دوره 12، شماره 23 - ( بهار و تابستان 1400 )
جلد 12 شماره 23 صفحات 223-212 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Yousefi kebria A, nadi M, Jamei M. (2021). Investigation of Statistical and Geostatistical Methods in Preparing The Rainfall Map of Mazandaran Province. J Watershed Manage Res. 12(23), 212-223. doi:10.52547/jwmr.12.23.212
URL: http://jwmr.sanru.ac.ir/article-1-1075-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1075-fa.html
یوسفی کبریا علیرضا، نادی مهدی، جامعی مژده. بررسی روش های آماری و زمین آماری در تهیه نقشه هم بارش استان مازندران پژوهشنامه مديريت حوزه آبخيز 1400; 12 (23) :223-212 10.52547/jwmr.12.23.212
1- دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- سازمان آب و برق خوزستان
2- سازمان آب و برق خوزستان
چکیده: (2731 مشاهده)
تخمین بارش در حوضه های فاقد داده هواشناسی اهمیت زیادی در مطالعات هیدرولوژی و پیش‌بینی سیلاب دارد. با توجه به فقدان ایستگاههای هواشناسی با آمار بلندمدت در استان مازندران و همچنین ماهیت تصادفی بودن داد ههای بارش، استفاده از روشهای آماری مبتنیبر متغیرهای کمکی و مقایسه آنها با روشهای زمین آماری برای درون یابی داده های بارندگی ماهانه و سالانه در این استان ضروری به نظر می رسد. به همین منظور در این تحقیق از داده های بارش 21 ایستگاه هواشناسی طی دوره آماری 13ساله (2016-2004) استفاده شد و شش روش درونیابی شامل کریجینگ عمومی، کوکریجینگ، وزنی عکس فاصله، اسپلاین، رگرسیون کریجینگ و گرادیان خطی سه بعدی با یکدیگر مقایسه شدند. ارزیابی روشها نیز بر اساس میانگین مربعات خطا و میانگین خطای اریب و تحلیل رگرسیونی انجام گرفت. تحلیل واریوگرافی مدل های کروی و نمایی را به‌عنوان بهترین مدل نظری نیم تغییرنما نشان داد. نتایج تحلیل شاخصهای خطا نشان داد روش اسپلاین دارای بیشترین خطای برآورد بارش بوده و روش گرادیان خطی سه بعدی مناسبترین روش تهیه نقشه های هم بارش معرفی شد که توانست خطای تخمین بارش را نسبت به روشهای زمین آماری بین 100 تا 200 میلی‌متر و حدود 40-60 درصد کاهش دهد. البته دقت تخمین آن در ماه های گرم و کم بارش کاهش مییابد. بررسی نقشه های هم‌بارش به‌خوبی دقت روشهای مبتنی بر متغیر کمکی در تشخیص حلقه های کمبارش و پر بارش استان را نشان می دهد به‌طوری‌که حلقه پر بارش استان در سواحل غربی وجود دارد و با حرکت به سمت شرق استان از حجم بارش کاسته می شود. با توجه به تبعیت نقشه هم‌بارش از نقشه پستی و بلندی، این نکته مورد توجه است که حجم بارش نزولی اختلاف زیادی با بارش ارتفاعات این استان دارد. نتایج این پژوهش اثبات کرد استفاده از متغیرهای کمکی منجر به افزایش قابل توجه دقت نقشه‌های هم‌بارش می‌شود.
فهرست منابع
1. Abdollahi, P., M. Habibnejad and K. Solaimani. 2015. Investigation of Precipitation and Temperature Changes in Caspian Sea Southern Coasts and Its Comparison with Changes in Northern Hemisphere and Global Scales. Journal of Watershed Management Research, 6(11): 90-100.
2. Abo-Monasar, A. and M.A. Al-Zahrani. 2014. Estimation of rainfall distribution for the southwestern region of Saudi Arabia. Hydrological Sciences Journal, 59(2): 420-431. [DOI:10.1080/02626667.2013.872788]
3. Akbari, M., H. Mostafaie and T. Mohammadzadeh. 2015. Error assessment and measurement, interpolation efficiency in estimating northwestern Iran temperature and precipitation data. International Conference on Geographical Seinces (ICG 2015), Kharazmi Institute of Higher Science and Technology, Shiraz, Iran, (In Persian).
4. Amini, M., A. Hedayati and M. Azadi. 2019. A Case study of comparing some interpolation methods for precipitation analysis over Iran. Nivar, (100-101): 67-74.
5. Arowolo, A.O., A.K. Bhowmik and W. Qi and X. Deng. 2017. Comparison of spatial interpolation techniques to generate high-resolution climate surfaces for Nigeria. International Journal of Climatology, 37(1): 179-192. [DOI:10.1002/joc.4990]
6. Arzumandi, L. and F. Tirgar Fakhri. 2013. Synoptic analysis of heavy rainfall in Mazandaran province (Case study November 11, 1996). International Conference on Geography,Urban Planning and Sustainable Development, Tehran (In Persian).
7. Ataei, H., M. Tavana. and L. Parsa. 2014. Climate Analysis of Mazandaran Province and Mazandaran Province's Climate Zoning Using Gis. The Second national conference of Tourism, Geography and Stable Environment, (In Persian).
