مقایسة روش های زمین آماری و شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف (مطالعة موردی: حوضة آبخیز سخوید، یزد)

در بسیاری از حوضه های آبخیز کوهستانی، برف انباشته شده در برفچال ها ذخیرة درخور توجهی از منابع آب حوضه ها را تأمین می کند. بنابراین، پایش این رژیم هیدرولوژیکی، به ویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب به شمار می رود. به دلیل سخت بودن و حتی در برخی موارد ناممکن بودن آماربرداری از داده های برف، توسعة روش هایی برای برآورد عمقِ برف در نقاط فاقد اندازه گیری و نیز بررسی دامنة کاربرد آن ها امری ضروری است. در این پژوهش محدوده ای به مساحت 16 هکتار در حوضة آبخیز سخوید تفت انتخاب شد و با بهره گیری از 216 داده عمق برف و دخالت 31 پارامتر سرزمین، به ارزیابی کارایی روش های زمین آماری (کریجینگ، کوکریجینگ، روش عکس فاصله) و روش شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف پرداخته شد. نتایج این تحقیق نشان داد روش شبکة عصبی مصنوعی با ضریب همبستگی 9/0 و مجذور میانگین استاندارد خطای 8/6 سانتی متر مناسب ترین روش برای برآورد عمق برف در منطقة مورد مطالعه است. همچنین، بهترین مدل عصبی به دست آمده از روش سعی و خطا در این تحقیق مدل پرسپترون چندلایه و بهترین تابع فعالیت تابع سیگموئید تعیین شد. نتایج آنالیز حساسیت با استفاده از شبکة عصبی مصنوعی نیز نشان داد که از بین پارامترهای به کاررفته در شبکة عصبی مصنوعی پارامترهای مقطع طولی انحنا، انحنا، مقطع عرضی انحنا، اثر باد، شیب حوضه، ارتفاع نرمال شده، موقعیت و شیب میانه به ترتیب جزو مؤثرترین عوامل در برآورد عمق برف اند.