تحلیل دقت روش‌های پهنه‌بندی بارش بر پایه تکنیک‌های درون‌یابی مکانی در حوضه آبریز زاینده‌رود

در پژوهش حاضر، از داده های میانگین بارش ماهانه 27 ایستگاه سینوپتیک، کلیماتولوژی، باران سنجی و تبخیر سنجی واقع در حوضه زاینده‌رود و اطراف آن برای دوره آماری 2014-1970 استفاده شد. پیش از درون یابی، داده های مفقود در هر ایستگاه توسط روش نسبت نرمال بازسازی شد. همچنین برای کنترل کیفی از آزمون های دیکی فولر و شاپیرو ویلک به ترتیب برای بررسی مانایی و نرمال بودن استفاده شد. در ادامه این داده ها با شش روش درون یابی مکانی شامل روش های معکوس وزنی فاصله، همسایگی طبیعی، اسپلاین منظم، اسپلاین کششی، کریگیدن معمولی و کریگیدن عام پهنه بندی شدند و هر یک از روش ها توسط تکنیک اعتبار متقابل با شاخص های mae، mbe و rmse ارزیابی شدند. نتایج نشان داد از میان روش های درون یابی مکانی، روش همسایگی طبیعی با مقدار mae برابر 0.24 بهترین عملکرد را برای درون یابی بارش در میان تمامی روش ها در این منطقه داشته است. همچنین در بین روش های کریگیدن معمولی، کریگیدن عام، اسپلاین و معکوس وزنی فاصله به ترتیب کریگیدن نمایی با مقدار mae برابر 0.54، کریگیدن عام با روند درجه دوم با مقدار mae برابر 0.50، اسپلاین کششی با مقدار mae برابر 0.54 و معکوس وزنی فاصله با توان4 با مقدار mae برابر 0.57 از کمترین خطا نسبت به سایر روش های هم خانواده خود برخوردار بودند.

Accuracy Analysis of Precipitation Regionalization Methods Based on Spatial Interpolation Techniques in Zayandeh-Rud River Basin

In the present study, we used 27 precipitation average monthly data from synoptic, climatologic, rainguage and evaporative stations located in ZayandehRud river basin for the period of 19702014. Before interpolating, the missing data in the time series of each station was reconstructed by the normal ratio method. Also, for the data quality control, the DickeyFuller and ShapiroWilk tests were used to check the data stationarity and normality. Then, these data were interpolated by six interpolation methods including Inverse Distance Weighting, Natural Neighbor, Tension Spline, Regularized Spline, Ordinary Kriging and Universal Kriging; then each method was evaluated using the crossvalidation technique with MAE, MBE and RMSE indices. The results showed that among the spatial interpolation methods, Natural Neighbor method with MAE of 0.24 had the best performance for interpolating precipitation among all of the methods. Also, among Ordinary Kriging, Universal Kriging, Spline and Inverse Distance Weighting methods, respectively, Exponential Kriging with MAE 0.54, Quadratic Drift Kriging with MAE of 0.5, Tension Spline with the MAE of 0.54 and Inverse Distance Weighting with the power of 4 with MAE of 0.57 had the least error compared to other IDW methods.