8. Carratal A., A. Gomez and J. Bellot. 1998. Mapping Rain Compostion in the East of Spain by Applying Kriging. Water, Air and soil Pollution, 104(12): 9-27. [DOI:10.1023/A:1004993809263]
9. Chen, T., L. Yan, F. Yang, X. Jiang, S.H. Tang, T. Liu, Y. Zaho and C.H. Zhang. 2017. Comparison of Spatial Interpolation Schemes for Rainfall Data and Application in Hydrological Modeling. Water, 9(342); doi:10.3390-9050342. [DOI:10.3390/w9050342]
10. Dellavari, D., M. Mirzai zade and M. Tarek. 2014. Evaluation of Different Kriging Methods in Ilam Province Rain Zone. Second National Conference on Architecture, Civil and Urban Environment, Hamadan, Martyr Mofteh Callege, (In Persian).
11. Eslami, H. 2019. Investigation of Spatial Variability of Precipitation Concentration and Rainfall Erosivity Indices in Khuzestan Province. Journal of Watershed Management, 9(17): 109-118. (In Persian). [DOI:10.29252/jwmr.9.17.109]
12. Ghahroudi Tali, M. and Sh. Mohammadi. 2002. Relief Management and Necessity of Domain Instability Zoning in Sanandaj. 1st Conference on Search and Rescue Management, Iran Crescent Applied Higher Education Institute, Tehran, (In Persian).
13. Ghorbani, Kh. 2011. Geographically Weighted Regression: A Method for Mapping Isohyets in Gilan Province. Journal of Water and Soil, 3(66): 743-752.
14. Hakim Doost, Y., A. Mohammad Pour zidi and M.S. Gerami. 2015. Spatial analysis of rainfall in Mazandaran province, in the environment of geographic information system. Journal of Geographical Information Scientific Quarterly, 26(102):191-203.
15. Jamei, M. and M. Mousavi Baigi. 2013. Spatial and zoning estimation of reference evapotranspiration in Khuzestan province. Journal of Geography and Regional Development (Research Journal), 11(21): 23-43.
16. Kolahchi, A., B. Nazari and B. Karimi. 2007. Study of Monthly Rainfall in Mazandaran Province and Comparison of GIS Statistical Methods with Gis. 4th National Conference on Iranian Watershed Management Science and Engineering, Karaj, Faculty of Natural Resources, University of Tehran, (In Persian).
17. Kumari, M., A. Basistha, O. Bakimchandra and C.K. Singh. 2016. Comparison of spatial interpolation methods for mapping rainfall in Indian Himalayas of Uttarakhand region. In: Raju N. (Ed.), Geostatistical and Geospatial Approaches for the Characterization of Natural Resources in the Environment. Springer, Cham, Switzerland, PP. 159-168. [DOI:10.1007/978-3-319-18663-4_27]
18. Mozafari, G., S. Shafiee and R. Behnoosh. 2014. Statistical Spatial Analysis of the Precipitated Rainfall of Iran by the atmosphere-Ocean HADCM3 General Cycle Round. Agricultural Meteorological Journal, 2(2): 45-36.
19. NabiPur, Y. and M. VafaKhah. 2017. Comparison of Different Geostatistical Methods for Estimating Rainfall in Haji Ghoshan Watershed. Journal of Range and Watershed Management, 2(69): 487-502.
20. Nadi, M., A. Khalili, K. Pour Tahmasi and J. Bazrafshan. 2013. Comparison of different climatological zoning techniques to determine the most important factors affecting the growth of Chahar Bagh area trees, Journal of Forest and Wood Products. Iranian journal of natural recources, 1(66): 95-83 (In Persian).
21. Nadi, M., M. Jamei. J. Bazrafshan and S. Janat Rostami. 2012. Evaluation of Different Methods for Interpolation of Mean Monthly and Annual Precipitation Data (Case Study: Khuzestan Province). Physical Geography Research, 4(44): 130-117 (In Persian).
22. Niknejad, M., A. Mahdavi and A. Karimi. 2013. Evaluation of drop rate of different interpolation methods in preparing rainfall map of Khorramabad city. The first national conference of Tourism, Geography and Stable Environment, Venue of Shahid Mofteh Faculty of Hamadan, (In Persian).
23. Rasooli, A., T. Jalali, F. Serafrouz and M. Ismail Pour. 2015. Investigation of temporal and spatial variations of precipitation and its prediction in East Azarbaijan province. Journal of geography and planning, (51): 171-191.
24. Thiele, T.N. 1909. Interpolationsrechnung, B.G. Teubner, Leipzig.
25. Usman, U., M.L. Aliyu and M.K. Aminu. 2015. Study of the Geographically Weighted Regression Application on Climate Data. Mathematical Theory and Modeling, 5(8): 62-66.
26. Yousefi Kabria, A., M. Nadi and Sh. Sheikh Arjanki. 2019. Increasing the accuracy of monthly and annual precipitation maps using covariates in Mazandaran province. 3th Iranian National Conference on Hydrology, University of Tabriz, (In Persian).
27. Zand Karimi, A. and D. Mokhtari. 2015. Evaluating the accuracy of different interpolation methods in estimating precipitation values for selecting the best algorithm in Kurdistan province. Physical Geography Research, 2(50): 323-338.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
