकल्प वर्षा जानकारी को स्वस्थानी और सक्रिय और निष्क्रिय रिमोट सेंसिंग डेटा स्रोतों के मिश्रण से प्राप्त किया गया है। हमने मृदा और जल आकलन उपकरण (एसडब्ल्यूएटी), एक हाइड्रोलॉलिक मॉडल में CHIRPS डेटासेट के निगमन को संचालित किया है। सीटू बार गेज स्टेशन डेटा, जलवायु पूर्वानुमान प्रणाली रेनलालिसिस (सीएफएसआर) डेटासेट, और पश्चिमी केन्या में डेटा-दुर्लभ पश्चिम में पश्चिमी देशों के चेयरपेज डेटासेट में 1 99 0 2000 की अस्थायी सीमा पर उपयोग किए जाने वाले स्ट्रीमफ्लो के अनुमान के बीच परिणामों की तुलना की गई। सिमुलेट स्ट्रीमफ्लो अनुमान वर्षा गेज स्टेशन डेटा के साथ खराब थे लेकिन सीएफएसआर और चाइर्प्स डेटासेट के साथ काफी सुधार हुआ। हालांकि, सीएफ़एसआर डाटासेट के मुकाबले CHIRPS डाटासेट का उपयोग मॉडल के अंशांकन के बाद एक बेहतर सांख्यिकीय प्रदर्शन प्रदान करता है जिसमें उच्चतर ऊंचाई वाले क्षेत्रों में एक स्ट्रीमफ्लो गेज स्टेशन के अपवाद के साथ होता है। कुल मिलाकर, समग्र औसत नैश-सटक्लिफ़ क्षमता (एनएसई) और आर 2 मूल्यों के बावजूद, CHIRPS डाटासेट का उपयोग सबसे बड़ा रैखिक सहसंबंध, सापेक्ष परिवर्तनीयता और सामान्यीकृत पूर्वाग्रह था। हाइड्रोलॉजिक मॉडलिंग सैटेलाइट वर्षा SWAT CHIRPS CFSR केन्या 1. परिचय 2018 में यूएन के सहस्राब्दी विकास लक्ष्यों के समापन के बाद, अनुमान लगाया गया था कि दो अरब से अधिक लोगों ने एक बेहतर जल स्रोत की पहुंच हासिल कर ली थी। हालांकि, वर्तमान जल संसाधन वितरण अभी भी पूरे अफ्रीका और एशिया में जल तनाव और कमी पर प्रकाश डालता है, शेष 700 मिलियन लोगों के आधे हिस्से में बिना सहारा अफ्रीका 1 के भीतर स्थित एक बेहतर जल स्रोत तक पहुंच। इसलिए, सतत विकास के लिए यूएनएस 2030 एजेंडा ने सतही सतत विकास लक्ष्यों (एसडीजी) में से एक को जल की उचित उपलब्धता सुनिश्चित करने, जल संसाधन प्रबंधन को एकीकृत करने और अधिक टिकाऊ निकासी और आपूर्ति को प्रोत्साहित करने के लिए समर्पित किया। उप-सहारा अफ्रीका के भीतर, आर्थिक और सामाजिक विकास दोनों जल संसाधनों के स्थायी प्रबंधन पर निर्भर हैं। हालांकि, वर्तमान जल संसाधन प्रबंधन विफलताओं और अपर्याप्तताओं को बड़े पैमाने पर जल संसाधनों के अपर्याप्त मूल्यांकन से जोड़ा जा सकता है 3। दुर्भाग्य से, जल संसाधनों की मात्रा का ठहराव दोनों जटिल और महंगे हैं, विशेषकर घाटियों के भीतर जो सामाजिक-राजनीतिक और आर्थिक सीमाओं के पार हैं। हालांकि, हाइड्रोलोजी मॉडल में सभी इनपुट अनिश्चितता को पेश करते हैं, लेकिन वाटरशेड पर वर्षा की सटीक मात्रा का ठहराव और स्थानिक वितरण विशेष रूप से अपवाह के हाइडोलोजिक अनुमान के लिए महत्वपूर्ण है, और इसके परिणामस्वरूप, स्ट्रीम फ़्लो 4, 5। दुर्भाग्य से, पिछले कुछ दशकों में, अफ्रीका में वर्षा गेज स्टेशन डेटा की मात्रा काफी कम हो रही है। 1 9 80 के दशक के शुरूआत में, 2400 स्टेशनों को सार्वजनिक डेटा धाराओं में बारिश डेटा दिया गया था जिसमें वैश्विक ऐतिहासिक जलवायु नेटवर्क (जीएचसीएन) और ग्लोबल सारांश ऑफ द डे (जीएसओडी) शामिल थे। हालांकि, 2018 की संख्या में स्टेशनों की संख्या 500 से घटकर 6 थी। बेसिनों को मात्रा, स्थानिक वितरण और वर्षा डेटा की गुणवत्ता के आधार पर खराब तरीके से लगाया जा सकता है। वर्षा गेज स्टेशनों का एक कम मात्रा और स्थानिक वितरण पानी की उपलब्धता की अधिकता और गलत मात्रा का कारण बन सकता है, जबकि अविश्वसनीय या अपूर्ण डेटासेट मौसमी या बड़े रेंज अस्थायी पैटर्नों में असमर्थ या गलत तरीके से पहचान कर सकते हैं। सीट बारिश गेज स्टेशनों में उच्च घनत्व के स्थान पर, हाइडोलॉजिस्टों को जलवायु परिवर्तन और रिमोट सेंसिंग उपकरणों से प्राप्त वर्षा अनुमानों तक पहुंच है। यद्यपि ये डेटासेट माप प्रत्यक्ष करने के लिए सटीक विकल्प नहीं हो सकते हैं, वे अक्सर अधिक लागत प्रभावी, समय पर और विश्वसनीय होते हैं, इस प्रकार वर्षा में मौसमी, लौकिक और स्थानिक पैटर्न की अनुमति देते हैं और हाइड्रोलोजी मॉडल में शामिल किए जाते हैं। वियतनाम में किए गए एक अध्ययन में, कई गड़बड़ी जलवायु रेनलालिसिस और दूर-संवेदी वर्षा डेटासेट का उपयोग सीटू स्टेशन डेटा 7 में उपयोग के लिए डिस्चार्ज का अनुकरण करने के समान मॉडल प्रदर्शन के रूप में हुआ। इसके अलावा, चीन में तीन घाटियों के जलाशय के ऊपर नदी के किनारों में, यांग एट अल 8 तुलनात्मक वर्षा डेटासेट भूमि-सतह के मॉडल, रेनलालिसिस डाटासेट्स, और क्लाइमेटोलॉजी मॉडल से प्राप्त किए गए हैं जिनमें सीटू स्टेशन डेटा शामिल हैं। उन्होंने पता लगाया कि, अपेक्षाकृत फ्लैट बेसिन में, गड़बड़ वर्षा डेटासेट्स का अनुमान है कि SWAT मॉडल के भीतर स्थित सीटू स्टेशन डेटा की तुलना में बेहतर स्थान पिछले दशक के दौरान, 9, 10, 11 के अतिरिक्त अतिरिक्त अध्ययनों ने हाइड्रोलॉजिक मॉडल के भीतर उपग्रह-व्युत्पन्न उत्पादों के उपयोग की प्रभावशीलता की सकारात्मक समीक्षा की, लेकिन सर्वसम्मति से सहमति थी कि निरंतर अध्ययन आवश्यक है। इसके अलावा, रिमोट सेंसिंग आधारित या भूमि-सतह के मॉडल की वर्षा का अनुमान लगातार सीटू आंकड़ों 12, 13, 14 में बेहतर नहीं रहा। इस प्रकार, खराब तरीके से लगाए गए क्षेत्रों में हाइड्रोलॉजिक मॉडल बनाने के दौरान, यह निर्धारित करना महत्वपूर्ण है कि क्या वर्षा आकलन के साथ सीटू डेटा में जगह नहीं है या नहीं उपयुक्त है। इस अध्ययन का उद्देश्य दुगुना था। सबसे पहले, हमने एक मानक हाइड्रोलॉजिक मॉडल में CHIRPS डेटासेट के रूपांतरण और कार्यान्वयन की आसानी से आसानी से जांच की, एक गड़बड़ी सैटेलाइट-व्युत्पन्न वर्षा डेटासेट। दूसरा, हमने पूर्वी अफ्रीका के डेटा-दुर्लभ क्षेत्र में स्ट्रीमफ्लो के अनुमान के आधार पर गड़बड़ी जलवायु रेनलालिसिस और उपग्रह-व्युत्पन्न वर्षा डेटासेट के सापेक्ष प्रदर्शन का परीक्षण किया। 