پديد آورندگان :
جهانشاهي، افشين دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده منابع طبيعي , شاهدي، كاكا دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده منابع طبيعي - گروه آبخيزداري , سليماني، كريم دانشگاه علوم كشاورزي و منابع طبيعي ساري - دانشكده منابع طبيعي - گروه آبخيزداري , مقدم نيا، عليرضا دانشگاه تهران - دانشكده منابع طبيعي - گروه احياء مناطق خشك و كوهستاني
كليدواژه :
خوشه بندي , الگوريتم k-means , الگوريتم PCA , معيار ديويس-بولدين
چكيده فارسي :
خصوصيات گسترده هيدرولوژيكي در دسترس (داده هاي بارش، دما، جريان و مشخصات فيزيوگرافي حوضه ها) مي توانند براي استخراج حوضه هاي مشابه هيدرولوژيكي مورد استفاده قرار گيرند. در اين تحقيق از يك الگوريتم خوشه بندي در روش تحليل خوشه ايبه عنوان يك روش جديد و كارامد، براي گروه بندي حوضه هاي آبخيز به چندين گروه يا خوشه استفاده شد. به منظور درك تشابه هيدرولوژيكي از 28 ويژگي (توصيف گر) موقعيت جغرافيايي، فيزيوگرافي، اقليمي و كاربري اراضي مربوط به 15 حوضه با خصوصيات ناهمگن واقع در بخش غربي حوضه هامون-جازموريان استفاده شد. در محيط نرم افزار RStudio با استفاده از الگوريتم PCA مولفه ها و ويژگي هاي اصلي تعيين، سپس تعداد خوشه هاي بهينه با معيار ديويس-بولدين مشخص و با الگوريتم k-means حوضه ها به كلاس هاي همگن خوشه بندي گرديدند. نتايج نشان داد كه ويژگي هاي عرض جغرافيايي مركزثقل، مساحت، طول رودخانه اصلي، ارتفاع ايستگاه آبسنجي، شيب و درصد مساحت مراتع فقير به عنوان ويژگي هاي اصلي از بين 28 ويژگي مي باشند، همچنين معيار ديويس-بولدين براي تعداد خوشه هاي برابر با 3، مقدار 2/46 بدست آمد كه مبين تعداد خوشه ها در الگوريتم k-means مي باشد. پس از خوشه بندي حوضه ها مشخص گرديد كه اكثر حوضه هاي موجود در خوشه هاي يكسان از نظر مكاني در مجاورت يكديگر قرار دارند. نتايج حاصل از اين تحقيق ما را قادر به تفسير رفتار هيدرولوژيكي منطقه مطالعاتي براي اهدافي نظير تعميم دهي جريان در حوضه هاي فاقد آمار اين منطقه و تحليل فراواني منطقه اي سيلاب مي سازد.
چكيده لاتين :
Extracted hydrological similarity, derived from the
catchments’ similar reaction to the input rainfall, is the basis
for classification of catchments for the transfer of information,
hydrological understanding and as well as understanding the
potential impacts of environmental changes. Extensive
available hydrological characteristics (precipitation,
temperature, streamflow data and physiographic attributes of
catchments) can be used to extract hydrological similar
catchments. In this research cluster analysis, as a new and
effective method, was used for grouping catchments into
several groups or clusters. In order to understand the
hydrologic similarity, 28 characteristics (descriptors) of
location, physiographic, climatic, and land use of 15
catchments with heterogeneous characteristics located in the
western part of the Hamoun-Jazmourian river basin were used.
Selection of characteristics was done based on the hydrological
response specification which provided insight into the
hydrologic performance of the catchments. The components
and main characteristics were extracted in RStudio software,
using PCA algorithm and then the number of optimum clusters
was determined against the Davies-Bouldin criterion and the
clustering of the catchments into homogenous classes was
performed using k-means algorithm. The results showed that
the latitude of gravity center, area, length of main river, height
of hydrometric gauge, slope and percentage of poor rangelands
are the main attributes out of 28 attributes. Also, the Davies-
Bouldin criterion was 2.46 for the number of clusters equal to
3, which indicated the number of clusters in the k-means
algorithm. After clustering the catchments, it was determined
that most of the catchments in the same clusters are located in
the vicinity of each other. The results of this study enable us to
interpret the hydrologic behavior in the study area for purposes
such as streamflow regionalization in ungauged catchments of
this region and regional flood frequency analysis.
