كاربرد روش‌هاي ميان‌يابي و رگرسيوني در برآورد مكاني بارش (مطالعۀ موردي: استان كرمانشاه)

Application of Interpolation and Regression Methods in Spatial Estimation of Rainfall (Case Study: Kermanshah Province)

به دلیل كمبود ایستگاههای هواشناسی در ایران و اهمیت بالای عنصر بارش در تمام برنامه‌ریزی‌ها، برآورد بارش در مناطق فاقد ایستگاه اهمیت فراوانی دارد. در این تحقیق به منظور برآورد میانگین بارش‌های فصلی و سالانه در استان كرمانشاه، از آمار روزانۀ بارش 46 ایستگاه باران‌سنجی و سینوپتیك استان در یك دورۀ 20 ساله استفاده شده است. به این منظور از روش‌های تك-متغیره (قطعی و زمین‌آمار) و چندمتغیره (زمین‌آمار و رگرسیون‌‌خطی) استفاده شده است. روال معمول در برآورد مكانی بارش ایران در مطالعات قبلی، استفاده از یك متغیر- معمولاً ارتفاع- و به‌كارگیری تنظیمات پیش‌فرض در روش‌های میان‌یابی بوده است. در حالی‌كه در این تحقیق، اولاً در روش‌های چندمتغیره، علاوه بر عامل ارتفاع از سطح دریا، از متغیرهای دیگری نظیر میزان شیب و طول و عرض جغرافیایی به عنوان متغیرهای كمكی (مستقل) استفاده شده است؛ ثانیاً به جای به‌كاربردن مقادیر پیش‌فرض مدل‌ها، بسته به روش میان‌یابی مورد استفاده، تنظیمات متعددی بر روی 8 پارامتر در روش‌های قطعی و حداكثر 31 پارامتر در روش‌های زمین‌آمار، انجام گرفت و اثر هر كدام در مقدار بارشِ برآوردشده، بررسی گردید و خطای برآورد در هر مورد ارزیابی شد. از جمله در روش‌های زمین‌آمار، نیم‌تغییرنما و كوواریوگرامِ متقابلِ بهینه باتوجه به ساختار فضایی متغیر موردمطالعه انتخاب، و ویژگی‌های هركدام با توجه به داشتن كمترین خطا تنظیم گردید. نتایج حاصل از تكنیك ارزیابی متقابل نشان داد كه روش‌های قطعی در تمام موارد، خطای بیشتری نسبت به روش‌های زمین‌آمار داشته است. برای برآورد میانگین بارش فصل بهار، روش رگرسیون چندمتغیرۀ خطی، بارش فصول تابستان و پاییز روش كریجینگ‌ معمولی، و بارش فصل زمستان و نیز بارش سالانه، روش كوكریجینگ‌ معمولی به عنوان مدل‌های بهینه شناخته ‌شدند. بر این اساس، میانگین بارش سالانه در سطح استان 479 میلی‌متر (346 تا 848 میلی‌متر)، با حداكثر بارش فصلی زمستانۀ 212 میلی‌متر (معادل 3/44 درصد بارش سالانه) برآورد گردید.

Estimation of rainfall in areas without stations is very important due to the lack of meteorological stations and significance of rainfall in various planning strategies. In this research, the daily rainfall data from 46 rain-gauge and synoptic stations in the Kermanshah province in a 20-year period has been used to estimate the seasonal and annual average rainfall in the region. To do this, univariate methods (deterministic and geostatistical) and multivariate methods (geostatistical and linear regression) have been used. The usual method for spatial estimation of rainfall in previous studies in Iran has been the use of one variable (usually altitude), and also default settings of the interpolation methods. However, in this study, firstly, in the multivariate methods, in addition to the altitude, other variables such as slope percent, latitude and longitude have been used as covariates (independent variables). Secondly, instead of using the default values of the models, various settings were performed on the 8 parameters in the deterministic methods, and up to 31 parameters in the geostatistical methods depending on the interpolation method used, and then the effect of each method was evaluated in the precipitation estimates considering the error of each method. For example, in the geostatistical methods, optimized semivariogram and covariogram were determined in each case according to the spatial structure of the variable, and then their characteristics were adjusted by taking into account the lowest errors in the estimation of precipitation. The results of cross-validation technique showed that the deterministic methods have more errors than the geostatistical methods in all cases. To estimate the average spring rainfall, linear multivariate regression method, and for average summer and autumn rainfalls, ordinary kriging method, and finally for average winter and annual rainfalls, ordinary cokriging method were selected as the best methods. Based on this, the average annual rainfall in the province was estimated about 479 mm (346 to 848 mm), with maximum seasonal rainfall of 212 mm in winter (equivalent to 44.3% of the annual rainfall).