کارایی روش‏های زمین‌آماری در پهنه‌بندی اقلیمی حوضة آبریز دریاچة ارومیه

نویسندگان

1 کارشناس ارشد هواشناسی کشاورزی

2 مرکز تحقیقات حفاظت خاک و آبخیزداری صندوق پستی 1136- 13445

3 مؤسسة ژئوفیزیک دانشگاه تهران، صندوق پستی 6466- 14155

چکیده

هدف از مطالعة حاضر بررسی کارایی روش‏های زمین‌آماری (geostatistics) در پهنه‌بندی اقلیمی در حوضة آبریز دریاچة ارومیه است. از بین روش‌های مربوط به طبقه‌بندی اقلیمی، روش سادة سلیانینوف (Selianinov) انتخاب شده ‌است که پارامترهای اصلی آن میانگین جمع بارش سالانه، میانگین جمع سالانة واحدهای حرارتی فعال (active heat units) از نظر رشد گیاهی با آستانة ده درجة (درجه- روز) و شاخص هیدروترمیک است. بدین‌منظور ابتدا پارامترهای ماهانة بارندگی و دمای هوا به تفکیک 165 ایستگاه برای یک دورة آماری 30 ساله با استفاده از اطلاعات شبکة جامع ایستگاه‌های هواشناسی ایران تهیه شد، سپس به‌منظور انتخاب روش مناسب برای معرفی تغییرات منطقه‌ای بارندگی و واحدهای حرارتی فعال، کارایی روش‌های زمین‌آماری مورد بررسی قرار گرفت. در این تحقیق از روش‌های کریجینگ (kriging)، میانگین متحرک وزنی (weighted moving average) با توان‌های 1 تا 5 و همسایگی 3 الی 30 و نوعی از روش اسپلاین TPSS (thin plate smoothing spline) با توان‌های 2 تا 5، با متغیر کمکی ارتفاع و بدون آن استفاده شده و برای ارزیابی، روش اعتبارسنجی حذفی (cross validation) به‌کار رفته است. نتایج این بررسی نشان داد که برای بارندگی، روش TPSS با توان 2 و بدون متغیر کمکی ارتفاع و برای مجموع سالانة
گرمای فعال همین روش با توان 2 و متغیر کمکی ارتفاع مناسب‌تر است. مقایسة خطای حاصل از روش‌های زمین‌آماری مورد استفاده
 در این تحقیق با روش گرادیان، برتری روش زمین‌آماری بر روش کلاسیک را نشان می‌دهد. با استفاده از سامانة اطلاعات جغرافیایی (GIS)
(geographic information system) نقشه‌های توزیع مکانی بارندگی سالانه و مجموع سالانة گرمای فعال ترسیم شده است و از روی هم گذاشتن آنها پهنه‌بندی اقلیمی حوضة ‌مطالعاتی ارومیه در دستگاه طبقه‌بندی سلیانینوف به‌دست آمده ‌است. بدین‌ترتیب اقلیم غالب حوضة آبریز دریاچة ارومیه، نیمه‌خشک میانه و مرطوب تعیین شد.

کلیدواژه‌ها


عنوان مقاله [English]

Application of geostatistical methods for climatic classification (A case study, Ourmieh lake basin)

نویسندگان [English]

  • Mahyar Mehdizadeh 1
  • Mohammad Hosein Mahdian 2
  • Sohrab Hajjam 3
1 Agrometeorologyst
2 Assistant professor, Soil conservation and watershed management research center, P.O. Box 13445-1136
3 Institute of Geophysics, University of Tehran, P.O. Box 14155-6466, Tehran, Iran
چکیده [English]

Spatial analysis of temperature and rainfall is necessary in many natural resources studies including water resource improvements, management, modeling and irrigation. In order to determine spatial variability of temperature and rainfall, classic statistical methods are usually applied. These methods may lead to imprecision results because; they do not include data arrangement and location perfectly.
In the present research, three methods were used to estimate regional rainfall and temperature using geostatistics and geographic information system. These methods consist of Thin Plate Smoothing Spline (TPSS), with the power of 2, 3, 4 and 5, with and without elevation as co variable; Kriging (ordinary kriging and co kriging) and Weighted Moving Average (WMA) with the power of 1, 2, 3, 4, and 5. These methods were applied to a thirty years data set of the Ourmieh lake basin in the north west of Iran. Mean Absolute Errors (MAE) and Mean Bias Errors (MBE) were used as comparison criteria.
It was found that the TPSS method with a power of 2 and without co variable (elevation) is an appropriate method to estimate annual rainfall. Kriging and WMA methods are the second and third best methods, respectively. The same results are applicable for monthly rainfall most months.
For temperature estimation, the TPSS method with a power of 2 and with elevation as co variable was the best method and co kriging, kriging and WMA were second, third and fourth best methods, respectively.
By comparing geostatistical results with those calculated by the gradient method, a higher precision was obtained using geostatistical methods for considered variable in the area studied. Finally, the climate of the area studied, was scaled as semi arid and humid using the Selianinov climatic classification method. Geographical distribution of rainfall and annual sum of active temperature with based value of 10 C were used for the method mentioned.

کلیدواژه‌ها [English]

  • cross validation
  • Climate
  • Spatial
  • Geostatistics
  • Selianinov
  • Annual rainfall