ﺑﺮرﺳﻲ الگوريتم هاي مختلف زمين آماري جهت پهنه بندي بارش ساليانه اﺳﺘﺎن ايلام

Study on different geostatistical algorithms for annual rainfall zoning in Ilam province

با توجه به اندازه گيري نقطه اي بارش و عدم پوشش تمام سطح حوزه ها، پيش بيني اين نوع داده ها ضروري است. تكنيك هاي مختلفي جهت برآورد داده هاي بارندگي در نقاط فاقد داده وجود دارد. به طور كلي روش هاي زمين آماري در مقايسه با روش هاي آمار كلاسيك براي برآورد بارش دقيق تر هستند. در اين راستا، ميانگين بارش سا?نهي 97 ايستگاه باران سنجي در استان ايلام در يك دوره آماري 23 ساله (سال هاي 1389-1366) مورد بررسي قرارگرفت. پس از جمع آوري آمار و اطلاعات مربوطه، نقشه هم باران تهيه و آناليز واريوگرام انجام شد. در اين تحقيق سه نوع روش كريجينگ شامل كريجينگ معمولي، ساده و عام مورد استفاده قرارگرفت. براي ارزيابي انواع مدل ها از مربع ميانگين ريشه خطا با خطاي استاندارد استفاده شد. نتايج بدست آمده نشان داد كه روش كريجينگ عام با پايين ترين ميزان ميانگين خطاي برآورد (003/0) و مربع ميانگين ريشه خطا (97/74) بهترين روش براي درون يابي در اين پژوهش مي باشد. همچنين در مقايسه مربع ميانگين ريشه خطا با خطاي استاندارد براي تعيين ميزان برآورد مورد انتظار، هر چهار مدل داراي برآوردي بيشتر از حد انتظار بودند. در پايان مشاهده گرديد كه تغيير نمايي ارتفاع و بارش منطقه نشان مي دهد كه تا شعاع 4/117 كيلومتري، بين ايستگاه ها از نظر ارتفاع رابطه ي معنا داري وجود دارد و پس از اين فاصله، رابطه ي آنها به صورت تصادفي است.

According to point measurements of precipitation and lack of coverage for all catchments, prediction of such a data is essential. There are various techniques for rainfall data estimation in areas with no recording data. In general, geostatistical methods are more accurate for precipitation estimation in comparison with classical statistical methods. In this regard, the mean annual precipitations of 97 pluviometer stations in Ilam Province were studied for a 23-years period (1987-2010 years). After collecting the relevant data, the isohyetal map was prepared and variogram analysis was performed. In this study, three types of Kriging including ordinary, simple and general Kriging were used. To assess all models, the root mean squared error with standard error was used. The results showed that the general Kriging method with lowest level of mean error (0.003) and root mean square error (74.97) is the best method for interpolation. Also, comparison of root mean square error with standard error for estimation of the expected values showed that all four models estimate the values more than the expected values. Finally, it is observed that there is a significant exponential relationship between altitude and precipitation until 117.4 km radius distance and after this interval, their relationship is randomly.