نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی

روش‌های درونیابی نوین جهت تعیین بهترین روش برآورد توزیع مکانی بارش ، مطالعه موردی: چهار محال بختیاری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترا دانشگاه تبریز

2 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز

3 دانشجوی دکتری ژئومورفولوژی گرایش مدیریت محیط، دانشگاه تبریز

چکیده

یکی از مسائل مهم در مدیریت منابع آب، برآورد توزیع بارندگی در مناطقی است که مقادیر بارندگی اندازه گیری نشده است. به دلیل عدم پوشش کامل ایستگاه های اندازه گیری باران، تخمین بارش در مناطق میان ایستگاه‌ها ضروری است. تخمین داده های نامعلوم در نقاط مختلف با استفاده از روش‌های درونیابی بر روی داده های اندازه گیری شده در محدوده مورد مطالعه انجام می‌گیرد. به همین منظور روش‌های متفاوتی برای تحلیل داده های مکانی به کار گرفته می‌شود. در این تحقیق، از انواع روش‌های متداول درونیابی و زمین آماری جهت برآورد پارامتر میانگین بارندگی سالانه استان چهار محال و بختیاری مورد استفاده قرار گرفته است. آمار مورد استفاده، آمار ٤٤ ایستگاه باران سنجی برای دوره زمانی ١٩٨٠ تا ٢٠٠٨ می‌باشد. با توجه به تغییرات شدید توپوگرافی منطقه مورد مطالعه، تأثیر ارتفاعات در توزیع بارش به عنوان مانع در برابر انتشار ابرها مورد هم مورد بررسی قرار گرفته است. بدین منظور درونیابی با انواع مدل‌ها محاسبه و نقشه پیش بینی ترسیم شد. سپس با استفاده از روش ارزیابی متقابل، ریشه مجذور خطاها و خطای نقشه‌ها برآورد شد و یک نقشه به عنوان نقشه مناسب انتخاب گردید. نتایج بدست آمده نشان می‌دهد که برای درونیابی میانگین بارندگی سالانه روش‌هایی که ارتفاعات را به عنوان موانع در نظر گرفت، دقت‌های بالاتری را در منطقه مورد مطالعه نشان می‌دهند، که از این میان مدل‌های چندجمله‌ای درجه چهار و پنج مناسب‌ترین اطلاعات را برای درونیابی مقادیر میانگین بارندگی سالانه از خود نشان داد

تازه های تحقیق

در پژوهش حاضر چندین روش درونیابی با مدلهای متفاوت، از لحاظ میزان دقت، برای درونیابی دادههای مربوط به میانگین بارندگی سالانه با یکدیگر مقایسه شدند. هدف دیگر این تحقیق، مقایسه میزان دقت درونیابی در حضور موانع بود، که در مطالعات کمتر مورد توجه قرار میگیرند. نتایج بدست آمده با توجه به معیارهای خطاسنجی در جداول 1 تا 2 ارایه شده اند .

در روشهای کریجینگ، بهترین نتایج زمانی رخ داده است که پارامتر جهت نیز مورد تحلیل قرارگرفته است و این بیانگر آن است که بارندگی هم تابع فاصله و هم تابع جهت است و بهترین جهت، جهتی عمود بر روند افزایش توپوگرافی یا روند افزایش بارش خواهد بود. روشهای کریجینگ  به تنهایی و بدون تأثیر جهت دارای دقت کمتری هستند. در روش کوکریجینگ بارش و ارتفاع دارای همبستگی 77/6 هستند و بیانگر آن است که بارش و توپوگرافی وابستگی شدیدی به هم دارند. نتایج حاصل از روش کوکریجینگ نشان دهنده این است که ایجاد واریوگرام متقابل به سختی صورت میگیرد ولی با وجود آن، نتایج حاصله رضایت بخش است.  

