تحلیل توزیع مکانی آب معادل برف در حوضه‌های آذربایجان غربی

بخش قابل توجهی از بارش نواحی بالادست حوضه‏های آبریز استان آذربایجان غربی به‌ویژه در ماه‏های سرد سال به صورت برف است. تحلیل داده‏های این منابع برای مدیریت بهینۀ سدهای مخزنی منطقه به‌خصوص در فصل بهار که موسم ذوب برف حوضه‏های مربوطه است، بسیار حائز اهمیت است. در روش‏های سنتی متداول برای برآورد آب معادل ذخیرۀ برفی از رابطۀ گرادیان ارتفاعی (رابطۀ رگرسیون خطی بین آب معادل برف با ارتفاع نقاط برف‏سنجی از سطح آب‏های آزاد) استفاده می‏شود، که گاهی به ‏دلیل عدم برازش مناسب، برخی نقاط از محاسبات حذف می‏شوند. در این مطالعه برای داده‏های 65 ایستگاه برف‏سنجی در ماه‏های برفی سال آبی 1399 1400 به جای رابطۀ گرادیان ارتفاعی، از رگرسیون خطی چهارمتغیرۀ آب معادل با ارتفاع، طول و عرض جغرافیایی (در سیستم مختصات utm) استفاده شده است که باعث بهبود مشخصات رگرسیون (افزایش حدود 3 برابری a.r.s یعنی مربع ضریب همبستگی تعدیل‌شده یا همان ضریب تعیین و کاهش حدود 10 هزار برابری سطح معنا‏داری یعنی آلفای ضریب همبستگی) شد. همچنین به منظور بررسی بیشتر، از شبیه‏سازی روابط با شبکۀ عصبی مصنوعی (پرسپترون سه‌لایه با 3، 8 و 1 نرون در لایه‏های ورودی، میانی و خروجی) استفاده شد؛ طوری که ضریب همبستگی داده‏های برآوردی با مشاهداتی موجود برای مدل شبکۀ عصبی مصنوعی منتخب 0.97 به دست آمد.

analysis of the spatial distribution of snow water equivalent in the watersheds of west azerbaijan

a significant part of the precipitation in the upstream areas of the watersheds of west azerbaijan province is in the form of snow, especially in the cold months of the year. analyzing the data of these sources is very important for the optimal management of reservoir dams in the region, especially in spring, which is the season of snow melting in the respective basins. in common traditional methods for estimating water equivalent of snow storage, the height gradient relationship (linear regression relationship between water equivalent of snow and the height of snow measuring points from the surface of the oceans) is used, which sometimes due to lack of proper fit, some points are removed from the calculations. in this study, for the data of 65 snow measuring stations in snowy months of the water year 2020-2021, instead of the relation of altitude gradient, the four-variable regression of water equivalent to altitude, longitude and latitude (in the utm coordinate system) was used. it improved the regression characteristics (an increase of more than 3 times the a.r.s., i.e. the square of the adjusted correlation coefficient, or the coefficient of determination, and a decrease of more than 10,000 times the significance level, i.e. the alpha of the correlation coefficient). also, in order to further investigate, the simulation of relationships with artificial neural networks (selected network: three-layer perceptron with 3, 8 and 1 neurons in the input, middle and output layers) was used; so that the correlation coefficient of the estimated data with the available observations for the selected artificial neural network model was 0.97.