مقایسه درون یابی روش­های کریجینگ با روش گرادیانی جهت تخمین بارش استان مازندران

از مهم­ترین روش­های درون یابی روش­های کریجینگ می­باشد که کاربرد بسیار گسترده­ای داررد. به همین جهت در این پژوهش از روش­های مختلف کریجینگ، شامل کریجینگ معمولی، کوکریجینگ و رگسیون کریجینگ استفاده گردید، همچنین با توجه به توپوگرافی پیچیده استان، استفاده از پارامتر کمکی می­تواند به تخیمن مناسب­ بارش استان کمک شایانی ­کند، به همین جهت از روش گرادیان خط سه بعدی نیز در این پژوهش استفاده شد. در تحلیل واریوگرافی داده های بارندگی، پنج مدل نیم تغییر نما بر داده ها برازش شد. ارزیابی روش ها بر اساس میانگین خطای مربعات و میانگین خطا اریب انجام گرفت. نتایج تحلیل واریوگرافی نشان داد مدل های کروی و نمایی به عنوان بهترین مدل نظری نیم تغییر نما هستند. تحلیل نتایج نشان داد که روش های منتخب به کاربرده شده دارای خطای بیش برآوردی برای ارتفاعات بالاتر از 1000 متر استان مازندران هستند اما در کل دارای خطای کم برآردی می باشند. با مقایسه روش های درون یابی مورد بررسی روش گرادیان خطی سه بعدی، به عنوان مناسب ترین روش درون یابی داده های بارندگی ماهانه و سالانه تشخیص داده شد. همچنین با روش های مختلف، نقشه هم بارش سالانه استان ترسیم شد که نشان داد بارش ایستگاه های نزدیک به سواحل غربی نسبت به ارتفاعات غرب استان بیشتر است و هرچه به شرق استان پیش روی میکنیم از حجم بارش کاسته می شود. به علاوه نتایج پژوهش نشان داد روش هایی که از متغییر ارتفاع به عنوان متغییر کمکی استفاده می کنند، نسبت به روش های دیگر از دقت بالاتری برخوردارند.

Comparison of interpolation of kriging methods with gradient method to estimate precipitation in Mazandaran province

One of the most important interpolation methods is kriging methods which have a very wide application. Therefore, in this study, different kriging methods were used, including conventional kriging, cokriging and kriging regression. Also, due to the complex topography of the province, the use of auxiliary parameter can help to estimate the proper rainfall of the province. Therefore, the three-dimensional line gradient method was used in this study. In the bariographic analysis of rainfall data, five half-faceted models were fitted to the data. Methods were evaluated based on mean square error and mean oblique error. The results of variographic analysis showed that spherical and exponential models are the best theoretical models of semi-exponential. The analysis of the results showed that the selected methods have an overestimation error for altitudes above 1000 meters in Mazandaran province, but in general they have a low estimation error. By comparing the interpolation methods studied, the three-dimensional linear gradient method was identified as the most appropriate method for interpolation of monthly and annual rainfall data. Also, with different methods, the annual rainfall map of the province was drawn, which showed that the rainfall of stations near the west coast is more than the heights of the west of the province, and as we move east to the east of the province, the amount of rainfall decreases. In addition, the results showed that the methods that use the height variable as an auxiliary variable, have higher accuracy than other methods.