2. अध्ययन क्षेत्र का अध्ययन झील विक्टोरिया बेसिन (एलवीबी) (उप-सहारा अफ्रीका) में किया गया था, जो पांच अलग-अलग देशों के लिए महत्वपूर्ण साझा जल संसाधन है। हालांकि, क्योंकि पांच देशों में राजनीतिक और पर्यावरणीय एजेंडे भिन्न हैं, विशेष रूप से संसाधनों के लगातार और सटीक मात्रा का ठहराव के बिना, एल. वी.बी. के भीतर जल संसाधन प्रबंधन रणनीतियों की निगरानी और क्रियान्वित करना मुश्किल हो गया है। नतीजतन, बेसिन में वाटरशेड गिरावट का सामना करना पड़ रहा है और पानी की गुणवत्ता और मात्रा 15 में गिरावट आई है। झील के प्रवाह 16 में सबसे बड़ी सहायक नदी के एक अंश, Nzoia बेसिन (अक्षांश 130 एन और 005 एस और लैंडिडिएंस 34 और 3545 ई), 12,000 किमी 2 से अधिक के एक जलग्रहण क्षेत्र को कवर करता है और पर्वत Elgon और पश्चिमी के पूर्वी ढलान चेरंगानी पहाड़ियों की ढलान (चित्रा 1)। बेसिन भू-आकृति विज्ञान और भूमि उपयोग के आधार पर, इसे चार क्षेत्रों में विभाजित किया जा सकता है: पर्वतीय क्षेत्र, पठार क्षेत्र संक्रमण क्षेत्र और निचला क्षेत्र 17। पर्वत क्षेत्र में माउंट एल्गोन और चेरंगानी पहाड़ियों के ऊंचे उत्थान के क्षेत्र शामिल हैं, और पठार क्षेत्र बेसिन के भीतर प्रमुख खेती क्षेत्र है, छोटे पैमाने पर खेती संक्रमण और निचला क्षेत्र में जारी है। झीलों और मिट्टी के कारण लैंडलैंड क्षेत्र में बारहमासी बाढ़ का अनुभव होता है। बेसिन के भीतर स्थित दो सबसे प्रभावशाली मिट्टी के प्रकार ऐक्रिसोल और फेरालोल हैं। बेसिल के आउटलेट के करीब स्थित निचले इलाकों में अक्रिसोल पाए जाते हैं। वे अक्सर एक कठिन सतह क्रस्ट बनाते हैं, जो वर्षा की घटनाओं के दौरान पानी की अपर्याप्त पहुंच का कारण बनता है और संभावित बाढ़ वाले क्षेत्रों के लिए महत्वपूर्ण रूप से जोड़ता है। फेरारल्सोल ऐक्रिसोल के एक कम विचलित संस्करण हैं और बेसिन के उच्च ऊंचाई वाले क्षेत्रों में उनसे नदी के ऊपर की ओर पाया गया है। फेरारल्स के पास उपलब्ध जल रखने की सीमित क्षमता है, जो कि फसलों की वृद्धि के लिए हानिकारक है और सूखा की अवधि के दौरान है। बेसिन के लिए औसत वर्षा लगभग 1424 मिमी है, उच्च ऊंचाई वाली 1500 और 1750 मिमी के बीच में उच्च ऊंचाई (माउंट एल्गोन और चेरंगानी हिल्स) पर होने वाली वर्षा और कम बारिश 18 के झील के निचले इलाकों में 800 से 1100 मिमी के बीच होती है। यद्यपि झील विक्टोरिया के स्थानीय जलवायु 19 घाटियों पर एक अनूठा प्रभाव है, अंतर-उष्णकटिबंधीय अभिसरण क्षेत्र (आईटीसीजेड) के वार्षिक स्थानांतरण के आधार पर पूरे साल पूरे चार अलग-अलग मौसम होते हैं (दो बारिश और दो सूखे)। घाटियों के निवासियों में से 90 जीविका कृषि और पशुधन को अपनी आजीविका के लिए 20 पर भरोसा करते हैं, जिसके फलस्वरूप कृषि क्षेत्र के रूप में वर्गीकृत बेसीन के भीतर 40 से अधिक भूमि उत्पन्न होती है (अंतर्राष्ट्रीय भू-क्षेत्र-बायोस्फीयर कार्यक्रम वर्गीकरण के आधार पर)। Nzoia बेसिन शहरी विकास की उम्मीद है और औद्योगिक कृषि योजनाओं 21 के लिए एक उच्च माध्यमिक क्षमता है, इसके बावजूद 3 लाख से अधिक 22 निवासियों की इसकी आबादी 22 है। दुर्भाग्य से, इस विकास की अनुमानित पानी की कमी के साथ भी जोड़ा गया है। 2007 में, केन्या ताजा पानी प्रति व्यक्ति 647 मी 3. था। संयुक्त राष्ट्र के नीचे एक मूल्य 1000 मीटर की सिफारिश 3. अनुमानतः जनसंख्या वृद्धि पर आधारित अनुमान बताते हैं कि प्रति व्यक्ति ताजा पानी में 2325 मी 3 से 2025 23 तक गिरावट की संभावना है। 3. सामग्रियों और तरीके अपेक्षाकृत खराब पाया गया घाटियों में जल संसाधन मूल्यांकन में सुधार करने के तरीके को समझने के लिए, एसडब्ल्यूएटी मॉडल स्ट्रीमफ्लो आकलन के सांख्यिकीय प्रदर्शन की तुलना में मॉडल आदानों के रूप में तीन अलग-अलग प्रकार के डेटा डेटासेट का उपयोग करते समय तुलना की गई थी। SWAT मॉडल का उपयोग एनज़ोई बेसिन 24, 25, 26 के भीतर किया गया है क्योंकि यह ओपन सोर्स है और जल संसाधन प्रबंधक के लिए एक शक्तिशाली उपकरण है। जैसा कि वर्षा डेटा को अक्सर हाइड्रोलोजी सिमुलेशन मॉडल 4, 5 में सबसे बड़ा प्रभाव माना जाता है, यह एनज़ोई बेसिन के भीतर SWAT मॉडल के लिए चर होलोगों के इनपुट के प्रभाव को समझना महत्वपूर्ण था। निम्नलिखित डेटासेट को स्ट्रीमफ्लो (चित्रा 2) को अनुकरण करने के लिए SWAT मॉडल में इनपुट के रूप में उपयोग किया गया था: 30 मीटर उन्नत स्पेसबॉर्न थर्मल एमिशन एंड रिफ्लेक्शन रेडीओमीटर (एस्टर) ग्लोबल डिजिटल एलिव्हेशन मॉडल संस्करण 2 (जीडीईएम वी 2 भूमि प्रक्रिया से वितरित सक्रिय पुरालेख केंद्र से प्राप्त किया गया एलपी डीएएसी) ग्लोबल डाटा एक्सप्लोरर), 1: 1,000,000 केन्या के लिए मिट्टी और इलाके डाटाबेस (केनसटर v.2) अंतर्राष्ट्रीय मृदा संदर्भ और सूचना केंद्र, मॉडरेट रेज़ल्यूशन इमेजिंग स्पेक्ट्रोराडियोमीटर (एमओडीआईएस) 500 एम भूमि कवर उत्पाद (एमसीडी 12 क्यू 1), और विभिन्न वर्षा इनपुट जो गहराई में अधिक चर्चा करेंगे। विश्व एग्रोफ़ोरेस्ट्री सेंटर (आईसीआरएएफ) ने चार नदी गेज स्टेशनों (चित्रा 3) के लिए दैनिक प्रवाह प्रवाह डेटा प्रदान किया। स्टेशनों को 1971 से 2000 तक डेटा था, लेकिन किसी भी स्टेशन का अस्थायी रेंज के पूरा रिकॉर्ड नहीं था झील विक्टोरिया बेसिन कमीशन (एलवीबीसी) ने लापता आंकड़ों के साथ अस्थायी रेंज 1 9 742008 पर रूंबा फ़ेरी स्टेशन पर नोज़ियो के लिए मासिक निर्वहन डेटा प्रदान किया था। 