بارندگی یکی از موضوعات مهم در اکثر مسائل هیدرولوژیکی و مطالعات منابع آب است که در دسترس بودن آمار و اطلاعات مربوط به آن از اهمیت ویژه ای برخوردار می باشد. از طرفی داده های ایستگاه های باران سنجی در یک محدوده ی جغرافیایی به صورت نقطه ای برداشت می شود که بایستی این داده ها به منطقه تعمیم داده شوند که این کار را می توان به کمک اطلاعات بارندگی ایستگاه های مجاور انجام داد. از دیرباز تخمین درست بارندگی در سطح یک منطقه اهمیت فراوانی داشته چرا که با در اختیار داشتن یک برآورد صحیح می توان به اطلاعات بسیار با اهمیتی در مطالعات منطقه ای و مسائل مدیریت منابع آب دست یافت. اصلاح و طراحی یک شبکه ی باران سنجی به منظور افزایش دقت در تخمین مقادیر بارش، نیازمند یافتن موقعیت بهینه ی ایستگاه های باران سنجی می باشد. بیشتر خطاهای تخمین بارش، ناشی از موقعیت باران سنج ها می باشد که یک طراحی مناسب شبکه ی باران سنجی می تواند خطاهای مرتبط با اندازه گیری بارش را کاهش دهد. دو عامل تعداد و نحوه توزیع مناسب باران سنج ها نقش اساسی را در تعیین و محاسبه بارندگی متوسط یک حوضه دارا می باشند. به عبارتی تعیین دقت تخمین بارندگی در یک منطقه وابسته به صحت و دقت نقطه مکان یابی شده به عنوان ایستگاه دارد. همچنین این نکته را باید مد نظر داشت که اگر تعداد ایستگاه های مورد نظر زیاد باشد از لحاظ اقتصادی مقرون به صرفه نبوده و در صورت کم بودن آنها میزان تخمین بارندگی با واقعیت محل، تفاوت فاحشی خواهد داشت. بهینه سازی موقعیت شبکه ی ایستگاه های بارندگی می تواند در دقت برآوردهای بارندگی و در نتیجه در مطالعات آب شناختی، بیلان آبی و مدیریت منابع آب موثر باشد. الگوریتم های متفاوتی برای بهینه سازی موقعیت شبکه ی ایستگاه های بارندگی وجود دارد که برخی از آنها مبتنی بر روش های زمین آماری می باشند. به طور کلی تخمین زمین آماری فرآیندی است که طی آن می توان مقدار مجهول یک کمیت در نقاطی با مختصات معلوم را با استفاده از مقادیر معلوم همان کمیت در نقاط دیگری با مختصات معلوم بدست آورد. در این تحقیق از روش های زمین آماری کریجینگ و کوکریجینگ استفاده گردیده است. کریجینگ یک روش کارآمد درون یابی است. در روش کریجینگ هر چقدر نمونه در فاصله دورتری قرار داشته باشد، به همان نسبت وزن آماری که به آن نسبت داده می شود، کمتر است. اما در عین حال موقعیت نمونه نیز مد نظر قرار می گیرد. از مهمترین ویژگی های کریجینگ آن است که به ازای هر تخمین، خطای مرتبط به آن را می توان محاسبه کرد. به همین دلیل قبل از احداث ایستگاه و آمار برداری، می توان میزان کاهش واریانس برآورد را به ازای اضافه نمودن ایستگاه جدید محاسبه نمود. از طرف دیگر با برآورد توزیع مکانی واریانس خطا می توان مناطقی که دارای خطای بیش از حد آستانه ی مورد نظر است را شناسایی نمود و تحت پوشش ایستگاه های جدید قرار داد. روش کوکریجینگ وقتی مفید است که دو یا چند متغیر که به هم وابسته اند و بتوان آنها را با یکدیگر برآورد نمود. بدین معنی که علاوه بر داده های مربوط به متغیر اصلی، اطلاعات و مشاهداتی از دیگر متغیرها (متغیرهای ثانویه) نیز در دسترس می باشد. متغیرهای ثانویه معمولاً مرتبط با متغیر اصلی هستند و همبستگی بین آنها می تواند اطلاعات مفیدی را در اختیار قرار دهد. در بهینه سازی شبکه باران سنجی با استفاده از زمین آمار، می توان ایستگاه هایی که مقادیر آن ها با دقت مناسبی با استفاده از سایر ایستگاه های شبکه قابل تخمین می باشد را مشخص کرد. همچنین می توان مناطقی را که در آن جا خطا ی تخمین بالا است را جهت اضافه نمودن باران سنج برای کاهش خطای تخمین پیدا نمود. از آنجا که در کلیه ایستگاه های اندازه گیری عوامل جوی، تعیین میزان بارش یکی از مهم ترین عوامل محسوب می شود، لذا شبکه ایستگاه های باران سنجی تمام انواع ایستگاه ها را در بر می گیرد، که در این تحقیق به بهینه سازی آن پرداخته شده است.

چکیده ندارد.