ارزيابي كارايي شبكه‎هاي آب‎سنجي با استفاده از تيوري آنتروپي گسسته (مطالعه موردي: حوزه بختگان- مهارلو)

Hydrometric Network Evaluation for Bakhtegan-Maharlu Watershed Using the Discrete Entropy

كيفيت مناسب اطلاعات آبدهي ثبت شده در شبكه‎هاي آب‎سنجي در طراحي پايدار پروژه‎هاي آبي نقش مهمي ايفا مي‏كند. از اين نظر جهت ايجاد شبكه‏اي بهينه و كارآمد، شبكه‎هاي آب‎سنجي بايستي به‎صورت دوره‎اي با توجه به نياز و طرح‎هاي توسعه منابع آب پيش روي، مورد ارزيابي قرار گيرند. در اين پژوهش بر پايه تيوري آنتروپي، ارزش منطقه‏ اي ايستگاه‏هاي آب‎سنجي حوزه آبخيز بختگان- مهارلو مورد بررسي قرار گرفته است. استفاده از تيوري آنتروپي گسسته، محدوديت نرمال بودن داده‎ها در تحقيقات قبلي را مرتفع مي‏نمايد. با در نظر گرفتن گروهي از شاخص‏هاي آنتروپي همانند آنتروپي مرزي، آنتروپي مشترك، شاخص‏هاي اطلاعات ارسال شده و دريافت شده توسط هر ايستگاه و شاخص انتقال اطلاعات بين ايستگاه به تعيين ايستگاه‏هاي شاخص و مناطق ضعيف ازنظر تبادل اطلاعات در شبكه پايش حوزه آبخيز پرداخته شده وپهنه بندي انجام شده است. آناليز حساسيت نحوه كلاس ‎بندي اطلاعات نشان مي‏دهد كه مقادير شاخص‎هاي آنتروپي به تغيير فاصله كلاس بندي اطلاعات حساس، اما رتبه بندي ايستگاه‏ها حساسيت بسيار كمي را ازخود نشان مي‏دهد. نتايج صحت سنجي حاكي ازاين است كه تيوري آنتروپي قابليت خوبي جهت كمي كردن ارزش منطقه‎اي ايستگاه‎هاي آب‎سنجي در يك شبكه آب‎سنجي دارد و مقايسه آن با ضريب همبستگي اطلاعات بين ايستگاه‎ها نشان مي‎دهد كه جهت تعيين موثرترين و ضعيف‎ترين ايستگاه‎ها مي‎توان از روش ساده ضريب همبستگي استفاده نمود.

Quality of streamflow information for a given watershed or region is primary information needed for the sustainable designing and operation of water resources systems. For an optimal hydrometric network design, they should be reviewed periodically based on the information needs and future water resources development plans. This study evaluates regional values of streamgages in Bakhtegan-Maharlu basin using the discrete entropy. Discrete entropy can overcome limits of data normality assumption in past research and applications for hydrological variables. To determine the regional value of each station within a region, several information parameters such as marginal entropy, joint entropy, information send and received by stations and transinformation index between stations, were calculated to identify essential streamflow stations and critical area. Sensitive analysis to number of discrete intervals show that the entropy is sensitive to changes, but the ranks based on entropy indices appear to be less sensitive. Validation result confirms that the entropy is useful and comparable with correlation to characterize the essential and excess station in the region.