ارزيابي روش هاي زمين آماري مبتني بر GIS در پهنهبندي مکاني ميانگين بارش ساﻻنه در استان بوشهر زهرا صفتی ، محمدرضا انصاری 1- دانشجوی کارشناسی ارشد دانشگاه کشاورزی و منابع طبیعی رامین خوزستان 2- عضو هیئت علمی دانشگاه کشاورزی و منابع طبیعی رامین خوزستان Email: [email protected] چکيده داده های مربوط به بارندگی در هر منطقه نقشی اساسی در بررسی مسایل آبشناسی و مطالعات منابع آبی دارند. در این میان مساله بررسی پراکنش مکانی بارش ها بایستی مورد مطالعه قرار گیرد. روش های درون یابی متنوعی وجود دارند که به کمک آنها می توان خطوط هم باران را استخراج کرد اما به دلیل ناکافی بودن آمار و داده های موجود و دقت پایین اندازه گیری ها، تخمین حاصله در برخی روش ها چندان رضایت بخش نیست. در این راستا داده های بارش 35 ایستگاه در سطح استان بوشهر و 4 ایستگاه در استان های مجاور آن، مورد استفاده قرار گرفتند.در این پژوهش از داده های آمار بارندگی ساﻻنه و روش های گوناگون درون یابی در نرم افزار Arc GIS ، استفاده شد وسپس توسط پارامترهای MAE ، MBE ، RMSS ، RMSE ، RMS روشهای مختلف ارزیابی شدند. در نهایت، با توجه به نتایج حاصل از این پژوهش، روش پهنه بندی کوکریجینگ )با فاکتور کمکی ارتفاع( با مدل گوسین جهت پهنه بندی بارش در سطح استان بوشهر تعیین و توصیه شد. کلمات کلیدی: GIS ، بوشهر، بارش، پهنه بندی - مقدمه یکی از مهم ترین عوامل مورداستفاده در مطالعات منابع طبیعی، مقدار متوسط بارش و اغلب متوسط منطقه ای بارش است. روش های مختلفی برای برآورد مقدار بارش وجود دارد که از جمله آنها می توان به روشهای زمین آماری اشاره نمود. روش های زمین آمار به دلیل در نظر گرفتن همبستگی و ساختار مکانی داده ها، از اهمیت زیادی برخوردار هستند. بارش در سطح هر منطقه ای به صورت نقطه ای اندازه گیری می شود. یکی از مشکﻻت مهم مطالعات منابع آب، برآورد منطقه ای بارندگی بر اساس مشاهدات نقطه ای می باشد، بدین منظور جهت تعمیم داده نقطه ای به کل منطقه و در هر نقطه ای، عملیات درون یابی بر روی نقاط اندازه گیری شده انجام می گیرد. درون یابی یکی از مهمترین روش هایی است که اقلیم شناسان در مطالعات پهنه بندی از آن بهره مند می شوند . به فرایند برآورد ارزشهای کمی، برای نقاط بدون داده، به کمک نقاط مجاور و معلوم، درون یابی می گویند. این فرایند به دلیل محدودیت دادههای نقطه ای و ضرورت تدوین نقشه از کل یک پهنه، بمنظور تهیه ی نقشه های هم ارزش )همباران، همدما و …) انجام میگیرد [4]. 1 درون یابی به معنای تبدیل داده های نقطه ای به داده های پهنه ای است( تسونگ، 4004 (. در تعیین ارزش یک نقطه تمامی نقاط مجاور و معلوم به گونه یکسان و همسان موﺛر نیستند . لﺬا، هر یک از نقاط یاد شده به تناسب تاﺛیرشان بر ارزش نقطهی مجهول ، حامل وزنی خواهند بود. روش های تعیین وزن های مرتبط با هر یک از نقاط سبب تکوین روش های گوناگونی در درون یابی شده است. ارکان اساسی در درون یابی عبارتند از: تعیین پیمونگاه )محدوده ای که متﻐیر مکانی در آن اندازه گیری شده و دارای ارزش معلوم می باشد( و تعیین شبکه که به معنی تشخیﺺ اندازه سلول بهینه برای سلول های نقشه است، به گونهای که کیفیت و توان تفکیک نقشه به بهترین شیوه نمود یابد. متاسفانه مهندسین و کارشناسان اغلب یک روش را به صورت تصادفی انتخاب کرده و برآورد مورد نظر را انجام می دهند که دقت تخمین آنها جای تامل است. البته با توجه به امکان استفاده از این روش ها در سیستم های اطﻻعات جﻐرافیایی )GIS( و استفاده روزافزون از این سیستم ها در امور مطالعاتی و تحقیقاتی، اهمیت انتخاب روش مناسب توسط سیستم استفاده کننده دو چندان می گردد. مرور تحقیقات پیشین نشان می دهد که روش های زمین آماری برای بررسی توزیع مکانی بارندگی و دما مورد استفاده قرارگرفته اند و در بیشتر