Abstract:
به دلیل کمبود ایستگاههای هواشناسی در ایران و اهمیت بالای عنصر بارش در تمام برنامهریزیها، برآورد بارش در مناطق فاقد ایستگاه اهمیت فراوانی دارد. در این تحقیق به منظور برآورد میانگین بارشهای فصلی و سالانه در استان کرمانشاه، از آمار روزانۀ بارش 46 ایستگاه بارانسنجی و سینوپتیک استان در یک دورۀ 20 ساله استفاده شده است. به این منظور از روشهای تک-متغیره (قطعی و زمینآمار) و چندمتغیره (زمینآمار و رگرسیونخطی) استفاده شده است. روال معمول در برآورد مکانی بارش ایران در مطالعات قبلی، استفاده از یک متغیر- معمولاً ارتفاع- و بهکارگیری تنظیمات پیشفرض در روشهای میانیابی بوده است. در حالیکه در این تحقیق، اولاً در روشهای چندمتغیره، علاوه بر عامل ارتفاع از سطح دریا، از متغیرهای دیگری نظیر میزان شیب و طول و عرض جغرافیایی به عنوان متغیرهای کمکی (مستقل) استفاده شده است؛ ثانیاً به جای بهکاربردن مقادیر پیشفرض مدلها، بسته به روش میانیابی مورد استفاده، تنظیمات متعددی بر روی 8 پارامتر در روشهای قطعی و حداکثر 31 پارامتر در روشهای زمینآمار، انجام گرفت و اثر هر کدام در مقدار بارشِ برآوردشده، بررسی گردید و خطای برآورد در هر مورد ارزیابی شد. از جمله در روشهای زمینآمار، نیمتغییرنما و کوواریوگرامِ متقابلِ بهینه باتوجه به ساختار فضایی متغیر موردمطالعه انتخاب، و ویژگیهای هرکدام با توجه به داشتن کمترین خطا تنظیم گردید. نتایج حاصل از تکنیک ارزیابی متقابل نشان داد که روشهای قطعی در تمام موارد، خطای بیشتری نسبت به روشهای زمینآمار داشته است. برای برآورد میانگین بارش فصل بهار، روش رگرسیون چندمتغیرۀ خطی، بارش فصول تابستان و پاییز روش کریجینگ معمولی، و بارش فصل زمستان و نیز بارش سالانه، روش کوکریجینگ معمولی به عنوان مدلهای بهینه شناخته شدند. بر این اساس، میانگین بارش سالانه در سطح استان 479 میلیمتر (346 تا 848 میلیمتر)، با حداکثر بارش فصلی زمستانۀ 212 میلیمتر (معادل 3/44 درصد بارش سالانه) برآورد گردید.
Estimation of rainfall in areas without stations is very important due to the lack of meteorological stations and significance of rainfall in various planning strategies. In this research, the daily rainfall data from 46 rain-gauge and synoptic stations in the Kermanshah province in a 20-year period has been used to estimate the seasonal and annual average rainfall in the region. To do this, univariate methods (deterministic and geostatistical) and multivariate methods (geostatistical and linear regression) have been used. The usual method for spatial estimation of rainfall in previous studies in Iran has been the use of one variable (usually altitude), and also default settings of the interpolation methods. However, in this study, firstly, in the multivariate methods, in addition to the altitude, other variables such as slope percent, latitude and longitude have been used as covariates (independent variables). Secondly, instead of using the default values of the models, various settings were performed on the 8 parameters in the deterministic methods, and up to 31 parameters in the geostatistical methods depending on the interpolation method used, and then the effect of each method was evaluated in the precipitation estimates considering the error of each method. For example, in the geostatistical methods, optimized semivariogram and covariogram were determined in each case according to the spatial structure of the variable, and then their characteristics were adjusted by taking into account the lowest errors in the estimation of precipitation. The results of cross-validation technique showed that the deterministic methods have more errors than the geostatistical methods in all cases. To estimate the average spring rainfall, linear multivariate regression method, and for average summer and autumn rainfalls, ordinary kriging method, and finally for average winter and annual rainfalls, ordinary cokriging method were selected as the best methods. Based on this, the average annual rainfall in the province was estimated about 479 mm (346 to 848 mm), with maximum seasonal rainfall of 212 mm in winter (equivalent to 44.3% of the annual rainfall).
Machine summary:
در حالیکه در این تحقیق، اولاً در روشهای چندمتغیره، علاوه بر عامل ارتفاع از سطح دریا، از متغیرهای دیگری نظیر میزان شیب و طول و عرض جغرافیایی بهعنوان متغیرهای کمکی (مستقل) استفاده شده است؛ ثانیاً به جای بهکاربردن مقادیر پیشفرض مدلها، بسته به روش میانیابی مورد استفاده، تنظیمات متعددی بر روی 8 پارامتر در روشهای قطعی و حداکثر 31 پارامتر در روشهای زمینآمار، انجام گرفت و اثر هر کدام در مقدار بارشِ برآوردشده، بررسی گردید و خطای برآورد در هر مورد ارزیابی شد.
ز) ترسیم نیمتغییرنما و برازش مدل مناسب به نیمتغییرنما در محیط GIS؛ در این تحقیق، چون در روش کوکریجینگ از متغیرهای کمکی (ارتفاع، شیب و طول و عرض جغرافیایی ایستگاهها) استفاده شد، ابتدا مدل کوواریانس متقابل بین متغیرها تهیه و تفسیر گردید و سپس نوع نیمتغییرنما و کوواریوگرامِ متقابل، به واسطۀ داشتن کمترین میزان خطا در برآورد میانگین بارش و بیشتربودن مقدار بخش دارای ساختار نیمتغییرنما نسبت به بخش بدون ساختار نیمتغییرنما انتخاب شد.
(به تصوير صفحه مراجعه شود) شکل 2- نقشۀ بارش فصل بهار استان کرمانشاه، تولید شده به روش رگرسیون خطی چند متغیره جدول 3- آمارههای ایستگاهی و رستری بارش فصل بهار در استان کرمانشاه (ارقام بر حسب میلیمتر) (به تصوير صفحه مراجعه شود) انتخاب مدل بهینه برای برآورد بارش فصل تابستان: نتایج حاصل از روشهای مورد مطالعه برای برآورد بارش فصل تابستان نشان داد که بهترین روش برای برآورد میانگین بارش این فصل، روش کریجینگ معمولی (OK) با میزان خطای 73/0 میلیمتر و ضریب تعیین 69/0 است.