ارزيابي شبيه هاي درون يابي محيط سامانه ي اطلاعات جغرافيايي(GIS) در پهنه بندي داده هاي بارندگي استان فارس

An Assessment of the Geographic Information System Interpolation Models in Drawing the Isohyetal Map of the Province of Fars

داده هاي مربوط به بارندگي در هر منطقه نقشي بسيار مهم در بررسي مسايل آبشناسي و مطالعات منابع آبي دارند. در دسترس بودن آمار نيز از اهميتي ويژه برخوردار است . در اين ميان مساله ي بررسي پراكنش مكاني بارش ها بايستي مورد مطالعه قرار گيرد. روش هاي آماري درون يابي متنوعي وجود دارند كه با كمك آنها مي توان خطوط همباران را استخراج كرد ، اما به دليل نابسندگي آمار و داده هاي موجود، و دقت پايين اندازه گيري ها، تخمين حاصله در برخي روش ها چندان رضايت بخش نيست . در دهه هاي اخير مباني دانش زمين آمار به خوبي گسترش يافته و توانايي هاي اين شاخه از آمار در بررسي و پيش بيني متغيرهاي مكاني مشخص شده است . در اين پژوهش از آمار بارندگي سالانه و شبيه هاي گوناگون درون يابي استفاده شده است. در بررسي شبيه هاي زمين آمار نيز جهت تعيين عوامل مورد نياز از نرم افزار GSاستفاده شد، سپس با بكارگيري شبيه هاي گوناگون درون يابي در محيط سامانه ي اطلاعات جغرافيايي (GIS)، پهنه بندي وضعيت بارش در استان فارس صورت گرفت . همچنين، به منظور ارزيابي تخمينگرها، مقادير درصد خطاي هريك از شبيه ها محاسبه شد. با توجه به نتايج بدست آمده ، شبيه بهينه اي جهت پهنه بندي داده هاي بارش تعيين و توصيه شده است.

Precipitation maps perform undeniable roles in the hydrological and water resources management studies. The reliability of the data used in preparing these maps determines their usefulness. As the rain gauging stations are relatively few and far apart, interpolation of the rainfall amount and distribution is an important process in drawing reliable maps. Many statistical methods are available through which interpolation of isohyetal maps may be achieved; however, the estimations made by some of these models are not satisfactory. The geostatistical methods developed in recent decades are the most reliable in predicting the local variations with fewer sampling. We employed different interpolation models in the GIS domain in the present study using the GS+ software to prepare the mean annual precipitation map of the Province of Fars. Furthermore, optimization of the interpolation process was achieved through assessing different estimators and determining the error percentage of each model in predicting the most reliable values.