نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 گروه ژئومورفولوژی دانشگاه تبریز

2 گروه سنجش از دور و GIS دانشگاه تبریز

3 سنجش از دور و GIS دانشگاه تبریز

4 گروه ریاضی کاربردی دانشگاه تبریز

5 گروه ژئومورفولوژی، دانشگاه ارومیه

چکیده



یکی از مراحل اصلی در مطالعات منابع آب برآورد توزیع مکانی بارندگی در مقیاس‌های زمانی متفاوت می‌باشد. مطالعه بارش به­عنوان یک عنصر بسیار مهم و رکن اساسی در مطالعات بیلان آب و اساس برنامه‌ریزی‌های منابع طبیعی هر کشوری شناخته می‌شود. به­دلیل کمبود ایستگاه‌های باران‌سنجی و نقطه‌ای بودن این ایستگاه‌ها، استفاده از مدلی که علاوه بر مقادیر بارش ایستگاه‌ها از عوامل دیگری همچون توپوگرافی، رطوبت و جهت‌شیب، بارش را درون‌یابی کند، ضروری است. لذا در این پژوهش داده‌های بارش و رطوبت از 9 ایستگاه همدید و 31 ایستگاه باران‌سنجی استان لرستان به­مدت 12 سال آماری اخذ و با استفاده از روش کم­ترین مربعات روابط میان بارش با توپوگرافی و رطوبت به کمک نرم‌افزار Maple استخراج گردید؛ و سپس با اعمال این روابط در محیط GIS به­کمک زبان برنامه‌نویسی پایتون مدل رقومی بارش ایجاد شد. نتایج حاصل از این مدل حاکی از آن بود که میزان بارش از 02/0 تا 6/11 میلی‌متر با مقدار اندازه‌گیری‌شده در ایستگاه‌ها اختلاف دارد. هم­چنین برای سنجش کارایی این مدل، داده‌های بارش در سوم اردیبهشت رادار TRMM[1] را با خروجی این مدل در همین روز مقایسه شد و این نتیجه به­دست آمد که ضریب تعیین برای داده‌های رادار TRMM، 79 درصد و برای مدل رقومی بارش 86 درصد می‌باشد.



[1]- Tropical Rainfall Measuring Mission



 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Using the Least Squares Method for the Ggeneration of Digital Precipitation Model

نویسندگان [English]

  • MohammadHoseein Rezaei Moghaddam 1
  • Khalil Valizadeh Kamran 2
  • Mehdi Belvasi 3
  • Hoseein KheiriAstiyar 4
  • Sayad Asghari Saraskanroud 5

1 Group Geomorphology Tabriz University

2 Department of Remote Sensing and GIS University of Tabriz

3 Remote sensing and GIS University of Tabriz

4 Department of Applied Mathematics, University of Tabriz

5 Group geomorphology, Urmia University

چکیده [English]

One of the most important procedures in the water sources studies is
the estimation of the local distribution of precipitation in different
time scales. The study of precipitation is a basic element in the water
balance studies and is an important factor in the natural sources
programs of each country. Also, because of the rain-evaluation
stations deficiency and their discreteness, it is necessary to use a
special model. Besides the interpolation of precipitation amounts of
stations, this model should interpolate topography, moisture and the
slope direction of precipitation. In this work, at first, some data were
gathered, in one year. These data were connected with the
precipitation and moisture of 9 synoptic stations and 31 rainevaluation
stations. These stations were located in the Lorestan
province. Second, using the least square method and with the help of
Maple software, the relations between precipitation and moisture was
extracted. Third, by using the Python programming language, these
relations were linked into the GIS. Finally, by so doing, the digital
precipitation modal was achieved. The results obtained from the
digital precipitation model show that, the precipitation amounts are
different from the measured data in the stations, from 0.02 to 11.6
mm. Also, to investigate the efficiency of the considered model, the
data obtained from this model were compared with the precipitation
data achieved from TRMM radar at 21 April 2010. The concluded
result show that, the determination coefficients are 79 and 86% for the
TRMM data and for the digital precipitation model, respectively
 

کلیدواژه‌ها [English]

