Journal of Watershed Management Research

fa بررسی روش های آماری و زمین آماری در تهیه نقشه هم بارش استان مازندران Investigation of Statistical and Geostatistical Methods in Preparing The Rainfall Map of Mazandaran Province هواشناسی هواشناسی پژوهشي Research <div style="text-align: justify;">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. </div> <div style="text-align: justify;">     Precipitation estimation in areas without recorded meteorological data is of great importance in hydrological studies and flood forecasting. Due to the lack of high-altitude meteorological stations with long-term recorded data in Mazandaran province as well as stochastic attribute of rainfall data, using statistical methods based on covariates and comparison with geostatistical methods for interpolating monthly and annual rainfall data in this province is Inevitable. For this purpose, precipitation data from 21 meteorological stations over a 13-years recorded period (2004-2013) were used. In order to determination of appropriate interpolation method of rainfall data, six models including Ordinary Kriging, Cokriging, Inverse Distance Weighting, spline, three-dimensional linear gradient and regression-kriging were investigated. Evaluation of the methods was also performed on the basis of root mean square error, mean bias error and regression analysis. Variography analysis showed spherical and exponential models as the best theoretical semivariogram models. The results of error indices analysis showed the Spline model has the lowest efficiency and the three-dimensional linear gradient was found as the most appropriate interpolation model of rainfall data which in comparison with other models reduced the rainfall estimation error from 100 to 200 mm(about 40 to 60 percent). However, its accuracy is reduced in hot and humid months. Investication of rainfall maps illustrates the accuracy of covariate based interpolation methods in detecting low rainfall and high rainfall points of the province. So that high rainfall district is located on the west coast of the province and by moving east the amount of rainfall decrease. Due to the similarity of the rainfall map and the digital elevation model, it is noted that the amount of precipitation in valleys is very different from precipitation in the highlands of this province. The results of this study showed that in areas with complex topography, the use of covariates leads to a significant increase in the accuracy of rainfall maps.</div> بارش, رگرسیون کریجینگ, زمین‌آمار, متغیرکمکی Covariate, Geostatistic, Precipitation, Regression-Kriging 212 223 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1292-2&slc_lang=fa&sid=1 Alireza Yousefi kebria علیرضا یوسفی کبریا alirezau3fikrbriya@gmail.com 100319475328460010690 100319475328460010690 No Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری mehdi nadi مهدی نادی mehdi.nadi@gmail.com 100319475328460010691 100319475328460010691 Yes Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری Mozhdeh Jamei مژده جامعی mozhdeh.jamei@gmail.com 100319475328460010692 100319475328460010692 No Khuzestan Water and Power Organization. سازمان آب و برق خوزستان