روشي پيشنهادي براي مدلسازي عدم قطعيت در تخمين‌هاي هيدروكليماتولوژي با تاكيد بر دوره‌هاي خشكسالي

A proposed method for uncertainty modeling in hydroclimatological estimation with emphasis on drought events

بسياري از تكنيك‌ها و روش‌هايي كه در برنامه‌ريزي و مديريت كشاورزي بر مبناي تغييرات و نوسانات اقليمي وجود دارد، ارتباط مستقيم يا غير مستقيم با تخمين‌هاي هيدروكليماتولوژيك دارد. منظور از تخمين هيدروكليماتولوژي تعيين و اعلام وقوع شرايطي در مكان و زمان خاص است كه مي‌تواند شامل پديده‌هايي نظير ترسالي يا خشكسالي شود. پيشرفت‌هاي بيشتر در تخمين‌هاي هيدروكليماتولوژيك منوط به شناخت بيشتر ارتباط پديده‌هاي اقليمي و رويدادهاي هيدرولوژيكي، بهبود وتوسعه مدل‌ها يا پيشنهاد مدل‌هاي جديد مي‌باشد. ارايه يك مدل تخمين هيدروكليماتولوژيك كه داراي خصوصيات مدلسازي همبستگي غيرخطي بين سيگنال‌ها و متغيرهاي هيدرولوژيكي، مدلسازي سري‌هاي غير ايستا و ارايه پيش‌بيني‌هاي احتمالاتي باشد، مي‌تواند يك قدم به جلو در مطالعات انجام شده در اين زمينه باشد. در اين راستا مدلي بر اساس تحليل‌هاي همبستگي و مدلسازي آماري در قالب اين مقاله ارايه شده و قابليت آن در مقايسه با يكي از مدل‌هاي مرسوم آمار ناپارامتري (رگرسيون نزديك‌ترين همسايه) در تخمين نقطه‌اي و احتمالاتي سنجيده مي‌شود. يكي از مهمترين چالش‌ها در انجام تخمين‌هاي هيدروكليماتولوژيك، انعكاس عدم قطعيت‌ها در خروجي‌ها است كه در روش ارايه شده به آن پرداخته شده است. نوآوري اين تحقيق در ارايه روشي ساده، اما كارآمد براي تخمين‌هاي هيدروكليماتولوژيك با انعكاس عدم قطعيت‌ها است. مطالعه موردي تحقيق تخمين آوردهاي رودخانه زاينده‌رود در شرايط نرمال و خشكسالي‌ها مي‌باشد. نتايج نشان دهنده كارايي روش پيشنهادي در مقايسه با روش‌هاي رگرسيون ناپارامتري است.

Most techniques and methods in the agricultural planning and management based on the climate variation and climate change are implicitly or explicitly dependent on the hydrocliamtological estimations. Hydroclimatolgical estimation is actually the determination and warning of specific situations in a certain time and place such as drought and floods. Further improvements in the modeling for those estimations are up to the growing knowledge on the interaction between climatic and hydrological events as well as developing new models and improvement of existing ones. Presenting a hydrocliamtological model to be able to map the nonlinear relationship between climate signals and hydrological models; to model the non stationary time series; providing probabilistic estimation could be a significant contribution. A model is presented in this paper based on the correlation analysis and statistical modeling which is compared with a conventional nonparametric model (nearest neighborhood) in point and interval estimation. One of the important challenges in hydrocliamtological estimation is to calculate estimation uncertainty in which the proposed method deals with it. The contribution of this paper is to provide a simple but efficient method for hydrocliamtological estimation in an uncertain environment. The case study of this research is forecasting of streamflow of Zayandeh-rud River in drought and normal situations. The results demonstrate the supremacy of the proposed model in comparison with the conventional models.