رویکرد نوآورانه برآورد داده های گمشده بارش ماهانه در حوضه آبریز بلوچستان جنوبی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

2 دانشجوی کارشناسی ارشد، گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، ایران

3 استاد، گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، ایران

4 استادیار، گروه آمار، دانشکده ریاضی،آمار و علوم کامپیوتر، دانشگاه سیستان و بلوچستان،، ایران.

10.22125/iwe.2023.422204.1761

چکیده

بارش یک پارامتر مرتبط با اقلیم بوده و تحقیقات در مورد آن به دلیل عدم وجود داده‌های مداوم با مشکل مواجه است. برنامه‌ریزی و مدیریت دقیق منابع آب به وجود داده‌های مداوم و دقیق بارش در ایستگاه‌های هواشناسی بستگی دارد. وجود مقادیر از دست‌رفته می‌تواند منجر به نتایج مغرضانه شود و ممکن است موانعی در تجزیه و تحلیل ایجاد کند. از این رو، تخمین داده‌های از دست‌رفته بارندگی به منظور به دست آوردن نتایج قابل اعتمادتر مهم است. روش‌های انتساب مختلفی توسط محققان برای تخمین مقادیر گمشده در داده‌های بارندگی روزانه و ماهانه پیشنهاد و توسعه داده شده است. تکنیک‌های درون‌یابی فضایی مانند روش‌های نسبت نرمال و معکوس فاصله برای تخمین داده‌های گمشده بارندگی در یک ایستگاه خاص بر اساس مقادیر بارندگی موجود ثبت شده در ایستگاه‌های مجاور استفاده می‌شوند. این تکنیک‌ها در مواردی که ایستگاه‌های همسایه بسیار نزدیک و همبستگی بالایی با ایستگاه‌های هدف دارند، بسیار مفید هستند. در این مطالعه، اصلاحات و بهبودهای متعددی بر روی این روش‌ها صورت گرفته تا با استفاده از اطلاعات ایستگاه‌های مجاور، مقادیر بارندگی گمشده در ایستگاه‌های مورد نظر برآورد گردد. این روش‌ها با درصدهای مختلف مقادیر گمشده بارندگی و همچنین با بُرد 75 تا 150 کیلومتر در حوضه آبریز بلوچستان جنوبی آزمایش شده‌اند. نتایج نشان می‌دهد که عملکرد این روش‌های اصلاح شده در برآورد مقادیر گمشده بارندگی در ایستگاه هدف بر اساس شاخص شباهت (S-index)، میانگین خطای مطلق(MAE) و ضریب همبستگی (R) بهبود یافته است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

An Innovative Approach For Estimating Missing Monthly Rainfall Data in the Southern Balochestan Basin

نویسندگان [English]

  • Hamid Nazaripour 1
  • Khorshid Karim 2
  • Mahmood Khosravi 3
  • Seyed Mahdi Amir Jahanshahi 4
1 Department of Physical Geography, University of Sistan and Baluchestan, Zahedan, Iran.
2 Master's student, Department of physical Geography, Faculty of Geography and Environmental Planning, University of Sistan and Baluchestan, Iran
3 Professor, Department of physical Geography, Faculty of Geography and Environmental Planning, University of Sistan and Baluchestan, Iran
4 Assistant Professor, Department of Statistics, Faculty of Mathematics, Statistics and Computer Science, University of Sistan and Baluchestan, Iran
چکیده [English]

Precipitation is a parameter related to climate and research on it is facing problems due to the lack of continuous data. Accurate planning and management of water resources depends on the availability of continuous and accurate precipitation data at meteorological stations. Hence, estimation of missing rainfall data is important in order to obtain more reliable results. Various imputation methods have been proposed and developed by researchers to estimate missing values in daily and monthly rainfall data. In most situations, spatial interpolation techniques such as normal ratio and inverse distance methods are used for estimating missing rainfall values at a particular target station based on the available rainfall values recorded at the neighboring stations. Moreover, these two methods are found to be very useful in the case where the neighboring stations are very close and highly correlated with the target stations. In this study, several modifications and improvements have been proposed to these methods in order to estimate the missing rainfall values at the target station using the information from the nearby stations. The methods have been tested with different percentages of missing rainfall values and also with a radius range of 75 km to 150 km in the catchment area of South Balochestan. The result indicate that the performance of these modified methods improved the estimation of missing rainfall values at the target station based on the similarity index (S-index), mean absolute error (MAE) and coefficient of correlation (R).

کلیدواژه‌ها [English]

  • missing rainfall data
  • spatial interpolation
  • inverse distance
  • normal ratio
  • similarity index
نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 04 دی 1402

فایل ها

هم رسانی

ارجاع به این مقاله

آمار