ارزیابی روش های مختلف درونیابی به منظور تخمین بارندگی روزانه مطالعه موردی: استان فارس

نوع مقاله: مقاله پژوهشی

نویسندگان

ندارد

چکیده

آب، راز ماندگاری جهان و از عناصر اصلی بقا و دوام چرخش زندگی در کره زمین است . بدون تردید کشور
ایران همانند دیگر کشورهای خاورمیانه در سال های پیش رو با بحران جدی ناشی از کمبود آب روبه رو خواهد بود .
بنابراین شناخت و معرفی هر چه بیشتر منابع بهینه آب، الگوی درست مصرف و بهره گیری صحیح و مناسب از منابع
زیرزمینی و آب های جاری مقوله ای است که سیاست گذاران و برنامه ریزان امور آب با نگرانی و دقت به آن
پرداخته اند.
ریزش های جوی مهم ترین منبع طبیعی آب برای انواع فعالیت های بشری (صنعتی، کشاورزی و شرب ) است.
از آن جا که ریزش های جوی با متغیرهای زمانی و مکانی زیادی همراه هستند اطلاعات موجود در خصوص توزیع آب
و هوایی و عوامل سینوپتیکی ریزش های جوی بسیار اندک است.
در ایران شبکه مشاهدات زمینی به اندازه کافی متراکم نبوده و بسیار پراکنده و نامنظم است . فاصله
ایستگاه های مشاهداتی زمینی به خصوص در مناطق کوهستانی (مانند استان فارس ) با توجه به عامل توپوگرافی از
چند کیلومتر تا چند صد کیلومتر متفاوت است . بنابراین بررسی باران به روش سنتی که نیاز به شبکه باران سنجی
متراکم دارد هم از لحاظ اجرایی و هم از لحاظ اقتصادی امکا نپذیر و مقرون به صرفه نمی باشد. در مقاله حاضر به منظور تخمین بارندگی روزانه استان فارس از دو روش درون یابی کریجینگ (Kriging) و معکوس وزنی فاصله (IDW) استفاده گردید . سپس دقت نتایج حاصل از اجرای مدل ها از طریق تست آماری RMSE مورد ارزیابی قرار گرفت . نتایج حاصل از اجرای مدل و ارزیابی دقت آن ها نشان داد که روش کریجینگ نسبت به روش IDW از دقت بیشتری برخوردار می باشد . همچنین نتایج نشان داد که در بین روش های کریجینگ، روش معمولی دایره ای و نمایی از کم ترین خطا نسبت به سایر رو شهای کریجینگ برخوردار می باشند

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of different interpolation methods on daily rainfall estimation, Case study: Fars Province

نویسندگان [English]

  • A Matkan
  • A Shakiba
  • A Yazdani
چکیده [English]

Rainfall is one of the most important natural sources of water used by mankind for
agricultural and industrial applications. Because of the difficulty of rainfall monitoring,
which has high spatial and temporal variability, our knowledge of both the its synoptic
and climatological distribution over most of the country is not well known.
Climatological investigations in Iran lack adequate meteorological observations to
understand and interpret diverse climatic features. In the country as a whole, the
ground observation network is not dense enough to provide the detailed information
required, especially in rugged regions. Combined with this is the problem of poor
accessibility to the mountainous regions, which has resulted in the areal distribution of
rainfall being poorly known. In addition, the data collected by the existing
meteorological stations, with a few exceptions, are mostly discontinuous, nonhomogenous
and short period observations. Such limited data sets, make it difficult to
both accurately delimit different climatic regimes across the country and identify
significant departures from normal conditions, whereas many climatological
applications and investigations should ideally be based on the data collected at given
points over long periods and should have a good spatial and temporal coverage.
Perhaps the most urgent problem facing rainfall measurement at the present time is
data collection - one of the most costly areas in meteorology and hydrology.
In this paper, the central aim is to investigate the potential of Geographical
Information System for monitoring Fars province’s rainfall with special reference to
Kriging and IDW (Inverse Distance Weighting), to describe pre-processing
approaches, including relative calibration, and to examine various techniques for both
rainfall monitoring.
Analyses of the GIS techniques provided very useful information on both the
spatial and temporal distributions of rainfall over regional space, although data
collected by Kriging technique showed more accurate than IDW technique. In order to
explore the appropriate method, the accuracy of the obtained results from different
methods using RMS was examined. The results showed that among different used
kriging methods, the circular and exponential ordinary had lowest error.

کلیدواژه‌ها [English]

  • Interpolation
  • Kriging
  • IDW
  • daily rainfall
  • GIS