بررسی روش‌های مختلف بازسازی بارش روزانه

یکی از مشکلات متخصصان و طراحان، سری‌های زمانی ناقص در مطالعات هیدرولوژی است که باعث ایجاد خطا در نتایج شده و اجرای پروژه‌ها را دچار مشکل می‌کند. این مسئله در مناطقی که تعداد ایستگاه‌های باران‌سنجی محدود است، حادتر است. در حال حاضر استفاده از روش‌های آماری به‌منظور رفع خلاهای آماری داده‌ها متداول است. پژوهش حاضر با هدف ارزیابی عملکرد روش بازسازی مقادیر گم‌شده بارندگی روزانه با استفاده از بسته waterdata در نرم‌افزار r و روش شکننده زمانی مقادیر بازسازی‌شده سالانه به مقادیر روزانه در بازه زمانی 1990 تا 2020 با استفاده از 43 ایستگاه دارای آمار کامل در بین 87 ایستگاه سینوپتیک منتخب واقع در ایران انجام شد. براساس مقادیر میانگین شاخص‌های ارزیابی برای دو روش شکننده زمانی و بازسازی با استفاده از بسته waterdata در نرم‌افزار r، برای شاخص cc به‌ترتیب 1 و 0.95، برای شاخص mbe به‌ترتیب صفر و 0.01-، برای شاخص rmse به‌ترتیب 0.3 و 1.1، برای شاخص nse به‌ترتیب 0.99 و 0.89 و برای شاخص csi و pod به‌ترتیب 0.94 و 0.63 است که عملکرد بهتر روش شکننده زمانی را نشان داده‌ است. مقادیر میانگین شاخص bias و far برای دو روش به‌ترتیب برابر 0.01- و صفر بوده و نشان‌دهنده عملکرد مشابه دو روش است.

examining different methods of daily rainfall reconstruction

one of the problems of specialists and designers is the incomplete time series in hydrology studies, which causes errors in the results and complicates the implementation of projects. this issue is more acute in areas where the number of rain gauge stations is limited. currently, it is common to use statistical methods in order to solve statistical data gaps. the current research aims to evaluate the performance of the method of reconstructing missing values ​​of daily rainfall using the waterdata package in r software and the time disaggregation method of reconstructing annual values ​​to daily values ​​in the period from 1990 to 2020 using 43 stations with complete statistics among 87 selected synoptic stations. it was done in iran. based on the average values ​​of the evaluation indices for two times disaggregation and reconstruction using the waterdata package in r software methods, for the cc index 1 and 0.95 respectively, for the mbe index 0 and -0.01 respectively, for the rmse index 0.3 and 1.1 respectively, for the nse index is 0.99 and 0.89, respectively, and the csi and pod index are 0.94 and 0.63, respectively, which shows the better performance of the time disaggregation method. the average values ​​of bias and far index for two methods are equal to -0.01 and 0, respectively, and indicate the similar performance of the two methods.