پيش‌بيني الگوي توزيع مكاني متوسط بارندگي سالانه منطقه اروميه با اسـتفاده از روش هاي زمين آماري

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

پيش­ بيني توزيع مكاني بارندگي در مناطق كوهستاني به منظور حفظ و برقراري تعادل آبي و تخمين قابليت دسترسي آب، به دليل پيچيده بودن گراديان بارش و هم­چنين كم بودن تعداد ايستگاه­ ها در اين مناطق بسيار حائز اهميت مي­باشد. هدف از مطالعه حاضر پيش­بيني پراكنش مكاني بارندگي با استفاده از روش­هاي مختلف زمين­ آماري و ارزيابي دقت آن­ها مي­باشد. بدين منظور از اطلاعات باران ­سنجي 38 ايستگاه مربوط به بارش ساليانه منطقه اروميه استفاده شده و قابليت روش ­هاي IDW، كريجينگ و كو­كريجينگ مورد بررسي قرار گرفت. پس از نرمال ­سازي داده­ ها اقدام به ترسيم واريو­گرام­هاي مربوطه گرديد. براي تعيين بهترين مدل به منظور برازش بر واريو­گرام تجربي از دو معيار RSS با مقدار كمتر و استحكام ساختار فضايي قوي­تر استفاده شد. سپس با استفاده از تكنيك ارزشيابي متقابل و استفاده از شاخص RMSE، منا­سب ­ترين روش ­درون­يابي انتخاب شد. نتايج نشان داد كه روش كو­كريجينگ با متغير كـمكي ارتفاع داراي حـداقل خـطا و بالا­ترين دقت برازش مي­باشد. با توجه به اينكه منطقه اروميه كوهستاني است و شرايط براي كشت ديم مناسب دارد، لذا با استفاده از تكنيك GIS، نقشه ­هاي پراكنش مكاني بارندگي منطقه اروميه به روش كوكريجينگ و مناطق مستعد اراضي ديم با رزوليشن بالا تهيه گرديد.

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.