3.1। विभिन्न वर्षा निविष्टियाँ इस अध्ययन में तीन अलग-अलग प्रकार की वर्षा की जानकारी का विश्लेषण किया गया है: सीटू स्टेशन डेटा में, मौसम संबंधी पूर्वानुमानों के रेनलालिसिस से प्राप्त वर्षा आंकड़े, और मिश्रित उपग्रह और स्टेशन डेटा। 3.1.1। वर्षा गेज स्टेशनों कैलिफोर्निया विश्वविद्यालय के सांता बारबारस जलवायु खतरों समूह (सीएचजी) ने सीटू बारिश डाटा स्टेशन गेज डेटा में मासिक प्रदान किया। चार स्टेशनों का स्थानिक वितरण चित्रा 4 ए में देखा जा सकता है। यद्यपि स्टेशनों को पूरी तरह से बेसिन में पर्याप्त रूप से वितरित किया जाता है, लेकिन अध्ययन के अस्थायी रेंज के लिए स्टेशनों में से कोई भी पूरा रिकॉर्ड नहीं था। ग्लोबल हिस्टोरिकल क्लाइमेट नेटवर्क (जीएचसीएन) डेटासेट को वर्षा के रिकॉर्ड की नींव के रूप में इस्तेमाल किया गया था और किसी भी लापता रिकॉर्ड क्रमशः ग्लोबल समर ऑफ द डे (जीएसओडी) और वर्ल्ड न्यूटोरोलॉजिकल ऑर्गेनाइजेशन ग्लोबल टेलीकम्युनिकेशन सिस्टम (जीटीएस) गेज डेटा से भरा गया था। जीएचसीएन डाटासेट 6 की तुलना में जीएसओडी और जीटीएस डाटासेट की अविश्वसनीयता के कारण यह रैंकिंग है। स्टेशन के आंकड़ों के सम्मिश्रण के बावजूद, अस्थायी रेंज में वर्षा रिकार्ड में अभी भी महत्वपूर्ण अंतर था। सभी चार स्टेशनों में डेटा के बीच 30 से 65 के बीच कहीं भी डेटा गायब नहीं था। 3.1.2। सीएफएसआर डाटासेट पर्यावरण पूर्वानुमान के लिए राष्ट्रीय केंद्र (एनसीईपी) सीएफएसआर दैनिक मौसम संबंधी डेटासेट को 38 किमी क्षैतिज संकल्प के साथ संकलित किया गया था। डाटासेट वैश्विक, उच्च संकल्प, युग्मित वायुमंडल-सागर-भूमि सतह-समुद्री बर्फ प्रणाली के रीनालिसिस से प्राप्त होता है। Reanalysis हर 6 घंटे होता है और पहले पूर्वानुमानित पूर्वानुमान डेटा और विश्लेषण से संबंधित रुझानों को समाप्त करने के लिए आने वाले पूर्वानुमान को बनाने के लिए उपयोग किया जाता है जो कभी भी पास नहीं हुआ था। Nzoia बेसिन में 30 सीएफएसआर डेटा स्थानों के स्थानिक वितरण चित्रा 4 बी में दिखाया गया है। डेटासेट SWAT वेबसाइट पर उपलब्ध है और डेवलपर्स द्वारा अनुशंसित है। हालांकि, हालांकि SWAT डेवलपर्स ने सीएफएसआर डेटासेट की सिफारिश की है, एक अध्ययन में पूर्वी अफ्रीका में जलविभाजन में विभिन्न वर्षा उत्पादों की तुलना में पाया गया कि विशेष रूप से सीएफएसआर डाटासेट उपग्रह-व्युत्पन्न और इंटरपोलाटेड गेज वर्षा डेटासेट्स की तुलना में खराब स्थानिक सहसंबंध था। इसके अलावा, नोजिया बेसिन का आकार (12,000 किमी 2) डेटा को घटाए बिना रेनालिसिस डेटा के उपयोग के लिए उपयुक्त नहीं हो सकता है। 3.1.3। CHIRPS डेटासेट CHIRPS डेटासेट एक अपेक्षाकृत नया अर्ध वैश्विक, उच्च संकल्प, दैनिक, पेंटाडल और मासिक वर्षा डेटासेट है। डेटासेट अद्वितीय है क्योंकि इसमें कम विलंबता, लंबी संकल्पित उच्च संकल्प के आंकड़े उपलब्ध कराए जाते हैं और वैज्ञानिकों को मौजूदा प्रवृत्तियों का विश्लेषण करने और जल प्रबंधन के लिए उपयुक्त पैमाने पर ऐतिहासिक रुझानों की तुलना करने की अनुमति देता है। अनिवार्य रूप से, CHIRPS एक निश्चित ठंडे बादल अवधि (सीसीडी) मूल्य सीमा और उष्णकटिबंधीय वर्षा माप माप (टीआरएमएम) मल्टी-सैटेलाइट वर्षा विश्लेषण (टीएमपीए) डेटा के आधार पर प्रतिगमन तकनीकों का उपयोग करता है जो वर्षा के अनुमानों को तैयार करता है जो सीटू स्टेशन डेटा के साथ मिश्रित होते हैं संशोधित व्युत्क्रम दूरी भारित एल्गोरिथम 28 स्टेशन डेटा का समावेश भी अनुमानों के लिए सही करने में मदद करता है जो अक्सर वर्षा की घटनाओं की तीव्रता को कम करके अनुमानित करते हैं। यह ध्यान दिया जाना चाहिए कि चूंकि CHIRPS डाटासेट पहले 2018 में प्रकाशित हुआ था, वहां बहुत कम पढ़ाई होती है जो इसी तरह की वैश्विक वर्षा डेटासेट के साथ CHIRPS डेटासेट का मूल्यांकन और तुलना करती है। 2018 से पूर्वी अफ्रीका में हाल ही के एक अध्ययन में गेज डेटा के विकल्प के रूप में वैश्विक तेज़ी डेटासेट की तुलना में उनके विश्लेषण में CHIRPS डेटासेट शामिल नहीं था। हालांकि इस अध्ययन से भौगोलिक रूप से प्रासंगिक नहीं, ड्यूआन एट अल 29 इटली में एक छोटे वाटरशेड के लिए तीन अलग-अलग प्रकार के वर्षा उत्पादों की तुलना में: ग्लोबल आर्मी क्लाइमैटोलॉजी सेंटर (जीपीसीसी) डेटा, सांख्यिक मौसम पूर्वानुमान और सीएफएसआर उत्पाद जैसे वायुमंडलीय मॉडल और डेटासेट से निर्मित डाटासेट्स के आधार पर इंटरपालाटेड गेज स्टेशन की जानकारी। टीटीएमएम और चाइर्प्स जैसे उपग्रह-व्युत्पन्न सूचनाओं और गेज स्टेशन की जानकारी का मिश्रण कुल मिलाकर, अध्ययन में पाया गया कि 0.05 स्थानिक संकल्प पर CHIRPS डेटासेट ने सबसे छोटी पूर्वाग्रह और अन्य सभी वर्षा उत्पादों की अपेक्षा अपेक्षाकृत बेहतर प्रदर्शन दिखाया। इसके अलावा, CHIRPS डेटा के 0.05 रिज़ॉल्यूशन (वर्तमान में सभी उपग्रह-व्युत्पन्न वैश्विक तेज़ी डेटासेट्स का सबसे कम स्थानिक रिज़ॉल्यूशन) छोटे बेसिन स्केल पर हाइड्रोलॉजिकल मॉडल में आवेदन के लिए अनुकूल डेटासेट बनाता है। चैरिप्स डेटा विभिन्न प्रकार के स्थानिक और अस्थायी प्रस्तावों और फ़ाइल स्वरूपों में क्लाइमेट हैज़र्ड समूह फाइल ट्रांसफर प्रोटोकॉल (एफ़टीपी) साइट पर उपलब्ध है। दैनिक वर्षा.टीआईफ़ फाइल को एफ़टीपी साइट से 0.05 रिज़ॉल्यूशन पर डाउनलोड किया गया था। SWAT मॉडल को जलवायु सूचनाओं की आवश्यकता है जैसे पाठ फ़ाइलें नतीजतन, MATLAB के भीतर मैपिंग टूलबॉक्स वर्षा की हर पिक्सेल पर एक स्टेशन बनाने के लिए इस्तेमाल किया गया था। संचिका टेक्स्ट फाइल में वर्षा जानकारी को पढ़ने के लिए। प्रत्येक स्टेशन के 3-आयामी स्थानिक स्थान को बनाए रखने के लिए बेसिन डीईएम के साथ मिलकर मैपिंग टूलबॉक्स आवश्यक थे। प्रसंस्करण के बाद, पूरे अध्ययन क्षेत्र (चित्रा 4 सी) में कुल 825 स्टेशन थे। 3.1.4। वर्षा डेटासेट तुलना वर्षा की जानकारी प्रदान करने वाले चार स्टेशनों में से, कितालीकीटा के पास कम से कम आंकड़े थे जिनमें से 65 आंकड़े गायब हैं। सीटू स्टेशन डेटा, सीएफएसआर रेनलालिसिस, और सैटेलाइट-व्युत्पन्न CHIRPS डेटा की वर्षा रिकॉर्ड की तुलना स्टैम्पल रेंज (चित्रा 5) पर किटालेकीटा स्टेशन के निकटतम निकटता वाले स्टेशनों से की गई। जैसा कि दिखाया गया है, CHERSPS डेटासेट का सीएफएसआर डेटासेट की तुलना में सीटू स्टेश डेटा के साथ एक बड़ा अस्थायी संबंध था। जैसा कि पहले बताया गया है, यह संभव है कि सीएफएसआर डेटासेट के कारण छोटे-छोटे वाटरशेड अध्ययनों के लिए खराब स्थानिक सहसंबंध और असुविधा हो। हालांकि, हालांकि चाइर्प्स डाटासेट सीएफटीआर डाटासेट से बेहतर स्थान पर है, यह अभी भी गीला अवधि के दौरान बारिश की अधिक मात्रा में कमी आई है और 0 मि.मी. बारिश में महीनों में सूचना मिली है कि सीटू स्टेशन डाटासेट 13.7 से 57.67 मिमी के बीच कहीं भी दर्ज किया गया है। कुल मिलाकर, चूंकि CHIRPS डेटासेट में गेज स्टेशन डेटा के साथ उच्च संबंध थे और यह तीनों डेटासेटों की सबसे बड़ी स्थानिक घनत्व (चित्रा 4) और अस्थायी स्थिरता (चित्रा 5) था, यह अनुमान लगाया गया कि CHIRPS डेटासेट सबसे पूर्ण होगा और Nzoia बेसिन के भीतर हाइड्रोलॉजिक मॉडलिंग के लिए सटीक डेटासेट। 3.2। SWAT मॉडल SWAT मॉडल एक अर्द्ध-वितरित और समय सतत जलसंयोगी अनुकार उपकरण है जो दैनिक समय पर चल रहा है। उपकरण हाइड्रोजिकल प्रतिक्रिया इकाइयों (एचआरयू) की अवधारणा के आधार पर काफी हद तक आधारित है। डीईएम का उपयोग वाटरशेड सीमा और जल निकासी नेटवर्क को परिभाषित करने के लिए किया जाता है। इसके बाद, सवाल में वाटरशेड को पहली बार subwatersheds में discretized किया गया है, और आगे एचआरयू में discretized जो अद्वितीय भूमि usland कवर, ढलान, और मिट्टी 30 से गुणों के द्वारा परिभाषित किया गया है। विच्छेदन के बाद और जलवायु मानकों (वर्षा, हवा का तापमान, सापेक्ष आर्द्रता, पवन की गति और सौर विकिरण) के इनपुट के बाद, निम्नलिखित जल संतुलन समीकरण को हर व्यक्ति एचआरयू: रोज़ाना पड़ेगा। आई पी आई क्यूआर i) आर जहां टी दिनों में समय है, SW मिट्टी की पानी की सामग्री है, और आरए। एट। पी। और क्यूआर क्रमशः वर्षा, अपवाह, बाष्पीकरण, झिल्ली, और भूजल प्रवाह की दैनिक मात्रा (मिमी) है। यह ध्यान रखना जरूरी है कि, जलवायु पैरामीटरों में, वर्षा केवल एकमात्र पैरामीटर था जो मॉडल पुनरावृत्तियों के बीच बदल गया। सीएफएसआर डेटासेट शेष जलवायु पैरामीटर के लिए इस्तेमाल किया गया था निरंतर जल संतुलन बनाए रखने के लिए, मॉडल ने आईएसआरआईसी मिट्टी के डाटाबेस से प्राप्त वक्र संख्या (सीएनएस) के आधार पर अपवाह को अनुकरण करने के लिए एक संशोधित मृदा संरक्षण सेवा (एससीएस) वक्र संख्या पद्धति का उपयोग किया। इसके अतिरिक्त, चूंकि सीएफएसआर डाटासेट हवा की गति, सापेक्षिक आर्द्रता और सौर विकिरण डेटा प्रदान करता है, पेमानमैनिथिथ विधि 31 का उपयोग करके मॉडल द्वारा बाष्पीकरण की अनुमान लगाया जा सकता है। अनुक्रमिक अनिश्चितता डोमेन पैरामीटर फिटिंग (SUFI-2) एल्गोरिथ्म एक स्व-कैलिब्रेशन तकनीक है जो SWAT कैलिब्रेशन और अनिश्चितता कार्यक्रम (SWAT-CUP) 32 में शामिल है। 4. परिणाम धारा प्रवाह का प्रतिनिधित्व करने में SWAT मॉडल पुनरावृत्तियों की सटीकता आईसीआरएएफ और एलवीबीसी द्वारा प्रदत्त डिस्चार्ज स्टेशनों से मापा मूल्यों के लिए नकली प्रवाह प्रवाह की तुलना करके निर्धारित किया गया था। चित्रा 6 चित्रा 6, Ruambwa फेरी डिस्चार्ज स्टेशन पर Nzoia से मनाया मासिक स्ट्रीमफ्लो की तुलना और उपबासीन से विभिन्न वर्षा इनपुट के प्रत्येक के लिए uncalibrated नकली मासिक प्रवाह प्रवाह है। जैसा कि दिखाया गया है, सीट स्टेशन स्टेशन का उपयोग कर स्ट्रीमफ्लो आकलन 16,000 मीटर तक है 3 एस, मॉडल सिमुलेशन के साथ बहुत सी प्रवाह प्रवाह तुलना करके, सीएफएसआर और चाइर्प्स वर्षा डेटासेट्स का उपयोग करके स्ट्रीमफ्लो चोटियों के अधिक से अधिक संबंध के लिए अनुमति दी गई है। गेज स्टेशन डेटा का उपयोग करते हुए स्ट्रीमफ्लो आकलन के बेहद खराब प्रदर्शन को डेटा की कम अस्थायी स्थिरता और स्थानिक घनत्व का श्रेय दिया जा सकता है। SWAT मॉडल स्ट्रीमफ्लो आकलन की प्रारंभिक तुलना के आधार पर, केवल सीएफएसआर और CHIRPS मॉडल अध्ययन के अस्थायी रेंज के एक छोटे उपसमूह पर कैलिब्रेट किए गए थे। चूंकि सीएफएसआर और चाइर्प्स डाटासेट रोज़मर्रा के चरण में उपलब्ध थे, मॉडल कैलिब्रेशन (19901995) और वैल्यूशन (19962000) चार अलग-अलग स्टेशनों पर आईसीआरएएफ द्वारा प्रदत्त दैनिक निर्वहन डेटा का उपयोग किया गया था। प्रवाह प्रवाह आकलन के लिए संवेदनशील हाइड्रोलोजी मापदंडों का निर्धारण करने के बाद, SWAT-CUP एल्गोरिथ्म उपयोगकर्ता को विभिन्न सांख्यिकीय परीक्षणों के लिए अनुकूलित करने की अनुमति देता है। तालिका 1 प्रत्येक मॉडल रन के लिए संवेदनशील पैरामीटर को इंगित करता है। दोनों मॉडल रन एससीएस वक्र संख्या (अनिवार्य रूप से अपवाह अनुमान), जो SWAT मॉडल 33, 34 के लिए अनिश्चितता का एक आम स्रोत है में महत्वपूर्ण संवेदनशीलता दिखाया है। मॉडल सीएफएसआर डाटासेट का उपयोग कर चलाता है, तथापि, हायरलोगोलिक मापदंडों के लिए अधिक संवेदनशीलता दिखाती है जो कि चाइर्प्स डाटासेट (जीडब्ल्यूडीईईएलई, एल्पाहैफ़, और आरसीएचआरजीडीपी) का