موارد دارای دقت مناسبی بوده اند. با توجه به مطالب مطرح شده انتخاب روش میانیابی مناسب و دقیق برای برآورد بارش ضروری به نظر می رسد. اولیور، مک برانتی، دویستر و ترافل از پیشگامان استفاده کننده روش های زمین آماری محسوب می شوند. تابیوس )5893( روش کریجینگ را در توزیع بارش ساﻻنه در شمال ایالت کوئینتال آمریکا برای 48 ایستگاه باران سنجی مناسب تشخیﺺ دادند[13]. فیلیپس و همکاران )5884( برای برآورد بارندگی ساﻻنه در حوضه ویلمت در غرب ایالت اورگن از روشهای کریجینگ، کریجینگ رونددار )detrended kriging( و کوکریجینگ استفاده کردند و به این نتیجه رسیدند که در منطقه مورد مطالعه، روشهای کریجینگ رونددار وکوکریجینگ، در برابر روش کریجینگ معمولی مناسب تر هستند[11]. هوسی و همکاران )5884( برای برآورد بارندگی متوسط ساﻻنه در منطقهای کوهستانی واقع در جنوب نوادا و جنوب شرقی کالیفرنیا، از روش های عکس فاصله، کریجینگ، همبستگی خطی، همبستگی خطی لگاریتمی، متوسط همسایگی و کوکریجینگ استفاده کردند و به علت همبستگی بارندگی و ارتفاع در منطقه مورد مطالعه، روش کوکریجینگ را مناسب ترین روشتشخیﺺ دادند[8,9]. بال و ﻻك )5889( برای برآورد شدت بارندگی، در حومه غربی شهر سیدنی، روشهای تیسن )Thiessen(، عکس فاصله (inverse distance(، توابع اسپﻻین و چند جمله ای را با استفاده از سیستم اطﻻعات جﻐرافیایی بررسی کردند و روش اسپﻻین را دقیق ترین روش معرفی کردند[6]. ایگوزکویزا )5889( به منظور تخمین میانگین بارش حوضهی آبخیز رود گودال هورس در اسپانیای شمالی، از روش های کﻻسیک تیسن و کریجینگ معمولی )داده های بارش( و کوکریجینگ و کریجینگ همراه با روند)داده های بارش و ارتفاع( استفاده کرد. نتایج نشان دادند که کریجینگ همراه با روند به نتیجه مناسب تری میرسد[10]. دیرکس و همکاران)5889( برای برآورد متوسط بارندگی در جزیره نورفولک استرالیا، چهار روش کریجینگ، عکس فاصله، تیسن و میانگین ایستگاهها را مورد مقایسه قرار دادند. بر اساس نتایج این محققین، روش عکس فاصله و کریجینگ به ترتیب مناسب ترین و ضعیف ترین روش بودند[7]. پونیاوردنا و کوﻻسیری )5888( مطالعاتی را در زمینه برآورد بارندگی در نواحی خشک سریﻻنکا صورت دادند و مدل پیوستگی مکانی بارندگی در این مطالعه را از نوع نمایی به دست آوردند. آنها با بررسی و مقایسه روش های عکس فاصله و 2 میانگین ایستگاهها با مدل نمایی، اﻇهار داشتند که در منطقه مورد مطالعه، مدل نمایی مزیتی بر روشهای ساده استفاده شده ندارد[12]. در ارتباط با تهیه نقشه های مکانی بارش و خشکسالی در ایران، قهرودی تالی ) 5595( به ارزیابی درون یابی به روش کریجینگ و وزن دهی عکس فاصله در استان کرمان پرداخت. نتایج نشان داد که کریجینگ وابستگی زیادی به تعداد نقطه نمونه برداری و فاصله آنها از یکدیگر دارد[5]. ﺛقفیان و رحیمی بندر آبادی )5594( قابلیت چند روش درون یابی از جمله میانگین متحرك وزنی و کریجینگ را برای برآورد توزیع مکانی بارندگی ماهانه و ساﻻنه جنوب غربی ایران را بررسی کرد . نتایج نشان داد که روش کریجینگ تﻐییرات مکانی بارندگی در منطقه را بهتر نشان داده و با توپوگرافی منطقه هماهنگی بیشتری دارد [1]. محمدی و همکاران)5591( سه روش کریجینگ ساده، معمولی و یونیورسال و توابع شعاعی را برای تخمین توزیع بارندگی ساﻻنه در استان همدان، مورد بررسی قرار دادند. نتایج به دست آمده نشان داد که روش کریجینگ ساده، باﻻترین دقت را داشته است. شقاقی و همکاران)5593( به ارزیابی تﻐییرات منطقه ای بارش ماهانه و ساﻻنه ی حوضه ی کارون با کاربرد روش های زمین آمار پرداخته، با استفاده از داده های28 ایستگاه هواشناسی با دوره ی آماری 28 ساله روش های کریجینگ، کوکریجینگ با متﻐیر کمکی ارتفاع و وزن دهی عکس فاصله با توانهای 1 تا 4 مورد بررسی قرار گرفت .