ارزیابی و برآورد بیش ترین بارش 24 ساعته در استان گلستان
محورهای موضوعی : برگرفته از پایان نامه
سمانه جهانی
1
,
معصومه دلبری
2
1 - دانشجوی کارشناسی ارشد آبیاری و زهکشی
2 - استادیار گروه مهندسی آب
کلید واژه: کریجینگ, زمین آمار, گلستان, تغییرات مکانی, بارش 24 ساعته, وزن دهی عکس فاصله,
چکیده مقاله :
تغییرات مکانی بارندگی اثراتی متنوع بر مدیریت منابع آب در سطح یک حوضه و یا در سطح ملی دارند. بررسی تغییرات مکانی فراسنج های گوناگون مانند بارندگی، در برآورد میزان خطای تراز آبی و فرآیندهای تصمیم گیری بسیار مهم می باشد. روش های میان یابی زمین-آماری با در نظر گرفتن همبستگی مکانی بین مشاهدات، معمولاً برآوردهایی مناسب را ارایه می دهند. در این مطالعه، از داده های بیش ترین بارش 24 ساعته ی 27 ایستگاه بارانسنجی در ناحیه ی جلگه ای استان گلستان استفاده شد. روش های مورد استفاده کریجینگ معمولی، کوکریجینگ و میانگین متحرک وزنی می باشند. برای ارزیابی روش ها، از روش ارزیابی متقابل استفاده شد. نتایج بررسی آماری داده ها نشان داد که بارش زمستان کم ترین ضریب تغییرات را در بین بازه-های زمانی دیگر دارد. نتایج بررسی زمین آماری همبستگی مکانی بالایی را برای داده های مورد مطالعه ثابت کرد. بهترین شبیه نیم تغییرنمای برازش داده شده برای تمامی دوره های زمانی، شبیه کروی بوده است. ارزیابی روش ها نشان داد که روش کوکریجینگ با استفاده از متغیر کمکی ارتفاع برای تمامی دوره ها، به غیر از زمستان، بهترین روش میان یابی می باشد. هم چنین، با توجه به نقشه-های هم تراز بارش، در کلیه دوره ها، کم ترین بارش در نواحی شمالی استان باریده است.
Spatail variability of rainfall has diverse effects on the management and planning of water resources on a watershed, as well as on the national scale. Spatial variability analysis of different parameters, e.g. rainfall, can be very important in estimating the water balance uncertainties and in the decision-making processes. In the presence of Spatail correlation between observations, application of Geostatistical interpolation methods provides usually provides close estimation of the sought values. This technique was implemented in the deformination of the abundance of the 24 hr maximum rainfall of 27 rain guaging stations in Golestan plain. The methods used were ordinary kriging, cokriging and weighted moving average. Cross validation was used to evaluate different interpolation methods. Statistical analysis showed that winter rainfall had the smallest coefficient of variation in comparison with the other time periods used. Geostatistical analysis showed a strong spatial correlation of the data; the best semivariogram model was spherical. The cross-validation results indicated that except for winter, cokriging results in a smaller error for rainfall estimation. Moreover, the generated rainfall maps indicate that the northern region of the presence reccives leave amount of precipitation.