نام پژوهشگر: پرویز حقیقتجو
ام البنین پودینه معصومه دلبری
آگاهی از تغییرات مکانی بارش به عنوان یک پارامتر کلیدی در مطالعات هیدرولوژی و اقلیمی هر منطقه ای مطرح می باشد. هدف از این تحقیق بررسی تغییرات مکانی و تعیین بهترین روش میان یابی بارندگی ماهانه و سالانه در استان سیستان و بلوچستان است. انتخاب روش میان یابی بستگی به نوع داده ها، دقت موردنظر، منطقه ی مورد بررسی، توان محاسبات و بعد مکانی مورد استفاده، دارد. از این رو روش های مختلف میان یابی شامل روش های مبتنی بر رگرسیون، روش های زمین آماری (ok، sk، sklm، ked، uk و cok) و روش های قطعی (idw، lpi، gpi و rbf) برای این هدف مورد استفاده قرار گرفتند. اطلاعات اولیه مورد نیاز شامل داده های بارندگی مربوط به 50 ایستگاه با طول دوره ی آماری مشترک 25 سال (1391-1367) بود. اطلاعات ثانویه شامل ارتفاع، فاصله تا خط ساحلی، طول و عرض جغرافیایی به عنوان متغیرهای کمکی در روش های چند متغیره مورد استفاده قرار گرفتند. روش اعتبارسنجی متقابل برای مقایسه مقادیر پیش بینی شده ی روش ها به همراه معیارهای آماری جذر میانگین مربعات خطا (rmse) و میانگین انحراف خطا (mbe) به کار گرفته شد. نتایج حاصل از اعتبارسنجی متقابل حاکی از عملکرد بهتر روش رگرسیونی بارش- ارتفاع برای فروردین، روش ked برای اردیبهشت، روش uk برای خرداد و شهریور، روش rbf برای تیر، مرداد، مهر، آذر، دی، بهمن و بارندگی سالانه و روش sk برای آبان و اسفند بوده است. روش های قطعی lpi و gpi در هیچ یک از دوره ها نتایج خوبی نداشته اند. استفاده از متغیر کمکی ارتفاع فقط در ماه های فروردین و اردیبهشت موجب بهبود تخمین نتایج شده است. این در حالی است که متغیر کمکی فاصله تا خط ساحلی تأثیری در بهبود نتایج نداشته است. از دلایل عدم بهبود دقت تخمین بارندگی توسط روش های چند متغیره می توان به وضعیت پیچیده ی توپوگرافی، تراکم پایین ایستگاه های باران سنجی، پایین بودن ضریب همبستگی بین بارندگی و متغیرهای کمکی و عدم همبستگی مکانی قوی متغیرهای کمکی اشاره کرد. از مزیت های روش های زمین آماری ارائه ی نقشه های خطای تخمین می باشد. با توجه به این نقشه ها، بالاترین مقدار خطای تخمین مربوط به نواحی با تراکم پایین ایستگاه های باران سنجی و حاشیه های استان بوده است.
پرویز حقیقت جو عبدالکریم بهنیا
برای تحلیل فراوانی ریزش های جوی، می توان از دو روش پارامتری و غیر پارامتری استفاده کرد. روش های معمول و مرسوم تحلیل فراوانی براساس روش های پارامتری استوار هستند. یکی از عیوب روش های پارامتری این است که فرض می کنیم داده ها یا مشاهدات از جامعه آماری با تابع چگالی احتمال معلوم هستند. فرض مذکور در بسیاری از حالات صحیح نیست. از معایب دیگر این روش ها، تغییرپذیری زیاد پارامترها در ارتباط با اندازه نمونه و اشکال در برآورد دقیق آنها است. یکی از راه حل های مقابله با مشکلات فوق الذکر استفاده از روش های غیرپارامتری است. در روش های اخیر فرض تبعیت داده ها از یک توزیع بخصوص مطرح نمی شود و شکل تابع چگالی و تابع توزیع تجمعی احتمال به وسیله داده ها تعیین می شود. در تحقیق حاضر، روش های پارامتری و غیر پارامتری برای تحلیل فراوانی ریزش های جوی ماهانه و سالانه بکار برده شده اند و نتایج حاصل با یکدیگر مقایسه شده اند. روش های غیرپارامتری مورد استفاده در این پژوهش، روش های هسته و سری فوریه هستند که با روش های معمول پارامتری یا به عبارت دیگر با توزیع های مرسوم و کلاسیک نظیر نرمال، لگاریتم نرمال دو و سه پارامتری، گامای دو پارامتری، پیرسون و لگاریتم پیرسون نوع سه و مقادیر حدی نوع یک یا گمبل مقایسه شده اند. یکی از نیازها در هنگام کاربرد روش هسته، محاسبه پارامتر هموارکننده است که در اینجا از چهار روش برای برآورد آن استفاده شده است. روش های مذکور شامل همروایی کمترین مربعات، شیتر- جونز، آداموسکی، و قانون سر انگشتی هستند. در تحقیق حاضر توابع هسته نرمال (گوسی)، لگاریتم نرمال، مثلثی و مستطیلی با یکدیگر مقایسه گردیدند. به منظور دستیابی به اهداف این پژوهش، آمار بلند مدت بارندگی های ماهانه و سالانه ایستگاه های قدیمی ایران شامل بوشهر، اصفهان، مشهد، تهران و جاسک تجزیه و تحلیل شده اند. نتایج بدست آمده نشان می دهند که از بین شیوه های مورد استفاده، روش غیرپارامتری با تابع هسته لگاریتم نرمال برای برازش به بارندگی های ماهانه مناسب تر است، زیرا دارای کمترین میزان انحراف از داده های مشاهده شده یا به عبارت دیگر دارای حداقل مقادیر متوسط انحراف نسبی و متوسط مربع انحراف نسبی می باشد. همچنین از بین کلیه روش های مورد مطالعه در این پژوهش، روش غیرپارامتری سری فوریه بهترین برازش را به بارندگی های سالانه نشان داد. نتیجه گیری کلی این است که روش های غیرپارامتری برازش بهتری هم بر بارندگی های ماهانه و هم بر بارندگی های سالانه دارند و بنابراین برای برآورد چندک ها مناسب تر هستند.