پیش‌بینی الگوی توزیع مکانی متوسط بارندگی سالانه منطقه ارومیه با اسـتفاده از روش های زمین آماری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه

2 گروه زمین‌شناسی، دانشکده علوم پایه، دانشگاه ارومیه، ارومیه

چکیده

پیش­بینی توزیع مکانی بارندگی در مناطق کوهستانی به منظور حفظ و برقراری تعادل آبی و تخمین قابلیت دسترسی آب، به دلیل پیچیده بودن گرادیان بارش و هم­چنین کم بودن تعداد ایستگاه­ها در این مناطق بسیار حائز اهمیت می­باشد. هدف از مطالعه حاضر پیش­بینی پراکنش مکانی بارندگی با استفاده از روش­های مختلف زمین­آماری و ارزیابی دقت آن­ها می­باشد. بدین منظور از اطلاعات باران­سنجی 38 ایستگاه مربوط به بارش سالیانه منطقه ارومیه استفاده شده و قابلیت روش­های IDW، کریجینگ و کو­کریجینگ مورد بررسی قرار گرفت. پس از نرمال­سازی داده­ها اقدام به ترسیم واریو­گرام­های مربوطه گردید. برای تعیین بهترین مدل به منظور برازش بر واریو­گرام تجربی از دو معیار  RSS با مقدار کمتر و استحکام ساختار فضایی قوی­تر استفاده شد. سپس با استفاده از تکنیک ارزشیابی متقابل و استفاده از شاخص RMSE، منا­سب­ترین روش ­درون­یابی انتخاب شد. نتایج نشان داد که روش کو­کریجینگ با متغیر کـمکی ارتفاع دارای حـداقل خـطا و بالا­ترین دقت برازش می­باشد. با توجه به اینکه منطقه ارومیه کوهستانی است و شرایط برای کشت دیم مناسب دارد، لذا با استفاده از تکنیک GIS، نقشه­های  پراکنش مکانی بارندگی منطقه ارومیه به روش کوکریجینگ و مناطق مستعد اراضی دیم با رزولیشن بالا تهیه گردید.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of the spatial distribution pattern of precipitation using geostatistical methods in Urmia region

نویسندگان [English]

  • F. Asadzadeh 1
  • Ehsan Ehsan Malahat 1
  • S. Shakiba 2
چکیده [English]

Prediction of the spatial distribution of rainfall is essential for establishing the water balance and a good estimation of water availability, especially in mountainous areas because of complex rainfall gradient and scarce number of climatological stations. This study was conducted to evaluate the rainfall spatial distribution of Urmia region by interpolation methods. Data related to 38 climatological stations were used and three methods, IDW, Kriging, and Co-kriging were investigated. After normalization of data, variograms were computed. The least RSS and the most powerful spatial structure were considered as criteria for selecting the best model for fitting on experimental variograms. Cross-validation and RMSE were used for selection of best interpolation method. Results showed that Cokriging method, with elevation parameter as an auxiliary variable, has the least error which may be attributed to the significant correlation between the elevation and annual precipitation at the study region. Due to the mountains region and suitable condition for rainfed farming, so using cokriging method and GIS, high- resolution maps of rainfall distribution and determine rainfed farming region was prepared.
 

کلیدواژه‌ها [English]

  • Precipitation prediction
  • Interpolation
  • Cokriging
  • Cross-validation
  • Urmia
[1] Alizadedeh, A (2003) Fundamentals of Applied Hydrology. 16nd edition. Imam reza University Publication. p. 815.
[2] Campling, P., Gobin, A. & Fegen, J (2001) Temporal and spatial rainfall analysis across humid Tropical catchment. Hydrological processes, 15, 359-375.
[3] Cho, J., Bosch, R., Lowrance, R., Strickland, T. & Vellidis, G (2009) Effect of spatial distribution of rainfall on temporal and spatial uncertainty of SWAT output. Am.Soc. Agricul. Biol. Eng. 52 (5), p. 1545–1555.
[4] Delrieu, G., Wijbrans, A., Boudevillain, B. Faure, D., Bonnifait, L. & Kirstetter, P.E (2014) Geostatistical radar-raingauge merging: a novel method for the quantification of rain estimation accuracy. Advances in Water Resources. This is a PDF file of an unedited manuscript that has been accepted for publication.
[5] Diodato, N (2005) The influence of Topographic co-varicble on the spatial variabitity of precipitation over small Regions of complex Terrain, International Journal of climatology, 25, 351-363.
[6] Driks, K.N., Hay, J.E. Stow, C.D. & Harris, D(1998) High-resolution studies of rainfall on Norfolk Island, part two: Intrpolation of rainfall data. Journal of Hydrology, 208, 187–193.
[7] rogue, G., Humbert, J. Deraisme, J. Mahr, N. & Freslon, N (2002) A statistical–topographic model using an omnidirectional parameterization of the relief for mapping orographic rainfall. International journal of climatology, 22, 599–613.
[8] Faraji, H. & Azizi, Gh (2007) Accuracy of spatial data estimated by some areal interpolation methods (Case Study: Rainfall pattern in Kardeh watershed). Geographical Research Quarterly, 38(6), 1-15.
[9] Galván, L., Olías, M., Izquierdo, T., Cerón, J.C. & R. Fernández de Villarán, R (2014) Rainfall estimation in SWAT: An alternative method to simulate orographic precipitation. Journal of Hydrology, 509, 257–265.
[10]  Goovaerts, P (2000) Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology, 228, 113–129.
[11]  Hasani-Pak, A.A (2007) Geostatistics. 2nd edition. University of Tehran Publication. p. 314.
[12]  Johansson, B. & Chen, D (2003) The influence of wind and topography on precipitation distribution in Sweden: statistical analysis and modeling. International journal of climatology, 23, 1523–1535.
[13]  Mahdavi, M., Hosseini-Chegini, E., Mahdian, M.H. & Rahimi-Bandarabadi, S (2004) Application of geostaristical methods for estimation of annual spatial rainfall in arid and semiarid regions of south east of Iran. Iranian Journal of Natural Recourses, 57(2),211-224.
[14]  Martinez-Cob, A (1996) Multivariate geostatistical analysis of evapotranspiration and precipitation in mountainous terrain. Journal of Hydrology, 174, 19–35.
[15]  Matous, J.P., Cohen Liechti, T., Portela, M.M., & Schleiss, A.J (2014) Pattern-oriented memory interpolation of sparse historical rainfall records. Journal of Hydrology, 510,493–503.
[16]  Mohammadi, J (2006) Pedometrics (Spatial Statistics). Pelk Publication. 453 pp.
[17]  Robinson, T.P. & Metternicht, G (2006) Testing the performance of spatial interpolation techniques for mapping soil properties, Computer and Electeronics in Agriculture, 50, 97-108.
[18]  Saghafian, B & Rahimi-Bandarabadi, S (2005) Comparison of Interpolation and Extrapolation Methods for Estimating Spatial Distribution of Annual Rainfall. Iran-Water Resources Research. 1(2), 74-84.
[19]  Solaimani, K., Habibnejad, M., Akbar, A. & Bani-Asadi, M (2005) Analysis of depth-area-duration curves of rainfall in semiarid and arid region using Geostatistical methods (Case study: Sirjan). Desert, 11(1), 31-43.
[20]  Wameling, A (2003) Accuracy of geostatistical prediction of yearly precipitation in Lower Saxony. Environmetrics, 14, 699–709.