توليد داده هاي بارندگي در استان فارس در ايستگاه هاي فاقد آمار كافي

Generation of Rainfall Data in Stations with Limited Data in Fars Province

بارندگي در مديريت منابع آب به ويژه در مناطق خشك و نيمه خشك نقش اساسي دارد و شبيه سازي اين متغير هيدرولوژيكي گامي بسيار مهم در راستاي برنامه ريزي بهتر منابع آب و كشاورزي خواهد بود. در اين پژوهش براي توليد داده هاي بارندگي در ايستگاه هاي فاقد آمار كافي در استان فارس از روشي كه گروهي از پژوهشگران در سال 1986 ارايه كرده بودند، استفاده شد. در روش ارايه شده براي برآورد پارامترهاي مدل براي توليد داده هاي بارندگي در ايستگاه هاي فاقد آمار كافي، از روابط تجربي مطمين موجود بين پارامترهاي مدل (احتمال انتقال از يك روز غير باراني به يك روز باراني, احتمال انتقال از يك روز باراني به يك روز باراني و پارامترهاي آلفا و بتا در تابع توزيع گاما) كه در ايستگاه هاي داراي آمار كافي محاسبه شده است و برخي از ويژگي هاي ميانگين ماهانه بارندگي همان ايستگاه ها (نسبت روزهاي باراني و ميانگين بارندگي در روزهاي باراني) استفاده شد. ايستگاه هاي مورد استفاده با آمار بلندمدت بارندگي روزانه (22 سال) 9 ايستگاه بود كه با استفاده از آمار اين ايستگاه ها, روابط كلي برآورد پارامترهاي مدل به منظور توليد داده هاي بارندگي روزانه در استان فارس به دست آمد. با استفاده از اين روابط داده هاي بارندگي روزانه در 7 ايستگاه با آمار ناكافي (5 سال) توليد شد. نتايج به دست آمده نشان داد كه دقت توليد داده هاي بارندگي روزانه در مقايسه با داده هاي واقعي, قابل قبول است.

The role of rainfall in water resource management especially at arid and semi-arid regions is essential and generation of data for this hydrologic variable is very important step in a better water resources and agriculture planning. In this research for generating rainfall data in stations with limited data in Fars province, the method that proposed by some researchers in the year 1986 was used. In this proposed method for estimation of model parameters for generating rainfall data in stations with limited data, certain empirical relationships that exist between model parameters (Transitional probability from a dry day to a wet day, Transitional probability from a wet day to a wet day and gamma distribution function parameters (? and B)) that calculated in stations with enough data and some monthly average rainfall properties (Ratio of wet days and Amount rain per wet days) in the same stations was used. The number of stations with historical daily rainfall data was 9 that by use of data of these stations, general relationships for estimation of model parameters for generating daily rainfall data in Fars province were calculated. By use of these relationships, in 7 stations with limited daily rainfall data (5 years) daily rainfall data was generated. Results show that estimation of daily rainfall data by this simple method is reliable in comparison with observed daily rainfall data.