تحلیل مکانی بارش: مقایسه روش های کریجینگ با روش های متداول
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 231
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-6-1_009
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
یکی از مسائل مهم در مدیریت منابع آب، برآورد اطلاعات در مناطقی است که داده های آن اندازه گیری نشده و یا دارای داده های مفقوده می باشد. تخمین داده های نامعلوم در نقاط مختلف با استفاده از روش های درون یابی بر روی داده های مشاهداتی در محدوده مورد مطالعه صورت می گیرد. برای محاسبه و تحلیل مکانی داده های هیدرولوژی مانند بارش، روش های متعدد درون یابی از روش های ساده خطی تا روش های پیچیده چند متغیره وجود دارد. دقت نتایج برای تخمین داده ها در هریک از روش ها با توجه به قیود و داده های لازم متفاوت می باشد، به همین منظور روش های متفاوتی برای تحلیل داده های مکانی و زمانی به کار گرفته می شود. در این مقاله از روش های متداول درون یابی و زمین آماری مانند کریجینگ در تحلیل مکانی و تخمین متوسط بارش منطقه ای ماهانه بر روی ۳۸ ایستگاه بارش برای دوره زمانی ۱۹۶۷ تا ۲۰۰۵ در محدوده غرب کشور استفاده شده است. همچنین نتایج به دست آمده در بسیاری از ایستگاه ها با نتایج ثبت شده در هر ایستگاه مقایسه گردید. نتایج نشان می دهد که روش های متفاوت درون یابی می بایست با در نظر گرفتن شاخص های محلی که بر روی متغیرهای هواشناسی موثرند، استفاده گردند. با توجه به نتایج به دست آمده در محدوده مورد مطالعه، روش کریجینگ یونیورسال بهترین نتیجه را نسبت به سایر روش های مختلف درون یابی دارا می باشد. بر اساس بهترین نتایج به دست آمده از تخمین بارش منطقه ای با استفاده از روش های کریجینگ و متداول، ایستگاه های جدیدی در محدوده مورد مطالعه به منظور بهینه سازی ایستگاه های بارش پیشنهاد گردید.
کلیدواژه ها:
نویسندگان
محمد کارآموز
استاد /دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران، تهران، ایران
مهدیس فلاحی
کارشناس ارشد / مهندسی عمران دانشگاه صنعتی امیرکبیر، تهران، ایران
سارا نظیف
دانشجوی دکتری /دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :