مدل‌سازی تغییرات مکانی – زمانی بارش به منظور استفاده در مدل‌های دینامیکی و توزیعی بارش – رواناب

هدف از پژوهش حاضر ارائه رویکردی برای مدل‌سازی تغییرات مکانی–زمانی بارش است که می‌تواند به عنوان ورودی مدل‌های بارش – رواناب مورد استفاده قرار گیرد. برای این منظور از داده‌های رگبار چهار ایستگاه پایش باران در حوزه آبخیز پسکوهک، واقع در 27 کیلومتری غرب شیراز، استفاده شد. پنج پارامتر ارتفاع از سطح دریا، درجه شیب، جهت شیب، طول و عرض جغرافیایی به عنوان عوامل موثر در تغییرات مکانی بارش انتخاب شد. ترکیبات مختلف این پنج پارامتر، با استفاده از آزمون گاما در نرم‌افزار wingammatm ، اولویت‌بندی شد. مدل‌سازی رگرسیونی و تعیین ضرایب عددی معادلات، با استفاده از الگوریتم بهینه‌سازی لونبرگ–مارکوارت در محیط matlab انجام شد. سپس با استفاده از معیارهای ارزیابی ضریب تعیین (r^2)، ریشه میانگین مربعات خطا (rmse) و دیاگرام تیلور(taylor diagram)، بهترین مدل انتخاب و نقشه رستری یک رگبار انتخابی در محیط arc gis ترسیم شد. در انتها با استفاده از رویکرد پیشنهادی استفاده از روش نسبت معادلات، مدل تغییرات مکانی–زمانی بارش نهایی شد. نتایج نشان داد که با استفاده از مدل غیرخطی درجه دو و پارامترهای ارتفاع از سطح دریا و عرض جغرافیایی، می‌توان با دقت بالایی، توزیع مکانی بارش را به صورت یک شبکه منظم پیکسلی (100 متر مربعی) بدست آورد (0.917 =.r^2 و 0.2277=rmse). با توجه به اینکه در رگبارهای مختلف حوزه‌های کوچک، نسبت تغییرات بارش هر پیکسل به پیکسل‌های دیگر (از جمله پیکسل ایستگاه پایش باران) تقریبا ثابت است، بنابراین با استفاده از رویکرد پیشنهادی در این پژوهش می‌توان تغییرات مکانی و زمانی هر رگبار را به صورت یک ماتریس سه بعدی در منطقه مدل‌سازی کرد.

modeling spatiotemporal changes in rainfall for use in dynamic and distributed rainfall-runoff models

aim: the aim of this study is to propose an approach for modeling spatiotemporal changes in rainfall that can be used as input for rainfall-runoff models.research method: to achieve this, rainfall data from four rain gauge stations in the paskouhak catchment were used. five parameters, including elevation, slope, aspect, longitude, and latitude, were identified. the different combinations of these five parameters were prioritized using the gamma test in wingammatm software. after the use of different regression models, the best model was selected based on evaluation criteria such as r2, rmse, and the taylor diagram. a raster map of a selected rainfall event was drawn in the arc gis environment. finally, using the proposed approach of relative equations, the spatiotemporal changes in rainfall were modeled.results: the results showed that using a second-degree nonlinear model and parameters of elevation and latitude, it is possible to accurately obtain the spatial distribution of rainfall in the form of a regular pixel grid (100 square meters) with high precision (r2=0.917 and rmse=0.2277).conclusion: in different rainfall events in small catchment areas, the variation in rainfall in each pixel is almost constant relative to other pixels, including the rain gauge station, the proposed approach in this study can model the spatiotemporal changes of each rainfall event as a three-dimensional matrix in the study area. the approach can be valuable in predicting potential flood events and in water resource management and planning. however, further research is required to validate the results and test the approach in other areas.