تحلیل مکانی بارش: مقایسه روش‌های کریجینگ با روش‌های متداول

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد /دانشکده مهندسی عمران پردیس دانشکده‌های فنی دانشگاه تهران، تهران، ایران

2 کارشناس ارشد / مهندسی عمران دانشگاه صنعتی امیرکبیر، تهران، ایران

3 دانشجوی دکتری /دانشکده مهندسی عمران پردیس دانشکده‌های فنی دانشگاه تهران، تهران، ایران

چکیده

یکی از مسائل مهم در مدیریت منابع آب، برآورد اطلاعات در مناطقی است که داده‌های آن اندازه‌گیری نشده و یا دارای داده‌های مفقوده می‌باشد. تخمین داده‌های نامعلوم در نقاط مختلف با استفاده از روش‌های درون‌یابی بر روی داده‌های مشاهداتی در محدوده مورد مطالعه صورت می‌گیرد. برای محاسبه و تحلیل مکانی داده‌های هیدرولوژی مانند بارش، روش‌های متعدد درون‌یابی از روش‌های ساده خطی تا روش‌های پیچیده چند متغیره وجود دارد. دقت نتایج برای تخمین داده‌ها در هریک از روش‌ها با توجه به قیود و داده‌‌های لازم متفاوت می‌باشد، به همین منظور روش‌های متفاوتی برای تحلیل داده‌های مکانی و زمانی به‌کار گرفته می‌شود. در این مقاله از روش‌های متداول درون‌یابی و زمین آماری مانند کریجینگ در تحلیل مکانی و تخمین متوسط بارش منطقه‌ای ماهانه بر روی 38 ایستگاه بارش برای دوره زمانی 1967 تا 2005 در محدوده غرب کشور استفاده شده است. همچنین نتایج به‌دست آمده در بسیاری از ایستگاه‌ها با نتایج ثبت شده در هر ایستگاه مقایسه گردید. نتایج نشان می‌دهد که روش‌های متفاوت درون‌یابی می‌بایست با در نظر گرفتن شاخص‌های محلی که بر روی متغیرهای هواشناسی موثرند، استفاده گردند. با توجه به نتایج به دست آمده در محدوده مورد مطالعه، روش کریجینگ یونیورسال بهترین نتیجه را نسبت به سایر روش‌های مختلف درون‌یابی دارا می‌باشد. بر اساس بهترین نتایج به‌دست آمده از تخمین بارش منطقه‌ای با استفاده از روش‌های کریجینگ و متداول، ایستگاه‌های جدیدی در محدوده مورد مطالعه به‌منظور بهینه‌سازی ایستگاه‌های بارش‌ پیشنهاد گردید.

کلیدواژه‌ها


عنوان مقاله [English]

Analysis of Spatial Variation of Precipitation: Comparison of Conventional and Kriging Methods

نویسندگان [English]

  • M Karamouz 1
  • M Fallahi 2
  • S Nazif 3
1 Professor, School of Civil Engineering, University of Tehran, Tehran, Iran, Research professor, poly-nyu, New York
2 M.Sc. graduate, School of Civil Engineering., Amirkabir University of Tech., Tehran, Iran
3 Ph.D. Candidate, School of Civil Engineering, University of Tehran, Tehran, Iran
چکیده [English]

One of the major challenges in water resources management is estimation of missing or un-gauged data. Estimates of the unknown data in different points can be made by spatial interpolation of the observed data recorded in some special points of the study region. In case of spatial variations of precipitation data, there are many interpolation techniques changing from simple linear methods to complicated multivariate methods. Each method has its own necessities and constraints which result in different levels of accuracy and precision in the estimated values. Accordingly regarding the needed accuracy in different applications and the available time and data, different spatial analysis methods are utilized. In this paper different conventional and modern methods such as interpolation and Kriging are used for spatial analysis of the precipitation in the western part of Iran. Many different techniques have been applied to measure annual and monthly precipitation data at 38 stations for the period of 1967 to 2005 in the study area. The results are compared by estimation of the data for some stations in the region. The results showed that different methods of interpolation should be used with care considering some local characteristics that affect the climatic variables. In this case study, universal Kriging had the best performance among different interpolation techniques. Based on the best results of conventional and Kriging methods in this study, the locations of some new stations are proposed.

کلیدواژه‌ها [English]

  • Precipitation
  • Kriging
  • spatial analysis
  • Conventional Methods
  • Optimal Placement of Station
  • Interpolation
Deutch. C.V.,and  Journel. A. G, (1998), "GSLIB:Geostatistics Software Library and User’s Guide", Oxford University Press, New York, 2nd.edition.

Garen, D. C., Johnson, G. L. & Hanson, C. L, (1994), "Mean aerial precipitation for daily hydrologic modeling in mountainous regions", Water Resources. Bulletin. 30, pp. 481-491.

Goovaerts, P., (2000), "Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall", J. Hydrol, 228, pp. 113–129.

Hevesi J.A, Istok. J.D and Flint A.L, (1992),"Precipitation estimation in mountainous regions using multivariate geostatistics Part I. Structural analysis". J. Appl. Meteorology 31, pp. 661-676.

Journel, A.G., Huijbregts, C.J., (1978), "Mining Geostatistics". Academic Press, New York.

Kitanidis. P. K, (1999), "Introduction to Geostatistics, Application to Hydrogeology", Stanford University Press.

Kurtzman, D., and Kadmon, R., (1999). "Mapping of temperature variables in Israel: a comparison of different interpolation methods". J. Clim.Res, 13, pp. 33–43.

Martı´nez-Cob, A., 1996. "Multivariate geostatistical analysis of evapotranspiration and precipitation in mountainous terrain". J. Hydrol, 174 (1–2), pp. 19–35.

Mitas, L., and Mitasova, H., 1988. "General variational approach to the interpolation problem. Comput. Math". Applic, 16 (12), pp. 983–992.Great Britain.

Oliver, M.A., and Webster, R., (1990). "Kriging: a method of interpolation for geographical information systems". Int J. Geogr. Inform. Syst, 4 (3), pp. 313–332.

Philip, G.M., and Watson, D.F., 1982. "A precise method for determining contoured surfaces". J. Aust. Petrol. Explor. Assoc. 22, pp. 202–212.

Prudhomme, C., Duncan, W.R., 1999. "Mapping extreme rainfall in a mountainous region using geostastistical techniques: a case study in Scotland". Int. J. Climatol. 19 (12), pp. 1337–1356.

Spreen, W.C., 1947. "A determination of the effect of topography upon precipitation". J. Trans. Am. Geophys. Union 28, pp. 285–290.

Smith, R.B., (1979). "The influence of mountains on the atmosphere", Adv. Geophys. 21, pp. 87–230.Academic Press.

Tabios and Salas.J.D, (1985),"A comparative analysis of techniques for spatial Interpolation of precipitation", Water Resources Bulletin. 21, pp 365-380.