تاثیر مناطق همگن هیدرو-اقلیمی بر تعیین بهترین توزیع‌ احتمالاتی برای بارش‌های حداکثر روزانه

الموضوعات :

سمیه محمدی جوزدانی ¹ (دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشگاه هرمزگان.)
حسین ملکی نژاد ² (دانشیار، گروه مرتع و آبخیزداری، دانشگاه یزد)
علی دولتی ³ (دانشیار، گروه آمار، دانشگاه یزد)

تاريخ الإرسال : 01 الأربعاء , صفر, 1435 تاريخ التأكيد : 06 الأحد , شوال, 1440 تاريخ الإصدار : 17 الأربعاء , رمضان, 1440

الکلمات المفتاحية: حوزۀ آبخیز, بارش حداکثر 24 ساعته, توزیع احتمالاتی, مناطق همگن هیدرولوژیکی,

ملخص المقالة :

انتخاب و استفاده مناسب از روش‌ها و تکنیک‌های علم آمار و احتمالات برای پیش‌‌بینی یک متغیر با دوره بازگشت معین دارای اهمیت بسیاری است. بارش حداکثر روزانه، از مهم‌ترین متغیرهای هیدرولوژیکی است که نقش اساسی در حجم و بزرگی سیلاب دارد. بنابراین پیش‌بینی دقیق‌تر آن می‌تواند به برنامه‌ریزی بهتر در کنترل سیل و مدیریت منابع آب کمک نماید. هدف از این مطالعه تعیین بهترین توزیع‌های احتمالاتی برای بارش حداکثر 24 ساعته در کل ایران و مناطق همگن هیدرواقلیمی است. بدین منظور از داده‌های 46 ایستگاه سینوپتیک و 4 ایستگاه کلیماتولوژی استفاده شد. پس از کنترل آمار، با استفاده از نرم افزار ایزی فیت توزیع‌های مختلف بر داده‌ها برازش و مناسب‌ترین توزیع‌ها بر اساس آزمون کولموگروف_اسمیرنوف شناسایی شد. با استفاده از تکنیک تحلیل خوشه‌ای بر اساس روش‌ Ward، و با استفاده از شش پارامتر ارتفاع از سطح دریا، متوسط حداکثر بارش 24 ساعته، متوسط بارش سالانه، متوسط بارش زمستانه، متوسط بارش بهاره و متوسط بارش پاییزه، مناطق همگن هیدرواقلیمی مشخص و فراوانی توزیع‌ها در کل کشور و در گروه‌های همگن هیدرولوژیکی تعیین و مقایسه گردید. نتایج نشان داد توزیع ویکبای مناسب‌ترین توزیع احتمالاتی برای برآورد حداکثر بارش 24 ساعته در کل کشور و در چهار منطقه همگن هیدرواقلیمی است. همچنین بدون در نظر گرفتن توزیع احتمالاتی ویکبای، نوع توزیع‌های احتمالاتی برای مناطق مختلف همگن اقلیمی متفاوت از یکدیگر بود.

المصادر:

1) Alizadeh, A. 2007 Principles of Applied Hydrology. Imam Reza University Press. 22: 76 -80 (In Persian).
2) Bakhtiari, S. 2004. Atlas of Iranʼs Cosmography. Institute of Geography and Cartography of Cosmography (In Persian).
3) Behboodian, j. 2003. Nonparametric Methods. Payame Noor University Press (In Persian).
4) Bonnin, G.M., Martin, D., Lin, B., Parzybok, T., Yekta, M. and Riley, D., 2006. Precipitation-frequency atlas of the United States. NOAA atlas, 14(2): 1-65.
5) Burn, D.H. and Goel, N.K., 2000. The formation of groups for regional flood frequency analysis. Hydrological Sciences Journal, 45(1): 97-112.
6) Chapman, T., 1998. Stochastic modelling of daily rainfall: the impact of adjoining wet days on the distribution of rainfall amounts. Environmental modelling & software, 13(3-4): 317-324.
7) Ho, M.K. and Yusof, F., 2013. Determination of best-fit distribution and rainfall events in Damansara and Kelantan, Malaysia. Matematika, 29: 43-52.
8) Houghton, J.C., 1978. Birth of a parent: The Wakeby distribution for modeling flood flows. Water Resources Research, 14(6):1105-1109.
9) Jahanbakhsh, S. and Torabi, S. 1383. Investigation and prediction of temperature and precipitation changes in Iran. Journal of Geographical Research. 19 (3): 125-104 (In Persian).
10) Khedmati, H., Manshoori, M., Heydarizade M. and Sedghi, H. 2010. Zonation and Estimation of Flood Discharge in Unguaged Sites Located in South-East Basins of Iran Using a Combination of Flood Index and MultiVariable Regression Methods (Sistan and Baluchistan, Kerman, Yazd and Hormozgan Provinces). Journal of Water & Soil. Vol. 24 (3): 593-609 (In Persian).
11) Matalas, N.C., Slack, J.R. and Wallis, J.R., 1975. Regional skew in search of a parent. Water Resources Research.
11(6):815-826.
12) Mirshahi, B., Onof, C. and Wheater, H., 2008, September. Spatialtemporal daily rainfall simulation for a semi-arid area in Iran: a preliminary evaluation of generalised linear models. In Sustainable Hydrology for the 21st Century, Proceedings of the 10th BHS National Hydrology Symposium, Exeter, UK :145-52.
13) Modarres, R. and Sarhadi, A., 2011. Statistically-based regionalization of rainfall climates of Iran. Global and Planetary Change, 75(1-2): 67-75.
14) Mohammadi Jouzdani, S. 2012. Investigating the most appropriate probability distributions for estimating maximum daily rainfalls and peak flood discharges in Iran. Master Thesis for Watershed Management. Faculty of Natural Resources and Desertification, Yazd University (In Persian).
15) Mosaedi, A. and Ghabaeesoogh, M.
2011 Correction of the Standardized Precipitation Index (SPI) based on the selection of the most appropriate probability distribution function. Water and Soil Journal (Agricultural Sciences and Technology). Vol. 25, (5): 1206-1216 (In Persian).
16) Naghavi, B. and Yu, F.X., 1995. Regional frequency analysis of extreme
554 تاثیر مناطق همگن هیدرو-اقلیمی بر تعیین بهترین توزیع احتمالاتی برای بارشهای حداکثر روزانه
precipitation in Louisiana. Journal of Hydraulic Engineering, 121(11): 819-827.
17) Nasrabadi, A., Massoudian, A. and Asakereh, H. 2014. Identification and Spatial Distribution of Iran's Daily Precipitation Patterns. Journal of Applied Geosciences Research, 14 (33): 237-255 (In Persian).
18) Park, J.S., Jung, H.S., Kim, R.S. and Oh, J.H., 2001. Modelling summer extreme rainfall over the Korean peninsula using Wakeby distribution. International journal of climatology, 21(11):.1371-1384.
19) Poorafshari, F. 2010 . Investigation of suitable probability distributions for minimum, average and maximum discharges using L moment method (Caspian Sea case study), Master thesis of Watershed Management. Faculty of Natural Resources. Tarbiat Modarres University (In Persian).
20) Raziei, T. and Shokoohi, A. 2011. Identification of the best fitted probability distribution function on precipitation data in different climate regimes of Iran, to calculate Standardized precipitation index (SPI) at different time scales. The first national conference on drought and climate change. Karaj, Research Center for Dehydration and Drought in Agriculture and Natural Resources (In Persian).
21) Sharma, M.A. and Singh, J.B. 2010. Use of probability distribution in rainfall analysis. New York Science Journal, 3(9):40-49.

_||_