رویکردهای نوین در مهندسی آب و محیط‌زیست

نشریه علمی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

فرایند پذیرش مقالات

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

اطلاعات آماری نشریه

پرسش‌های متداول

اخبار و اعلانات

پیوندهای مفید

بررسی تغییرات منطقه ای شاخص خشکسالی SPI سه ماهه با استفاده از تکنیک زمین آماری کریجینگ، مطالعه موردی : استان فارس

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار گروه علوم و مهندسی آب، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران

چکیده

‌ فقدان یا کمبود ایستگاه‌هایی که بطور کامل حاوی چنین مشخصاتی باشند، اقلیم شناسان را ملزم به رعایت اصولی معین در ‌درون‌یابی ‌می‌سازد. در این تحقیق تلاش بر آن است که ضمن معرفی روش ‌درون‌یابی کریجینگ به عنوان یکی از روش‌های دقیق و پرکاربرد، مراحل انجام این فرآیند و انتخاب بهترین نوع از مدل کریجینگ با ذکر مطالعه‌ای موردی صورت گیرد. با توجه به روند رو به افزایش خشکسالی در کشور و نیاز به برنامه ریزی در مدیریت منابع آب، در مطالعه حاضر خشکسالی هواشناسی استان فارس مورد بررسی قرار گرفت. در این راستا شاخص خشکسالی هواشناسی استاندارد شده بارش SPI سه ماهه برای ایستگاه‌های سینوپتیک استان محاسبه گردید. شاخص SPI سه ماهه در مطالعات مرتبط با خشکسالی کشاورزی کاربرد بیشتری دارد. به منظور ‌درون‌یابی شاخص SPI سه ماهه در ابتدا سمی‌واریوگرام تجربی داده‌های محاسبه و ترسیم گشت. سپس 17 مدل کریجینگ بر سمی‌واریوگرام داده‌ها برازش یافت، و با استفاده از تکنیک ارزیابی متقاطع خطای تخمین مدلها برآورد گردید. نتایج نشان داد که مناسبترین مدل برازش داده شده بر داده‌های شاخص خشکسالی SPI سه ماهه ایستگاه‌ها، مدلهای خطی، توانی، ریشه دوم، لگاریتمی و گوسی کریجینگ معمولی ‌می‌باشد. با استفاده از نتایج حاصله، ارزیابی کفایت شبکه باران‌سنجی نیز ‌می‌تواند صورت گیرد. مدل گوسی به عنوان یکی از بهترین مدل‌های برازش یافته بیانگر پیوستگی مکانی بالای بارش در منطقه مورد مطالعه است. واریوگرام با فرض عدم وجود روند بر داده‌ها برازش داده شد. در نظر گرفتن روند خطی و غیر خطی،‌ و آنالیز نقشه‌های خطا ‌می‌تواند منجر به استخراج مدل‌های بهتر گردد.

کلیدواژه‌ها

عنوان مقاله [English]

Assessing SPI-3 months spatial variation using Kriging, Case study, Fars province

نویسنده [English]

  • Homa Razmkhah

Assistant Professor, Department of Water Science and Engineering, Marvdasht Branch, Islamic Azad University, Marvdasht, Iran

چکیده [English]

Due to the lack of facilities and commitment in climate stations establishment in large scale interpolation has become an important technique in spatial mapping studies. In this study, the Kriging interpolation technique as a prevalent technique has been explained and 17 Kriging models were evaluated, in order to select the most suitable one, using a case study. Because of increasing trend of drought in Iran and management necessity of water resources, meteorological drought of Fars province has been investigated in this study. For this purpose the calculated SPI-3 months of the Fars province synoptic stations were calculated. SPI-3 months is widely applied in agricultural drought studies. The empirical semi-variogram of the SPI-3 of the stations was calculated and graphed, fitting 17 Kriging models to select the best one using the cross-validation technique. Results showed that the Linear, Power, Square root, Logarithmic and Gaussian models were the best interpolation techniques for SPI-3 spatial mapping. Geostatistic methods could be used to determine the adequacy of the rainfall gauge stations, especially in the western mountainous region of the province. A complete-length of data could modify the results. The Gaussian model as one of the best-fitted models defines good spatial continuous of precipitation in the region. The semivariograms were fitted to data with the hypothesis of no precipitation trend. Considering the linear and non-linear trends of data, and analyzing error maps may result in better models.

کلیدواژه‌ها [English]