उपयोग करते हुए मॉडल की तुलना में भूजल प्रणाली में जल रिचार्जिंग के परिमाण और समय को प्रभावित करती है। कितालेकीटा स्टेशन पर वर्षा विश्लेषण से पता चला है कि सीएफ़एसआर डाटासेट CHIRPS डाटासेट की तुलना में आर्द्र महीनों के दौरान अधिक बारिश का अनुमान लगा रहा था। जब सीएफएसआर डाटासेट को SWAT मॉडल के इनपुट के रूप में इस्तेमाल किया गया था, फिर भी, स्प्रैस डेटासेट (चित्रा 7) का उपयोग करते हुए SWAT मॉडल के मुकाबले सूक्ष्म अवधि के दौरान स्ट्रीमफ्लो को अक्सर कम करके कम किया गया। इसलिए, यह संभावना है कि, गीला महीनों के दौरान अधिक से अधिक वर्षा की भरपाई करने के लिए, सीएफएसआर मॉडल चलाया गया भूजल प्रक्रिया से संबंधित हाइड्रोलोजी प्रक्रियाओं के पैरामीटर मूल्यों को बदलने पर भारी निर्भर करता है। स्ट्रीमफ्लो के मॉडल आकलन के मूल्यांकन के लिए उपयोग किए गए दो सांख्यिकीय मानदंड नैशस्कुफ्फ़फ़िफ़ दक्षता (एनएसई) और निर्धारण के गुणांक (आर 2) थे। एनएसई देखे गए मूल्यों के साथ हाइड्रोलॉजिक मॉडल के प्रदर्शन की तुलना करने के लिए सबसे अधिक उपयोग किया जाने वाला मानदंडों में से एक है और इसे तीन अलग-अलग घटकों में विरूपित किया जा सकता है: रैखिक सहसंबंध (आर, आदर्श मान 1), सामान्यीकृत पूर्वाग्रह (आदर्श मान 0) और सापेक्ष परिवर्तनीयता ( , आदर्श मान 1) 35 जैसा कि तालिका 2 में दिखाया गया है। हालांकि सीएफएसआर डाटासेट का इस्तेमाल करते हुए स्ट्रीमफ्लो अनुमान उचित आर 2 मानों के परिणामस्वरूप, CHIRPS डाटासेट का उपयोग करते हुए स्ट्रीम प्रवाह आउटेज के परिणामस्वरूप समान रूप से उचित आर 2 वैल्यू के साथ-साथ तुलना में बेहतर एनएसई मान पैरामीटर सीमाएं जो CHIRPS डेटा के साथ कैलिब्रेटेड स्ट्रीमफ्लो अनुमान प्राप्त करने के लिए उपयोग की गई थी, तब सत्यापन अवधि (19962000) के लिए उपयोग किया गया था और सांख्यिकीय प्रदर्शन भी तालिका 2 में पाया जा सकता है 5. चर्चा हालांकि परिणामों से पता चलता है कि रिमोट सेंसिंग-आधारित वर्षा डेटा का विकास स्टेशन के वर्षा मॉडल रन की तुलना में सुधार में हुई, CHIRPS मॉडल रन लगातार सीएफएसआर मॉडल रन को मात नहीं करता था। सीएफएसआर मॉडल चलाने के परिणामस्वरूप एनज़ोआ स्थान पर सुधारित आर 2 मूल्यों के साथ, बेसिन (चित्रा 3) के उच्च ढलान क्षेत्रों में स्थित एक निर्वहन स्टेशन। सीएसएफआर मॉडल चलाने की वजह से इस क्षेत्र में वर्षा को दर्शाया गया था क्योंकि उपग्रह-पूर्वोचित वर्षा अनुमानों को पूर्वी अफ्रीका के पहाड़ी क्षेत्रों में सीमाओं के पास पाया गया है। आमतौर पर, थर्मल इन्फ्रारेड (टीआईआर) से उत्पन्न वर्षा का बारिश हो रही और गैर-बारिश के बादलों के बीच भेदभाव करने में कठिनाई होती है, क्योंकि वायुमंडलीय बादल ऐसे वर्षा करते हैं जो आमतौर पर गर्म होते हैं। एल्गोरिदम जो निष्क्रिय माइक्रोवेव सेंसर से डेटा पर निर्भर हैं, वे बादलों के भीतर बर्फ की उपस्थिति के आधार पर गलत पहचान के अधीन हैं। CHIRPS डेटासेट पांच उपग्रह उत्पादों का संदर्भ देता है जिसमें माइक्रोवेव और अवरक्त तरंगदैर्य 6 से जानकारी शामिल है। नतीजतन, CHIRPS डेटासेट Nzoia बेसिन के उच्च ढलान क्षेत्रों में वर्षा की कम सटीक अनुमान प्रदान कर सकता है और प्रवाह प्रवाह अनुमान को प्रभावित कर सकता है, जो चित्रा 8 में दिखाए गए आकलन दक्षता में अंतर को समझा सकता है। यह ध्यान रखना महत्वपूर्ण है कि, CHIRPS डेटासेट के लिए साहित्य का सुझाव नहीं है कि जटिल स्थलाकृति में इसके प्रदर्शन खराब 6, 38 है। CFSR और CHIRPS मॉडल के लिए विभिन्न सांख्यिकीय परीक्षणों के प्रदर्शन की तुलना करते समय दक्षता मानदंड के गणितीय माप महत्वपूर्ण होता है। दृढ़ संकल्प (आर 2) का गुणांक यह समझने के लिए उपयोग किया जाता है कि नकली डेटा में कितना मनाया गया विचरण व्यक्त किया गया है। इसलिए, उच्च आर 2 मान प्राप्त किए जा सकते हैं, जब तक कि समय-समय और परिमाण के आकृति मौजूद है, तब तक सिम्युलेटेड और देखे गए परिमाण के बीच एक अपेक्षाकृत महत्वपूर्ण अंतर है। एनएसई सांख्यिकीय परीक्षण से दक्षता ई, मनाया डेटासेट 39 में भिन्नता से सामान्यीकृत अनुमानित और मनाया गया डेटा के बीच पूर्ण स्क्ववर्ड मतभेद का योग है। चूंकि अनुमानित और मनाया गया डेटा के बीच के अंतर को चुकाना पड़ता है, इसलिए सांख्यिकीय परीक्षण का वजन छोटे भागों से बड़ा अंतर होता है। उदाहरण के लिए, Nzoia डिस्चार्ज स्टेशन में आर 2 मान और रूंबा फ़ेरी डिस्चार्ज स्टेशन पर एनज़ुआई क्रमशः 0.4 9 और 0.38 थे। हालांकि, यह स्पष्ट है कि Nzoia डिस्चार्ज स्टेशन (चित्रा 8 ए) में सिम्युलेटेड प्रवाह प्रवाह, गीला अवधि के दौरान अधिक तीव्रता के लिए बहती प्रवाह। इसके विपरीत, फ्लो का परिमाण Ruambwa Ferry निर्वहन स्टेशन (चित्रा 8 बी) में Nzoia में और अधिक सही मिलान किया गया था। अंत में, खासकर कम और नकारात्मक एनएसई मूल्यों के साथ, एनएसई के अपघटन से महत्वपूर्ण सांख्यिकीय अंतर्दृष्टि प्रदान की जा सकती है क्योंकि स्ट्रीम प्रवाह का मॉडल सिमुलेशन या चलने वाले मानों से मेल नहीं खाता है। चित्रा 9 चित्रा 9, CHIRPS और CFSR डेटासेट का उपयोग करते हुए मनाया स्ट्रीमफ्लो और सिम्युलेटेड स्ट्रीमफ्लो के बीच अस्थायी सहसंबंध दिखाता है। The streamflow estimation using the CFSR dataset had more data points falling along the area near the regression line as streamflow increased, but streamflow estimation using the CHIRPS dataset had a better correlation with observed streamflow when flows were less than 200 m 3. a pattern observed in Figure 7 as well. The values