  • Precipitation Interpolate
  • Least squares method
  • Lorestan province
  • Digital Precipitation Model
ـ بابلیان، اسماعیل (1376)، «آنالیز عددی1»، انتشارات دانشگاه پیام نور، تهران.
ـ ترابی­آزاد، مسعود؛ سیه­سرانی، امیر؛ افتخاری، امیر (1389)، «آموزش جامع تحلیل‌گر زمین‌آمار»، انتشارات سازمان جغرافیایی نیروهای مسلح، تهران.
ـ ج‍ان‌ ف‍رون‍د، ران‍ل‍د وال‍پ‍ول‌ (1378)، «آمار ریاضی»، ت‍رج‍م‍ه‌: ع‍ل‍ی ع‍م‍ی‍دی و م‍ح‍م‍دق‍اس‍م وح‍ی‍دی‌اص‍ل‌، انتشارات مرکز ن‍ش‍ر دان‍ش‍گ‍اه‍ی‌‏، تهران.
ـ ج‍رج‌‌ب‍ی‌. ت‍وم‍اس‌، راس‌‌ال‌. ف‍ی‍ن‍ی ‌(1385)، «ح‍س‍اب‌ دی‍ف‍ران‍س‍ی‍ل‌ و ان‍ت‍گ‍رال‌ و ه‍ن‍دس‍ه‌ ت‍ح‍ل‍ی‍ل‍ی»‌، ت‍رج‍م‍ه‌ ع‍ل‍ی‌اک‍ب‍ر ع‍ال‍م‌زاده و داری‍وش‌ ب‍ه‍م‍ردی‌، نشر پژوهش، تهران.
ـ حجازی‌زاده، زهرا؛ علیجانی، بهلول؛ ضیاییان، پرویز؛ کریمی، مصطفی؛ رفعتی، سمیه (1391)، «ارزیابی بارش ماهواره‌ای 43B3 و مقایسه آن با مقادیر حاصل از تکنیگ درون‌یابی کریجینگ»، سنجش از دور و GIS ایران، سال چهارم، شماره 3، صص 64 -49.
ـ دین‌پژوه، یعقوب و همکاران (1382)، «انتخاب متغیرها به­منظور پهنه­بندی اقلیم بارش ایران با روش‌های چندمتغیره»، مجله علوم کشاورزی ایران، جلد34، شماره 4، صص809-823.
ـ رسولی، علی‌اکبر (1390)، «مقدمه‌ای بر هواشناسی و اقلیم‌شناسی ماهواره‌ای»، تبریز، انتشارات دانشگاه تبریز.
 ـ رسولی، علی‌اکبر و حاجی میررحیمی، سیدمحمود (1386)، «ارزیابی بارش‌های سیل‌آسا با استفاده از تصاویر ماهواره‌ای و رادار هواشناسی TRMM»، دومین همایش مقابله با سوانح طبیعی، تهران.
ـ قهرودی تالی، منیژه (1384)، «سیستم‌های اطلاعات جغرافیایی در محیط سه بعدی»، انتشارات جهاد دانشگاهی دانشگاه تریبت معلم، تهران.
ـ مهرشاهی، داریوش؛ خسروی، یونس (1389)، «ارزیابی روش­های میانیابی کریجینگ و رگرسیون خطی بر پایة مدل ارتفاعی رقومی جهت تعیین توزیع مکانی بارش سالانه (مطالعه موردی استان اصفهان)»، برنامه­ریزیوآمایشفضا، دوره چهاردهم، شماره 4، صص 249 -234.
ـ یاراحمدی، داریوش؛ عزیزی، قاسم (1386)، «تحلیل چندمتغیره ارتباط میزان بارش فصلی ایران و شاخص‌های اقلیمی»، پژوهش‌های جغرافیایی، شماره62، صص 161-174.
-Berndt, C., Rabiei, E., & Haberlandt, U. (2014), “Geostatistical merging of rain gauge and radar data for high temporal resolutions and various station density scenarios”, Journal of Hydrology, Vol.508, pp88-101.
-Christine, L., John, D., & Scott, V. (1998), “Mapping monthly precipitation, temperature and solar radiation for Ireland with polynomial regression and a digital elevation model”, Climate Research, Vol.10, pp35-49.
-Kummerow, C., & Coauthors (2000), “The Status of the Tropical Rainfall Measuring Mission (TRMM) after Two Years in Orbit”, J. Appl. Meteor, No. 39, pp1965–1982.
-Piazza, A.D., Loconti, F., Noto, L.V. & La Loggia, G. (2011), “Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily Italy”, International Journal of Applied Earth Observation and Geoinformation, Vol.13 No.3, pp396-408.
-Sarann, L., Catherine, C., & Aurore, D. (2013), “Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale”, Biotechnol Agron Soc Environ, Vol. 17, No. 2, pp 392-406.
-Sun, R., Zhang, B., Tan, J. (2008), “A Multivariate regression Model for predicting precipitation in the Daqing Mountain”, Research and Development, Vol. 28 No. 3/4, pp318-325.
-Tobler, W.R. (2009), “A computer movie simulating urban growth in the Detroit region. Source: Economic Geography”, Vol. 46, Supplement: Proceedings, International Geographical Union, Commission on Quantitative Methods, pp. 234-240 Published by: ClarkUniversity.
-Wait, R. (1997), “The Numerical Solution of Algebraic Equations”, John Willy & Sons Ltd.
-Wang, Y., Jones, W. L., Park, J. & J. Zec, (2001), “Quantitative Rain Rate Estimates over Oceans using Quick SCAT, Oceanology Americas”, NASA Oceanography Scientific Conference, April 3-4,  Miami, FL, pp 322-331. 
-Zhilin, L., Christopher Z., & Chris G., (2005), “Digital Terrain Modeling Principles and Methodology”, CRC Press, 324 pages Corporate Blvd, Boca Raton, Florida.