نتایج نشان داد که برای برآورد بارندگی ماهانه و ساﻻنه روش کریجینگ تخمین بهتری به عمل آورد [3]. عساکره )5591( به کاربرد روش کریجینگ در درون یابی بارش برای تهیهی نقشه ی هم باران کشور پرداخت. در این پژوهش 55 شبیه زمین آماری با سه فرض نبود روند در داده ها، وجود روند خطی و روند درجهی دو بررسی شد و کریجینگ خطی به عنوان روش بهینه انتخاب گردید[4]. با جمع بندی مطالب می توان گفت که روش مناسب برای میان یابی و برآورد یک متﻐیر، به نوع متﻐیر و عوامل منطقهای تﺄﺛیرگﺬار بر آن بستگی دارد و نمی توان روش منتخب در یک منطقه را به سایر مناطق تعمیم داد. - روش تحقيق محدوده تحقیق: استان بوشهر با مساحتی حدود 416.35 کیلومتر مربّع بین 41درجه و 58دقیقه تا 50درجه و .5دقیقه عرض شمالی و 30 درجه و 5دقیقه تا 34 درجه و 38 دقیقه طول شرقی از نصف النهار گرینویچ قرار دارد. این استان از شمال به قسمتی از استان خوزستان و استان کهگیلویه و بویراحمد، از شرق به استان فارس، از جنوب و غرب به خلیج فارس و از جنوب شرق به قسمتی از استان هرمزگان محدود است. استان بوشهر با خلیج فارس بیش از 101 کیلومتر مرز دریایی دارد)شکل 5(. 3 شکل 1- محدوده تحقیق و موقعیت استان بوشهر در ایران داده ها بصورت خام از اداره ی کل هواشناسی بوشهر گرفته شد. در نهایت 35 ایستگاه با بازهی زمانی 8 ساله انتخاب شدند)5594-.551(. البته برای باﻻ بردن دقت کار و تهیه ی یک نقشه ی دقیق تر، 4 ایستگاه از استان های هم مرز با استان بوشهر نیز انتخاب شده بودند. این امر باعﺚ می شود که در مرز حوضه برونیابی انجام نگیرد و خطا در محدوده حوضه افـزایش نیابـد.)جدول 5()شکل4 و 5( جدول1- مشخصات ایستگاه های مورد بررسی در استان بوشهر و استان های هم مرز Stations shahrestan X Y min.Rain ELEVATION Lg(Elevation) Shabankareh borazjan 500000 3260059 300 45 1/653212514 Ahram tangestan 526328 3194721 274/6 55 1/740362689 Anarestan jam 605179 3100987 343/144444 602 2/779596491 bandar kangan kangan 605373 3078830 245/444444 56 1/748188027 Benion tangestan 541970 3183688 317/677778 256 2/408239965 Bido deylam 432574 3333397 284/855556 157 2/195899652 borazjan eghlim borazjan 521372 3237920 323/866667 280 2/447158031 Bushehr bushehr 483434 3202458 336/877778 1 0 Bushkan borazjan 568292 3189352 303/033333 550 2/740362689 Chakutah bushehr 514603 3213534 280/722222 42 1/62324929 Daier dayyer 591585 3078718 232/2 45 1/653212514 Dehdaran borazjan 487399 3263390 303/611111 63 1/799340549 Dehroud borazjan 561345 3211473 365/077778 787 2/895974732 domeigez shomaly dayyer 566965 3078556 217/922222 20 1/301029996 faqih hasanan dashti 529365 3150413 256/511111 70 1/84509804 Faryab borazjan 545822 3196997 330/566667 400 2/602059991 gawsafid bozorg genaveh 470944 3272285 284/944444 66 1/819543936 rah genaveh genaveh 453506 3271236 284/222222 5 0/698970004 goorak sadat bushehr 506823 3199124 296/555556 40 1/602059991 4 Hanashour dashti 590097 3145182 310/388889 521 2/716837723 Hosseinzaery dashti 546984 3150470 250/277778 40 1/602059991 Jam jam 635917 3078027 335/155556 674 2/828659897 Kaky dashti 550971 3133869 233/7 100 2 kharg baransanji bushehr 434912 3238086 300/944444 0 0 Khormooj dashti 537130 3171115 245/733333 55 1/740362689 kordevan sofla dashti 539267 3116099 263/044444 18 1/255272505 Kordolan dashti 578477 3125156 264/777778 228 2/357934847 Korehband bushehr 492228 3237902 294/433333 10 1 lavar sharqi® dashti 555731 3163803 285/6 215 2/33243846 mozafary shomaly deylam 439250 3321169 316/144444