for relative variability can be considered good for both streamflow estimations, indicating that neither precipitation datasets resulted in anomalously high streamflow values. The values for normalized bias, however, were much better for streamflow estimates using the CHIRPS dataset than for streamflow estimates using the CSFR dataset. The bias within the streamflow estimates using the CFSR dataset could be linked back to the datasets overestimation of precipitation in the wetter months. Finally, although the linear correlation value that indicates the simulation datas ability to reproduce the timing and shape of discharge is greater for streamflow estimates using the CHIRPS dataset, it is still not ideal and explains why the overall NSE value is so low. The inability to reproduce timing and shape of discharge can be linked to the CHIRPS datasets tendency to consistently overpredict rainfall during wetter months and anomalously report 0 mm of rainfall during some dry periods. 6. Conclusions Overall, the incorporation of CHIRPS data within the SWAT model showed the most statistically significant improvements with regards to streamflow volume estimation, but did not achieve satisfactory efficiency criteria or consistently outperform the gridded climate reanalysis product with regards to streamflow timing and shape and in higher slope regions of the Nzoia Basin. The relatively poor performance of streamflow estimation using the CSFR dataset can be largely attributed to the size of the watershed and the datasets inherently poor spatial correlation. Therefore, the inclusion of CHIRPS data within the SWAT model is only suggested for relatively flat, poorly gauged, small-scale watersheds and with an understanding of its limitations. However, for the purposes of improving physical water availability to inform water resource management strategies, the combination of CHIRPS data and the SWAT model can be a powerful tool for water resource managers in data scarce regions. Acknowledgments This work was supported by the Ralph W. Brauer Endowed Fellowship and the Socio-Environmental Analysis Lab (SEAL), University of North Carolina Wilmington. Many thanks to the University of California Santa Barbaras Climate Hazards Group for providing rainfall and temperature data for the region. Author Contributions Alyssa M. Le and Narcisa G. Pricope conceived and designed the experiments and collected the data, Alyssa M. Le performed the experiment and analyzed the data, and Alyssa M. Le and Narcisa G. Pricope wrote the paper. Conflicts of Interest The authors declare no conflict of interest. The SEAL lab aided in the design of the study, the collection and analysis of data, the writing of the manuscript, and the decision to publish the results. References World Health Organization and UNICEF. Progress on Drinking Water and Sanitation: 2018 Update World Health Organization and UNICEF: Geneva, Switzerland, 2018. Google Scholar Grey, D. Sadoff, C. Water Resources and Poverty in Africa: Breaking the Vicious Cycle. In Proceedings of the Inaugural Meeting of Africa Ministers Committee on Water, Abuja, Nigeria, 30 April 2002. UN World Water Assessment Programme. The United Nations World Water Development Report 2018: Water for a Sustainable World UNESCO: Paris, France, 2018. Google Scholar Anderson, M. Yuan, Y. Bingner, R. Impact of precipitation uncertainty on SWAT model performance. In Proceedings of the Federal Interagency Sedimentation Conference, Federal Interagency Hydrologic Modeling Conference, Reno, NV, USA, 1923 April 2018. Gayathri, K. D. Ganasri, B. P. Dwarakish, G. S. A review on hydrological models. Aquat. Procedia 2018 . 4. 10011007. Google Scholar Funk, C. Peterson, P. Landsfeld, M. Pedreros, D. Verdin, J. Shukla, S. Husak, G. Rowland, J. Harrison, L. Hoell, A. et al. The climate hazards infrared precipitation with stationsA new environmental record for monitoring extremes. Sci. Data 2018 . 2. 150066. Google Scholar CrossRef Vu, M. T. Raghavan, S. V. Liong, S. Y. SWAT use of gridded observations for simulating runoffA Vietnam river basin study. Hydrol. Earth Syst. Sci. 2018 16. 28012811. Google Scholar CrossRef Yang, Y. Wang, G. Wang, L. Yu, J. Xu, Z. Evaluation of gridded precipitation data for driving SWAT model in area upstream of three gorges reservoir. PLoS ONE 2018 . 9. e112725. Google Scholar CrossRef PubMed Armanios, D. E. Fisher, J. B. Measuring water availability with limited ground data: Assessing the feasibility of an entirely remote-sensing-based hydrologic budget of the Rufiji basin, Tanzania, using TRMM, GRACE, MODIS, SRB, and AIRS. Hydrol. Process. 2018 28. 853867. Google Scholar CrossRef Khan, S. I. Adhikari, P. Hong, Y. Vergara, H. Adler, R. F. Policelli, F. Irwin, D. Korme, T. Okello, L. Hydroclimatology of Lake Victoria region using hydrologic model and satellite remote sensing data. Hydrol. Earth Syst. Sci. 2018 . 15. 107117. Google Scholar CrossRef Serrat-Capdevila, A. Valdes, J. B. Stakhiv, E. Z. Water management applications for satellite precipitation products: Synthesis and recommendations. JAWRA J. Am. Water Resour. Assoc. 2018 50. 509525. Google Scholar CrossRef Bressiani, D. D.A. Srinivasan, R. Jones, C. A. Mendiondo, E. M. Effects of spatial and temporal weather data resolutions on streamflow modeling of a semi-arid basin, northeast Brazil. इंट। J. Agric. बॉय। अभियांत्रिकी। 2018 8. 125139. Google Scholar Tobin, K. J. Bennett, M. E. Adjusting satellite precipitation data to facilitate hydrologic modeling. J. Hydrometeorol. 2018 11. 966978. Google Scholar CrossRef Roth, V. Lemann, T. Comparing CFSR and conventional weather data for discharge and sediment loss modelling with SWAT in small catchments in the Ethiopian highlands. Hydrol. Earth Syst. Sci. Discuss. 2018 12. 1105311082. Google Scholar CrossRef Lake Victoria Basin Commission. Comprehensive Water Resources Assessment (Task C): Final Version Lake Victoria Basin Commission: Mwanza, Tanzania, 2018. Google Scholar Tate, E. Sutcliffe, J. Conway, D. Farquharson, F. Water balance of Lake Victoria: Update to 2000 and climate change modelling to 2100. Hydrol. Sci. J. 2004 . 49. 563574. Google Scholar Nyadawa, M. O. Mwangi, J. K. Geomorphological characteristics of Nzoia River Basin. J. Agric. Sci. Technol. 2018 12. 145161. Google Scholar Dulo, S. O. Odira, P. M.A. Nyadawa, M. O. Okelloh, B. N. Integrated flood and drought management for sustainable development in the Nzoia River Basin. Nile Basin Water Sci. अभियांत्रिकी। J. 2018 . 3. 3951. Google Scholar Flohn, H. Burkhardt, T. Nile runoff at Aswan and Lake Victoria: A case of a discontinuous climate time series. Z. Gletscherk. Glazjalgeol. 1985 . 21. 125130. Google Scholar Water Resource Management Authority. Nzoia River Basin Management Initiative Water Resource Management Authority: Kakamega, Kenya, 2018. Onywere, S. M. Intensification of Agriculture as the Driving Force in the Degradation of Nzoia River Basin: The Challenges of Watershed Management Lake Abaya Research Symposium, Arba Minch University: Arba Minch, Ethiopia, 2007. Google Scholar Odada, E. O. Olago, D. O. Kulindwa, K. Ntiba, M. Wandiga, S. Mitigation of environmental problems in Lake Victoria, east Africa: Causal chain and policy options analyses. AMBIO J. Hum. Environ. 2004 . 33. 1323. Google Scholar CrossRef Kenya Vision 2030: A Globally Competitive and Prosperous Kenya Government of the Public of Kenya: Nairobi, Kenya, 2007. Githui, F. Gitau, W. Mutua, F. Bauwens, W. Climate change impact on swat simulated streamflow in Western Kenya. इंट। J. Climatol. 2009 29. 18231834. Google Scholar CrossRef Musau, J. Sang, J. Gathenya, J. Luedeling, E. Hydrological responses to climate change in Mt. Elgon watersheds. J. Hydrol. 2018 3. 233246. Google Scholar CrossRef Odira, P. M.A. Nyadawa, M. O. Ndwallah, B. O. Juma, N. A. Obiero, J. P. Impact of land usecover dynamics on streamflow: A case of nzoia river catchment, Kenya. Nile Basin Water Sci. अभियांत्रिकी। J. 2018 . 3. 6478. Google Scholar Koutsouris, A. J. Chen, D. Lyon, S. W. Comparing global precipitation data sets in eastern Africa: A case study of Kilombero Valley, Tanzania. इंट। J. Climatol. 2018 36. 20002018. Google Scholar CrossRef Funk, C. C. Peterson, P. J. Landsfeld, M. F. Pedreros, D. H. Verdin, J. P. Rowland, J. D. Romero, B. E. Husak, G. J. Michaelsen, J. C. Verdin, A. P. A Quasi-Global Precipitation Time Series for Drought Monitoring U. S. Geological Survey Data Series 832 U. S. Geological Survey: Reston, VA, USA, 2018. Duan, Z. Liu, J. Tuo, Y. Chiogna, G. Disse, M. Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales. Sci. Total Environ. 2018 573. 15361553. Google Scholar CrossRef PubMed Arnold, J. G. Srinivasan, R. Muttiah, R. S. Williams, J. R. Large area hydrologic modeling and assessment Part 1: Model development. JAWRA J. Am. Water Resour. Assoc. 1998 . 34. 7389. Google Scholar CrossRef Monteith, J. L. Moss, C. J. Climate and the efficiency of crop production in Britain and discussion. Philos. Trans. R. Soc. Lond. Ser. B Biol. Sci. 1977 . 281. 277294. Google Scholar CrossRef Abbaspour, K. C. SWAT Calibration and Uncertainty ProgramsA User Manual Swiss Federal Institute of Aquatic Science and Technology: Eawag, Switzerland, 2018. Google Scholar Abbaspour, K. C. Yang, J. Maximov, I. Siber, R. Bogner, K. Mieleitner, J. Zobrist, J. Srinivasan, R. Modelling hydrology and water quality in the pre-alpinealpine Thur watershed using SWAT. J. Hydrol. 