طراحی شبکه پایش ایستگاه‌های باران‌سنجی با استفاده از تئوری بی‌نظمی (مطالعه موردی: حوضه دریاچه ارومیه)

طراحی سامانه های پایش کیفی و کمی منابع آب همواره به عنوان یکی از موضوعات پیچیده در زمینه منابع آب و محیط زیست مطرح بوده است. طراحی این سامانه‌ها برای دستیابی به اطلاعات پایه کمی و کیفی صورت می‌گیرد، در حالی که فرآیند طراحی خود نیازمند این اطلاعات پایه است. منطقه مورد مطالعه در این تحقیق حوضه آبریز دریاچه ارومیه واقع در شمال غرب کشور می‌باشد. آنتروپی در لغت به معنای بی‌نظمی است. در این تحقیق از تئوری آنتروپی جهت پایش شبکه باران‌سنجی در دوره آماری 2011-1984 استفاده شده است. هم‌چنین جهت بررسی روند تغییرات پارامترهای مورد بررسی از آزمون من – کندال اصلاح شده استفاده گردید. نتایج حاصل از بررسی روند تغییرات مقادیر بارش سالانه حوضه دریاچه ارومیه نشان داد که تغییرات مقادیر بارش در این حوضه در طی دوره آماری مورد بررسی در مقیاس سالانه کاهشی بوده است. جهت بررسی و پایش شبکه باران‌سنجی با استفاده از تئوری بی‌نظمی از روش رگرسیون بردار پشتیبان جهت تخمین مقادیر بارش استفاده شد. نتایج بررسی مقادیر شاخص آنتروپی در سطح آبخوان نشان داد که تنها 1.4 درصد سطح حوضه مورد بررسی دچار کمبود شدید اطلاعات می‌باشد که احداث ایستگاه جدید در این منطقه را طلب می‌کند. اما از آنجایی که بیش از 90 درصد سطح حوضه از نظر انتقال اطلاعات در شرایط مازاد و نسبتا مازاد قرار دارد، لذا منطقه مورد مطالعه از پایش نسبتا خوبی برخوردار می‌باشد. به‌طور کلی نتایج بیانگر بالا بودن دقت روش بهینه شده رگرسیون بردار پشتیبان در برآورد مقادیر بارش سالانه ایستگاه‌های باران‌سنجی موجود در حوضه دریاچه ارومیه بود. نتایج رتبه‌بندی ایستگاه‌های موجود در منطقه مورد مطالعه نشان داد که ایستگاههای ژارآباد، باداملو و اوربان رتبه‌های 1 تا 3 را دریافت کردند که نشان دهنده انتقال و دریافت اطلاعات بیشتر نسبت به سایر ایستگاه‌ها است.

Designing Monitoring Network for Rain Gauge Stations Using Irregularity Theory (Case Study: Urmia Lake Basin)

Designing of water quantity and quality monitoring system has been raised as one of the most complex issues in the field of water resources and the environment. Designing of these systems used to achieve qualitative and quantitative information, while their design process requires basic information. The study area in this research is Urmia Lake basin that located in the North West of Iran. Entropy literally means disorder. In this study used entropy theory to rain gaging monitoring in period of 19842011. Also The modified Mann Kendal test was used to study the trend of the studied parameters The results of the study of the trend of precipitation values of Urmia Lake basin at annual scale showed that rainfall changes in this basin have been decreasing in the annual scale. In order to study and monitoring the rain gauge network using Entropy theory, two methods of support vector regression and kriging were used to estimate precipitation values. Results indicated that the accuracy of the regression model was higher than the Kriging model. The results of the evaluation of the entropy index at the aquifer showed that only 1.4% of the studied basin had a severe shortage of information that required the construction of a new station in the area. However, since more than 90 percent of the basin area is in terms of data transmission in excess and relatively excessive condition, the study area is relatively good at its monitoring. In general, the results indicated that the accuracy of the optimized method of support vector regression was used to estimate the annual rainfall in the Urmia Lake basin. The results of the stations’ ranking in the study area showed that the stations of Jharabad, Badamlou and Orban received ratings ranging from 1 to 3, which indicates the transfer and reception of more information than other stations.