  • Interpolation
  • Drought
  • SPI
  • Kriging
مراجع
Abramowitz M., Stegun A. 1965.  Handbook of Mathematical Formulas, Gaphs, and Mathematical Tables. Dover Publications, Inc., New York, USA.
Asakereh H. 2008. Kriging application in climatic element interpolation, A case study: Iran precipitation in 1998.17. Geography and Development Iranian J., 6(12), pp.25-42 (In Persian).
Beheshtirad M. 2015. Investigation spatial variation of drought using geostatistics methods and Z index in Kerman province. J Irrigation and Water Engineering, 5(20), pp.118-130.
Bodagh Jamali J., Javanmard S.,  Shirmohammadi R. 2003. Monitoring and Mapping of Khorasan Province drought using SPI. Geoghraphical Research, 17(4), pp. 4-21(In Persian).
Chen H., Fan L., Wu W., Liu H-B. 2017. Comparison of spatial interpolation methods for soil moisture and its application for monitoring drought. Environmental Monitoring Assesssment., 189, 525.
Chen Y., Wei Ch., Yeh H. 2007. Rainfall network design using kriging and entropy. Hydrological Processes, 22(3), pp. 340-346.
Cheng K.Sh., Lin Y. Ch., Liou J. J. 2008. Rain-gauge network evaluation and augmentation using Geostatistics. Hydrological Processes, 22, pp. 2554-2564.
Cheng K.Sh., Wei Ch., Cheng Y.B., Yeh H.Ch. 2008. Effect of spatial variation characteristics on contouring of design storm depth. Hydrological Processes, 17(9), pp. 1755 – 1769.
Diadato N. 2005. The influence of topographic co-variables on the spatial variability of precipitation over small regions of complex terrain. International J. of Climatology, 25, pp. 351-363
Diodato N., Ceccarelli M. 2005. Interpolation processes using multivariate geostatistics for mapping of climatological precipitation mean in the Sannio Mountains (southern Italy). Earth Surface Processes and Landforms, 30, pp. 259-268.
Drogue G., Humbert J., Deraisme L., Mahrb N., Frelson. 2002. A statistical-topographic model using an omnidirectional parameterization of the relief for mapping orographic rainfall. International Journal of Climatology, 22, pp. 599-613. 
Ghahroudi Tali M. 2002. Evaluation of interpolation using Kriging. Geographical Research, 43, pp. 95-108 (In Persian).
Hassani Pak A.A. 1999. Geostatistics. Tehran university publishing (In Persian).
Hayes M. J., Svoboda M. D., Wilhite D. A., Vanyarkho, O.V. 1999. Monitoring the 1996 drought using the Standardized Precipitation Index, Bulletin of American Meteorological Society, 80, pp. 429–438.
Hilaire A.St., Ouarda T.B.M.J., Lachance M., Bobee B., Gaudet J., Gignac C. 2003.  Assessment of the impact of meteorological network density on the estimation of basin precipitation and runoff: a case study. Hydrological Processes, 17, pp.3561-3580.
Iguzquiza E.P.1998. Comparison of geostatistical methods for estimating the areal average climatological rainfall mean using data on precipitation and topography. International Journal of Climatology, 18(9), pp.1031 – 1047.
Keshtkar A.R., Moazami N., Afzali A. 2021. Assessment of spatial interpolation techniques for drought severity analysis in Iran’s Salt Lake Basin. Desert, 26(1), pp. 85-97 (In Persian).
Mckee B. T., Nolan J., Doesken Kleist J. 1995. Drought monitoring with multiple timescales. 9th Conference on Applied Climatology, Boston, Massachusett.
Mendicino G., Senatore A., Versace P. 2008. A Groundwater Resource Index (GRI) for drought monitoring and forecasting in Mediterranean climate, J. of Hydrology., 357(3-4), pp. 282-302.
Misaghi F., Mohammadi K. 2007. Estimating spatial distribution of rainfall using statistical and eostatistical methods and comparison with artificial networks. Scentific J. of Agriculture, 29(4), pp.1-13(In Persian).
Mohammadian A., Kouhi M., Adineh Beygi A. asouli S.J., Bazrafshan B. 2011. Comparison of Monitoring of Drought Using SPI, DI and PNI and Zoning Them (Case study: Northern Khorasan Province). J of Water and Soil Conservation, 17(1), pp. 177-184 (In Persian).
Moradi H. R., Rajabi M., Faragzadeh M. 2011. Investigation of meteorological drought characteristics in Fars province, Iran. Catena 84, pp. 35–4 (In Persian).
Orasi A., Lasinio G., Jona, Ferrari C. 2008. Comparison of calibration methods for the reconstruction of space-time rainfall fields during a rain enhancement experiment in Southern Italy.  Environmetrics, 20(7), pp.812 – 834.
Prudhomme Ch., Redd. D. 1999. Mapping extreme rainfall in a mountainous region using geostatistical techniques: A case study in Scotland. International J. of Climatology, 19, pp. 1337-1356.
Rahimi Bondarabad S., Saghafian B. 2007. Estimating Spatial Distribution of Rainfall by Fuzzy Set Theory. Iran-Water Resources Research, 3(2), pp. 26-38 (In Persian).
Razmkhah H., Akhond Ali A.M., Saghafian B. 2009. Evaluation of yearly precipitation regional variation using Kriging geostatistical technique, case study: Fars Province, The Second National Seminar on Drought Effects/Management, Esfahan (In Persian).
Roustaie A., Abdollahi K. 2009. Assessment of spatial and temporal variation of precipitation in Fars province using SPI. B.S. Thesis, Water Engineering, Islamic Azad University, Marvdasht Branch, Iran (In Persian).
Saghafian B., Rahimi Bandar Abadi S. 2005. Comparison of interpolation and extrapolation methods for estimating spatial distribution of annual rainfall. Iran-Water Resource Research, 1(2), pp. 74-84 (In Persian).
Shaghaghi M.,Nazarifar M.H., Moemeni R., Zavarehie Moghadam Z. 2007. Regional variation assessment of monthly and yearly precipitation of Karoun basin using geostatistics. 1st Conference on Optimum Utilization of Water Resources, Shahrekord, Iran (In Persian).
Subedi M.R., Xi W., Edgar Ch.B., Rideout-Hanzak S., Hedquist B.C. 2019. Assessment of geostatistical methods for spatiotemporal analysis of drought patterns in East Texas, USA. Spatial Information Research: 27, pp. 11–21.
Tssung, Ch.K. 2004. Introduction to Geographic Information System, 2nd edition, Mc Graw Hill.
Zamani  R., Akhondali A.M., Solaimani K., Ansari F., Allahbakhshian P. 2013.  Application of geostatistics in zone classification of drought severities (case study: Fars province).  J Watershed Management Research,   3(6), pp. 15-29.
 
رویکردهای نوین در مهندسی آب و محیط‌زیست
دوره 1، شماره 2
اسفند 1401
صفحه 25-36
فایل ها
هم رسانی
ارجاع به این مقاله
آمار