2007 . 333. 413430. Google Scholar CrossRef Strauch, M. Berhnofer, C. Koide, S. Volk, M. Lorz, C. Makeschin, F. Using precipitation data ensemble for uncertainty analysis in SWAT streamflow simulation. J. Hydrol. 2018 414415. 413424. Google Scholar CrossRef Gupta, H. V. Kling, H. Yilmaz, K. K. Martinez, G. F. Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrologic modeling. J. Hydrol. 2009 377. 8091. Google Scholar CrossRef Hirpa, F. A. Gebremichael, M. Hopson, T. Evaluation of high-resolution satellite precipitation products over very complex terrain in Ethiopia. J. Appl. Meteorol. Climatol. 2018 49. 10441051. Google Scholar CrossRef Dinku, T. Connor, S. J. Ceccato, P. Comparison of CMORPH and TRMM-3b42 over mountainous regions of Africa and South America. In Satellite Rainfall Applications for Surface Hydrology Gebremichael, M. Hossain, F. Eds. Springer Science amp Business Media: London, UK, 2009. Google Scholar Katsanos, D. Retalis, A. Michaelides, S. Validation of a high-resolution precipitation database (CHIRPS) over Cyprus for a 30-year period. Atmos. रेस। 2018 169. 459464. Google Scholar CrossRef Krause, P. Boyle, D. P. Base, F. Comparison of different efficiency criteria for hydrological model assessment. अभिभाषक। Geosci. 2005 . 5. 8997. Google Scholar CrossRef Figure 1. The Nzoia Basin, a subset of the Lake Victoria Basin located in western Kenya. Figure 1. The Nzoia Basin, a subset of the Lake Victoria Basin located in western Kenya. Figure 4. Comparison of the spatial resolution of the varying precipitation inputs to the SWAT model: ( a ) station precipitation dataset from the University of California Santa Barbara (UCSB) ( b ) CFSR station dataset from the National Centers for Environmental Prediction (NCEP) ( c ) CHIRPS dataset from UCSB Climate Hazards Group (CHG) after MATLAB conversion from. tiff to stations. Figure 4. Comparison of the spatial resolution of the varying precipitation inputs to the SWAT model: ( a ) station precipitation dataset from the University of California Santa Barbara (UCSB) ( b ) CFSR station dataset from the National Centers for Environmental Prediction (NCEP) ( c ) CHIRPS dataset from UCSB Climate Hazards Group (CHG) after MATLAB conversion from. tiff to stations. Figure 5. Temporal correlation of CFSR and CHIRPS precipitation estimation to station precipitation data over the temporal range 19901995. Figure 5. Temporal correlation of CFSR and CHIRPS precipitation estimation to station precipitation data over the temporal range 19901995. Figure 6. Uncalibrated comparison of observed and simulated monthly streamflows from the Nzoia at the Ruambwa Ferry discharge station from 1992 to 2007: ( a ) station precipitation dataset ( b ) CFSR station dataset ( c ) CHIRPS dataset. Figure 6. Uncalibrated comparison of observed and simulated monthly streamflows from the Nzoia at the Ruambwa Ferry discharge station from 1992 to 2007: ( a ) station precipitation dataset ( b ) CFSR station dataset ( c ) CHIRPS dataset. Figure 7. Calibrated comparison of observed and simulated daily streamflows from the Nzoia at Ruambwa Ferry discharge station from 1990 to 1995: ( a ) CHIRPS precipitation dataset and ( b ) CFSR station dataset. Figure 7. Calibrated comparison of observed and simulated daily streamflows from the Nzoia at Ruambwa Ferry discharge station from 1990 to 1995: ( a ) CHIRPS precipitation dataset and ( b ) CFSR station dataset. Figure 8. Comparison of streamflow estimation using the CHIRPS dataset: ( a ) close to the river headwaters and ( b ) close to the basin outlet. Figure 8. Comparison of streamflow estimation using the CHIRPS dataset: ( a ) close to the river headwaters and ( b ) close to the basin outlet. Figure 9. Comparison of linear regression and efficiency criteria of observed streamflow versus ( a ) simulated streamflow using the CHIRPS dataset or ( b ) simulated streamflow using the CSFR dataset at the Nzoia at Ruambwa Ferry discharge station over the calibration period (19901995). (RV relative variability, NB normalized bias, r linear correlation). Figure 9. Comparison of linear regression and efficiency criteria of observed streamflow versus ( a ) simulated streamflow using the CHIRPS dataset or ( b ) simulated streamflow using the CSFR dataset at the Nzoia at Ruambwa Ferry discharge station over the calibration period (19901995). (RV relative variability, NB normalized bias, r linear correlation). Table 1. Sensitive hydrologic parameters that were used during calibration and validation. Table 1. Sensitive hydrologic parameters that were used during calibration and validation.