بررسی تطبیقی روشهای زمین آماری و میانیابی در برآورد مکانی بارش (مطالعه موردی: استان کرمانشاه)

بارش یکی از عناصر مهم در مطالعات جغرافیایی و امور مربوط به توسعه ی فعالیت های عمرانی و کشاورزی محسوب می شود. با توجه به رشد روزافزون جمعیت و لزوم استفاده ی بهینه از توان های منابع آب ایران، ضروری است که داده های بارش برای مطالعات کشاورزی، مدل سازی فرایندهای هیدرولوژی (مثل سیل و رواناب) و همچنین توسعه ی منابع آب در دسترس باشد. به دلیل آن که تراکم ایستگاه های هواشناسی در ایران و در منطقه مورد مطالعه کم است و نمی توان اطلاعات ایستگاه ها را به یک سطح وسیع تعمیم داد و از آن در مطالعات استفاده نمود به ناچار لازم است با استفاده از روش های مناسب، میزان بارش برای نقاطی که فاقد ایستگاه می باشند برآورد شود. به منظور برآورد میانگین بارش فصلی و سالانه ی استان کرمانشاه، ضمن مراجعه به سازمان هواشناسی و سازمان آب منطقه ای استان کرمانشاه، آمار 20 ساله ی بارش 46 ایستگاه باران سنجی و سینوپتیک جمع آوری شد. پس از تنظیم و تهیه فایل ها، برای برآورد دقیق تر میانگین بارش فصلی و سالانه با استفاده از نرم افزارهای 10arcgis و 18spss، از روش-های تک متغیره ی قطعی و زمین آمار و روش های چندمتغیره ی زمین آمار و رگرسیون خطی چندگانه استفاده شد. متغیرهای ارتفاع از سطح دریا، میزان شیب، طول و عرض جغرافیایی به عنوان متغیرهای کمکی (مستقل) در روش های چند متغیره به-کار گرفته شد. شرط ورود متغیرهای کمکی برای مدل سازی بارش، معنی دار بودن همبستگی آنها در سطح 0/01 و داشتن حداقل همبستگی به میزان 0/5 با هر یک از متغیرهای وابسته (میانگین بارش فصلی و سالانه ی ایستگاه های استان کرمانشاه) بوده است. نتایج نشان داد که از بین 7 روش مورد استفاده در سری روش های تک متغیره، در تمام موارد روش زمین آمار تک متغیره کریجینگ معمولی خطای کمتری نسبت به روش های تک متغیره قطعی (rbf و idw) در برآورد میانگین بارش فصلی و سالانه ی استان کرمانشاه داشته است. از بین دو روش مورد استفاده در سری روش های چندمتغیره نیز، روش رگرسیون خطی تنها در برآورد میانگین بارش فصل بهار خطای کمتری نسبت به روش کوکریجینگ معمولی داشته است اما در سایر موارد روش کوکریجینگ معمولی نسبت به رگرسیون خطی عملکرد بهتری داشته است. برای برآورد میانگین بارش فصل بهار، روش رگرسیون چندمتغیره ی خطی با میزان خطای (rmse) 17/4میلیمتر و ضریب تعیین (r^2) به میزان 0/61 به عنوان بهترین مدل شناخته شد. برای فصل تابستان، روش کریجینگ معمولی با میزان خطای 0/73 میلیمتر و ضریب تعیین 0/69 مدل قابل قبولی بود. برای فصل پاییز روش کریجینگ معمولی با میزان خطای 14/8میلیمتر و ضریب تعیین 0/64 پذیرفته شد. برای فصل زمستان روش کوکریجینگ معمولی با میزان خطای 26/1 میلیمتر و ضریب تعیین 0/74 روش مناسبی شناخته شد و همچنین برای برآورد میانگین بارش سالانه روش کوکریجینگ معمولی با میزان خطای 53/85میلیمتر و ضریب تعیین 0/68، مدل بهینه تشخیص داده شد.