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

New interpolation methods to determine the best method of estimating the spatial distribution of precipitation

نویسندگان [English]

  • neda mousavi kojabad 1
  • amir sedghi saman 2
  • mehdi moradi 3

1 univercity tabriz

2 Master's student in remote sensing and geographic information system, Tabriz University

3 Doctoral student of geomorphology, environmental management orientation, Tabriz University

چکیده [English]

One of the important issues in water resources management is the estimation of rainfall in areas where pregnancy has not been done. Due to the lack of complete coverage of the rain measuring stations, it is necessary to estimate the rainfall in the areas between the stations. . Estimation of unknown data at different points is done using interpolation methods on the measured data in the studied area. For this purpose, different methods are used to analyze spatial dataIn this research, a variety of common methods of interpolation and geostatistics have been used to estimate the average annual rainfall parameter of Chahar Mahal and Bakhtiari province. The statistics used are the statistics of 44 rain gauge stations for the period from 1980 to 2008. . Due to the extreme changes in the topography of the study area, the effect of altitude on the distribution of precipitation as a barrier against the spread of clouds has also been investigated. For this purpose, interpolation was calculated with various models and a prediction map was drawn. Then, using the mutual evaluation method, the square root of the errors and the error of the maps were estimated and one map was selected as the appropriate map The obtained results show that for the interpolation of the average annual rainfall methods that considered the heights as obstaclesThey show higher accuracies in the studied area, among which the fourth and fifth degree polynomial models showed the most suitable information for interpolation of average annual rainfall values

کلیدواژه‌ها [English]

  • Key words: interpolation
  • geostatistics
  • rainfall
  • Chaharmahal and Bakhtiari

یکی از مسائل مهم در مدیریت منابع آب، برآورد توزیع بارندگی در مناطقی است که مقادیر  بارندگی اندازهگیری نشده است. به دلیل عدم پوشش کامل ایستگاههای اندازهگیری باران، تخمین بارش در مناطق میان ایستگاهها ضروری است. تخمین دادههای نامعلوم در نقاط مختلف با استفاده از روشهای درونیابی بر روی دادههای اندازهگیری شده در محدوده مورد مطالعه انجام میگیرد. به همین منظور روشهای متفاوتی برای تحلیل دادههای مکانی به کار گرفته میشود. در این تحقیق، از انواع روشهای متداول درونیابی و زمین آماری جهت برآورد پارامتر میانگین بارندگی سالانه استان چهار محال و بختیاری مورد استفاده قرار گرفته است. آمار مورد استفاده، آمار 99 ایستگاه باران سنجی برای دوره زمانی 1466 تا 3666 میباشد. با توجه به تغییرات شدید توپوگرافی منطقه مورد مطالعه، تأثیر ارتفاعات در توزیع بارش به عنوان مانع در برابر انتشار ابرها مورد هم مورد بررسی قرار گرفته است. بدین منظور درونیابی با انواع مدلها محاسبه و نقشه پیشبینی ترسیم شد. سپس با استفاده از روش ارزیابی متقابل، ریشه مجذور خطاها و خطای نقشهها برآورد شد و یک نقشه به عنوان نقشه مناسب انتخاب گردید. نتایج بدست آمده نشان میدهد که برای درونیابی میانگین بارندگی سالانه روشهایی که ارتفاعات را به عنوان موانع در نظر گرفتند، دقتهای بالاتری را در منطقه مورد مطالعه نشان میدهند، که از این میان مدلهای چندجملهای درجه چهار و پنج مناسبترین اطلاعات را برای درونیابی مقادیر میانگین بارندگی سالانه از خود نشان دادند. همچنین مقایسه روشهای دیگر برای برآورد خطای بارندگی سالانه نشان میدهد، روش کوکریجینگ انفصالی با مدل کروی تغییرات بارندگی در منطقه را بهتر نشان داده و با توپوگرافی منطقه هماهنگی بیشتری دارد.

1-Hopeful, Kamal. and Khosravi, Yunus. Evaluation of kriging method in determining an optimal model for monitoring the standard rainfall index in GIS environment (case study: Etan Yazd), the second national conference on the effects of drought and its management solutions, Isfahan, Agricultural and Natural Resources Research Center.
2-Baro, P.A., (1385). Geographical Information System, translated by: Taherkia, H., Tehran, Samit Publications.
3-Gis, Tehran, the geographical organization of Mosleh Torabi Azad forces, Massoud. Sieh Rani,
Amir. Eftekhari, Rahim, (2009). Arc software geostatistical analyst training
4-Hosni Pak, Ali Asghar, 1386, Geography, second edition, Tehran, Tehran University Press.
5-Samani Drop, Saeed, study of the trend of precipitation changes (amount, time and type) in Chaharmahal and Bakhtiari province, General Meteorological Department of 
6-Chaharmahal and Bakhtiari province, year (1388). Kahrodi Tali, Manijeh, 1384, Geographical Information System in 3D Environment, Jihad University Publications, Tarbiat Moalem Unit, No. 49, p. 173.
Madani, Hassan, (1377). Basics of Geography, Tehran, Amirkabir University of Technology.
7-Mahdian, Mohammad Hossein and Ghiathi, Najaf Qoli and Mousavinejad, Seyyed Mahmoud. 1385, investigation of different interpolation methods in estimating monthly rainfall data in the central region of Iran, Agricultural Sciences and Techniques and Natural Resources, number one, year seven, pp. 33-44.
8-Abtew, W.J. Obeysekera, and Shih. G, (1993). Spatial Analysis for Monthly Rainfall in South Florida, Water Resources Bulletin, 29(2): 179-188.
9-Collins, Jr. F. C. and P.V. Bolstad (1996). A Comparison of Spatial Interpolation Techniques in Temperature Estimation, Third International Conference/Workshop on Integrating GIS and Environmental Modeling.
10-Cressie, N. (1993). Statistics for spatial data, Wiley, New York.
11-Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall, J. Hydrol, 228, 113–.921
12-Goovaerts, P. (1997). Geostatistics for Natural Resources Evalution, Oxford University Press, NewYork, NY. 496 pp.
13-Hargrove, W. (2001). Interpolation of Rainfall in Switzerland Using a Regularized Spline with Tension. Geographic Information and Spatial Technologies Group, Book Ridge National laboratory, 1:122-.821
 
 94Application of remote sensing and GIS in environmental sciences-86 در علوم محیطی، شماره 2، سال اول ،تابستان 1961، صص GIS و , Vol 1, No. 2, Sکاربرد سنجش از دورummer 2022, pp. 49-68                                                                                                                            55
14-Hevesi, J.A. and Istok, J.D. and Flint, A.L. (1992). Precipitation estimation in mountainous terrain using multivariate geostatistics. PartI: Structural analysis, J. Appl. Meteorol, 31, 661– 676.
15-Hewitson, B.G., and Crane, R.G. (2010). Gridded Area-Averaged Daily Precipitation via Conditional Interpolation, Journal of Climate, 2005, 18: 41-57.
16-Isaaks, E.H. and R.M. Srivastava, (1989). Applied Geostatistics, Oxford University Press, New York.
17-Jurikovska, A. (2011). Comparison Spatial Interpolation Methods in Rainfall Estimation, GIS Ostrava, 23- 26.1, Ostrava.
18-Krivoruchko, K. and Krause, E. (2011). Concepts and Application of Kriging, ESRI International User Confernce, San Diego.
19-Kruvoruchko, K. and Gribov, A. (2002). Geostatistical Interpolation and with Simulation with non-Euclidean  Distances, geoENV  IV,Barcelona.. Available at http:// www.esri.com/ software/ arcgis/ arcgisxtensions/ geostatistical/ research_papers.html.
20-Naoum, S. and Tsanis, I.K. (2002). Ranking Spatial Interpolation Techniques Using a GISBased DSS, Hydrologic Engineering, 9(2), 79-102 pp.
21-Pizzi, E. and Gleason, M. and Rodd, J. and Vedula, S. (2011). Point Interpolation, GIS 5203  ESRI Workshop, Fall 2011.
22-SHeikhasan, H. (2006). a Comparison of Interpolation Techniques for Spatial Data Priediction, Master’s Thesis, University Van Amsterdam. Neathelands.
23-Stein, A. and Corsten, L.C.A. (1991). Universal kriging and cokriging as regression procedures, Biometrics 47: 575 -.785
24-Tabios, G.Q. and Salas, J.D. (1985). A Comparative Analysis of Techniques for Spatial AnalysisPrecipitation, Water Resources Bulletin, (21)3, pp. 365-.083
25-Tsanis, I.K. and Gad, M.A. (2001). A GIS Precipitation Method for Analysis of Storm Kinematics. Environmental Modelling and Software 16:273-.182
26-Vasiliades, L. and Loukas, A. 2004, Precipitation Spatial Interpolation Methods Assessment in Pinois River Basin, Greece, 1523-1530 pp.
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی
دوره 2، شماره 3 - شماره پیاپی 3
شهریور 1401
صفحه 68-49
  • تاریخ دریافت: 23 شهریور 1401
  • تاریخ بازنگری: 01 آبان 1401
  • تاریخ پذیرش: 30 شهریور 1401