Abstract This study evaluates high resolution Climate Hazard Groups Infrared Precipitation with Stations (CHIRPS) with Surface Precipitation Gauge (SPG) of recent 38 years (1981–2018) through statistical metrics including Mean Error (ME), Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and Correlation Coefficient (CC) on daily, monthly, annual and seasonal timescales over the entire Pakistan. Trends of both the datasets were also assessed using non-parametric Mann-Kendall (MK) and Modified MK (MMK) tests. CHIRPS (SPG) captured maximum precipitation in the range of 8.5–9.0 (8.0–8.5) mm/day in northeastern parts during the Monsoon season. CHIRPS slightly underestimated SPG in the range of −0.80 to −0.17 mm/day on area averaged precipitation of 46 stations for the period 1981–2018. Maximum ME, MAE, RMSE were observed as 2.0 mm/day, 1.8 mm/day and 1.8 mm/day respectively on annual timescale. Strong linear relationship (CC > 0.70) was noted between CHIRPS and SPG on monthly, Winter, Monsoon and Post-Monsoon season timescales. CHIRPS (SPG) showed increasing trends in 43 (26) stations using MK test and almost similar trend behavior was detected using MMK test on monthly timescale. CHIRPS showed increasing trends for all the six administrative regions for the period 1981–2018 using MK test and same trend behavior was observed using MMK test during the Monsoon season. Overall, good agreement between MK and MMK trend tests were observed with trivial variations in most of the administrative regions. Hence, it is concluded that CHIRPS can be a substitute of SPG in low and medium elevated and data scarce regions.

中文翻译：

---

基于 CHIRPS 卫星的巴基斯坦降水数据集的验证

摘要 本研究通过包括平均误差 (ME)、平均绝对误差 (MAE)、平均误差 (MAE) 在内的统计指标，评估了近 38 年（1981-2018 年）具有地面降水量计 (SPG) 的高分辨率气候危害群红外降水 (CHIRPS)。整个巴基斯坦每日、每月、每年和季节性时间尺度上的均方误差 (RMSE) 和相关系数 (CC)。还使用非参数 Mann-Kendall (MK) 和 Modified MK (MMK) 测试评估了两个数据集的趋势。CHIRPS (SPG) 在季风季节期间在东北部地区捕获了 8.5-9.0 (8.0-8.5) 毫米/天的最大降水量。CHIRPS 略微低估了 1981-2018 年期间 46 个站点的面积平均降水量的 SPG，范围为 -0.80 至 -0.17 毫米/天。观察到的最大 ME、MAE、RMSE 为 2.0 毫米/天，1。在年度时间尺度上分别为 8 毫米/天和 1.8 毫米/天。在月、冬季、季风和季风后季节时间尺度上，CHIRPS 和 SPG 之间有很强的线性关系（CC > 0.70）。CHIRPS (SPG) 在使用 MK 测试的 43 (26) 个站点中显示出增加的趋势，并且使用 MMK 测试在每月时间尺度上检测到几乎相似的趋势行为。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。在月、冬季、季风和季风后季节时间尺度上，CHIRPS 和 SPG 之间有很强的线性关系（CC > 0.70）。CHIRPS (SPG) 在使用 MK 测试的 43 (26) 个站点中显示出增加的趋势，并且使用 MMK 测试在每月时间尺度上检测到几乎相似的趋势行为。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。在月、冬季、季风和季风后季节时间尺度上，CHIRPS 和 SPG 之间有很强的线性关系（CC > 0.70）。CHIRPS (SPG) 在使用 MK 测试的 43 (26) 个站点中显示出增加的趋势，并且使用 MMK 测试在每月时间尺度上检测到几乎相似的趋势行为。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。CHIRPS (SPG) 在使用 MK 测试的 43 (26) 个站点中显示出增加的趋势，并且使用 MMK 测试在每月时间尺度上检测到几乎相似的趋势行为。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。CHIRPS (SPG) 在使用 MK 测试的 43 (26) 个站点中显示出增加的趋势，并且使用 MMK 测试在每月时间尺度上检测到几乎相似的趋势行为。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。CHIRPS 在 1981-2018 年期间使用 MK 测试显示所有六个行政区域的增加趋势，并且在季风季节使用 MMK 测试观察到相同的趋势行为。总体而言，在大多数行政区域中观察到 MK 和 MMK 趋势测试之间的良好一致性，但差异很小。因此，可以得出结论，CHIRPS 可以在中低海拔和数据稀缺地区替代 SPG。