منطقه‌اي نمودن ضريب رواناب در استان همدان با استفاده از روش‌هاي زمين‌آماري و GIS

Regionalisation of Runoff Coefficient in Hamedan Province Using Geostatistical Methods and GIS

در اين تحقيق، با استفاده از قابليت سيستم اطلاعات جغرافيايي (GIS) و به‌كارگيري روش‌هاي مختلف زمين آمار از جمله روش‌هاي كريجينگ و كوكريجينگ (معمولي، ساده و عمومي) و هم‌چنين توابع شعاعي پايه، تغييرات مكاني ضريب رواناب سالانه استان همدان مورد ارزيابي قرار گرفت. بدين منظور با استفاده از داده هاي آماري يك دوره 11 ساله تعداد 18 ايستگاه آب سنجي موجود در منطقه و هم‌چنين استفاده از 11 نقطه اضافي كمكي، به‌كارگيري نقشه رقومي استان، تغييرات مكاني ضريب جريان سالانه برآورد گرديد. معيارهاي ارزيابي در اين پژوهش متوسط قدرمطلق خطا، متوسط خطاي اريب، ريشه ميانگين مربعات خطا و انحراف استاندارد عمومي، با استفاده از روش اعتبارسنجي حذفي بود. ضمناً با توجه به هم‌بستگي بالايي كه بين مقادير ضريب رواناب و شيب متوسط حوضه ها وجود دارد، اين پارامتر به‌عنوان متغير كمكي در برآوردهاي مربوطه مورد استفاده قرار گرفت، نتايج به‌دست آمده نشان دادند كه ضريب رواناب در اين استان بين 3/5 و 85 درصد تغيير مي كند. به‌منظور تحليل هاي مكاني ضريب رواناب در سطح استان همدان، روش كوكريجينگ عمومي با مدل دايره اي با توجه به مقادير متوسط خطاي اريب (0/0014-)، متوسط قدرمطلق خطا (0/0366)، ريشه ميانگين مربع خطا (0/054) و انحراف استاندارد (20/15)، به‌عنوان بهترين روش زمين آمار شناخته شد. از اين نظر، روش‌هاي كوكريجينگ معمولي و ساده با مدل دايره اي، با هم همسان و برابر بوده و در مرتبه بعدي قرار گرفتند.

In this research, using geographic information system (GIS) and different geostatistical methods including the kriging and co-kriging (ordinary, simple and universal) as well as the radial basis functions, the spatial distributions of runoff coefficient were evaluated in Hamedan province. To this end, the annual runoff were calculated in 18 existing hydrometery stations and another 11 auxiliary points, using digital elevation model (DEM) and 11 years available data of the stations. The performance criteria for evaluating the methods were mean absolute error (MAE), mean bias error (MBE), root mean square error (RMSE), and general standard deviation (GSD) along with the cross validation examination. A high regression between the runoff coefficient and watershed average slope was selected as auxiliary variable. The results showed that the runoff coefficient of the region changes between 3.5 and 85%. The findings also indicated that the universal co-krigings with spherical semi-variogram model had better performance with the values of MBE (-0.0014), MAE (0.036), RMSE (0.054) and GSD (20.152). The universal and simple kriging with spherical model were equal in runoff estimation of the region and were ranked as the second methods to this propose.