ارزيابي روش هاي درون‌يابي بارش سالانه و فصلي در دشت مشهد

Assessment of interpolation methods for annual and seasonal precipitation in Mashhad plain

برآورد تغييرات مكاني عوامل هواشناسي در بسياري از مطالعات هواشناسي و منابع آب اجتناب‌ناپذير است. بارندگي يكي از مهم‌ترين اجزاي گردش آب در طبيعت است و توزيع مكاني آن نقش مهمي در مديريت منابع آب دارد. در بررسي توزيع مكاني بارش، انتخاب روش درون‌يابي يكي از چالش‌هاي اصلي است. هدف اين تحقيق تعيين بهترين روش درون‌يابي بارش در دشت مشهد، به‌عنوان قطب اصلي كشاورزي در استان خراسان رضوي است. بدين منظور داده‌هاي بارش موجود در دوره آماري 2004 تا 2013 گردآوري شد. پس از بررسي كيفيت و خلأهاي موجود، مجموعاً 63 ايستگاه شامل ايستگاه‌هاي هواشناسي(32ايستگاه باران‌سنجي و 3 ايستگاه سينوپتيك)و وزارت نيرو (28 ايستگاه باران‌سنجي) مناسب تشخيص داده شد. سپس جهت برآورد توزيع مكاني بارش از 5 روش درون‌يابي ازجمله كريجينگ، كو كريجينگ، رگرسيون، رگرسيون كريجينگ و روش وزني عكس فاصله استفاده شد. براي انتخاب مناسب‌ترين روش درون‌يابي محاسبه‌ي ريشه دوم مربع ميانگين خطا RMSE و ميانگين انحراف خطا MBE مدنظر قرار گرفت. ارزيابي روش‌ها با استفاده از روش اعتبارسنجي حذفي انجام شد و مناسب‌ترين روش درون‌يابي بر اساس تحليل واريوگرافي نشان داد مدل كروي، به‌عنوان بهترين مدل نظري براي نيم تغيير نما است. بررسي خطاهاي روش نشان داد روش تركيبي رگرسيون كريجينگ با 5.8541RMSE=و 0.3004MBE= به‌عنوان بهترين روش و پس‌ازآن روش رگرسيون سه متغيره (طول و عرض جغرافيايي و ارتفاع) با 7.5888RMSE= و 0.3498 MBE= داراي بهترين برآورد از مقادير بارش سالانه هستند؛ اما براي بارش هاي فصلي به دليل همبستگي ضعيف داده ها بهتر است از روش كريجينگ براي درون يابي داده هاي بارش استفاده شود. همچنين روش كو كريجينگ به‌ عنوان ضعيف‌ترين روش شناخته شد.

Rainfall is one of the most important components of the hydrologic cycle, and its spatial distribution plays an important role in water resources management. Choosing an appropriate interpolation method is one of the main challenges in optimally estimating the values at those locations where no samples or measurements were taken. The purpose of this research is to determine the best interpolation method for precipitation in Mashhad plain as the main agricultural areas in Khorasan Razavi Province. First, rainfall data was collected during the period of 2004 to 2013. A total of 63 stations were selected. Then, five interpolation methods, namely Kriging, co-Kriging, Regression, regression Kriging and Inverse Weighted Distance were used for estimating spatial distribution of precipitation. The Root Mean Square Error and Mean Bias Error was considered to select the best interpolation method. The interpolation approaches were evaluated using a cross-validation method. Results revealed that the most accurate interpolation method is based on the spherical model as the theoretical semivariogram model. The error of method showed that the regression kriging and three-variable regression (x,y,z) methods are the most accurate models with RMSE=5.8541 and MBE=0.3004 and RMSE=7.5888 and MBE=0.3498, respectively to interpolate annual precipitation over the study area. It was also deduced that for seasonal rainfall data, due to poor data correlation, it is better to use the Kriging method to interpolation method. The co-Kriging method was also recognized as the weakest method with least accuracy for rainfall interpolation.