Journal of Rainwater Catchment Systems

fa توسعه مدل ترکیبی در تهیه نقشه همباران کشور Development of a hybrid model for generating a precipitation map of Iran تخصصي Special پژوهشي Research بارش یکی از مهم‌ترین مؤلفه‌های چرخه هیدرولوژیکی و از اصلی‌ترین عوامل مؤثر بر مدیریت منابع آب، برنامه‌ریزی‌های محیطی و مطالعات اقلیمی است. از این‌رو، تهیه نقشه‌های همباران دقیق و به‌روز در مقیاس ملی از اهمیت ویژه‌ای برخوردار است. هدف این پژوهش، دستیابی به روش ترکیبی مناسب برای تهیه نقشه جدید همباران ایران با استفاده از داده‌های بلندمدت است. بدین منظور، داده‌های بارش 1275 ایستگاه منتخب باران‌سنجی، تبخیرسنجی وزارت نیرو و ایستگاه‌های سینوپتیک سازمان هواشناسی در دوره آماری 1367 تا 1396 گردآوری، کنترل کیفیت و بازسازی شدند. سپس میانگین بلندمدت بارندگی سالانه هر ایستگاه محاسبه و به‌عنوان داده ورودی مدل‌های درون‌یابی برای تهیه نقشه همباران سالانه ایران مورد استفاده قرار گرفت. پس از بررسی نرمال بودن داده‌ها و اعمال تبدیل باکس-کاکس، عملکرد روش‌های وزن‌دهی معکوس فاصله، کریجینگ معمولی، کریجینگ ساده، کوکریجینگ معمولی و کوکریجینگ ساده با مدل‌های مختلف واریوگرام شامل کروی، نمایی و گوسی ارزیابی شد. هم‌چنین چندین مدل ترکیبی بر پایه مدل‌های برتر توسعه یافت. در ادامه، به‌منظور بهره‌گیری هم‌زمان از توانایی روش‌های مختلف در نمایش تغییرات محلی و مدل‌سازی ساختار همبستگی فضایی، چندین مدل ترکیبی از طریق تلفیق خطی خروجی مدل‌های برتر درون‌یابی توسعه یافته و مورد ارزیابی قرار گرفتند. عملکرد روش‌های مختلف با استفاده از R2، MAE، MBE و NRMSE ارزیابی شد. نتایج نشان داد، در میان مدل‌های منفرد، کریجینگ معمولی با واریوگرام کروی بهترین عملکرد را داشته و با R2 95/0، MAE 57 میلی‌متر و NRMSE 20 درصد، به‌عنوان دقیق‌ترین روش منفرد شناخته شد. روش وزن‌دهی معکوس فاصله با توان 5/2 نیز پس از این مدل، در رتبه دوم قرار گرفت. در ادامه، با تلفیق خروجی مدل‌های برتر، چندین مدل ترکیبی توسعه یافت که موجب بهبود چشم‌گیر دقت برآوردها شد. مدل ترکیبی کریجینگ معمولی–کروی و وزن‌دهی معکوس فاصله با توان 5/2 با  R2999/0، MAE 3 میلی‌متر و NRMSE 2/1 درصد، بهترین عملکرد را به‌دست آورد. هم‌چنین، تحلیل توزیع فضایی خطای نسبی نشان داد که حدود 99 درصد از مساحت کشور در این مدل دارای خطایی کم‌تر از 10 درصد است، درحالی‌که این مقدار برای بهترین مدل منفرد 16 درصد برآورد شد. Precipitation is one of the most important components of the hydrological cycle. Therefore, the development of accurate and up-to-date precipitation map at the national scale is of great importance. The aim of this study was to develop an appropriate hybrid approach for generating a new national-scale precipitation map using long-term precipitation data. For this purpose, precipitation data from 1,275 selected rain gauge were collected, quality-controlled, and reconstructed for the period 1988–2017. The long-term annual average precipitation of each station was then calculated and used as input data for interpolation models to generate the annual precipitation map of Iran. After assessing data normality and applying the Box–Cox transformation, the performance of inverse distance weighting and geostatistical methods using different variogram models, was evaluated. Subsequently, several hybrid models were developed based on the best-performing individual models. To simultaneously exploit the capability of different approaches in representing local variations and modeling spatial dependence structures, hybrid models were developed through linear combination of the outputs of the selected interpolation methods and subsequently evaluated. The performance of the investigated methods was assessed using the correlation coefficient, mean absolute error, mean bias error, and normalized root mean square error. The results indicated that among the individual models, ordinary kriging with the spherical variogram provided the best performance, achieving a correlation coefficient of 0.951, an MAE of 57.2 mm, and an NRMSE of 20.4%, and was identified as the most accurate single interpolation method. The IDW method with a power of 2.5 ranked second after the ordinary kriging model. Furthermore, combining the outputs of the best-performing models resulted in several hybrid models that substantially improved the accuracy of precipitation estimation. Among these models, the hybrid ordinary kriging and IDW (power=2.5) model achieved the highest accuracy, with an R=0.999, an MAE of 2.98 mm, and an NRMSE of 1.23%, outperforming all other investigated models. In addition, the spatial distribution analysis of relative errors showed that approximately 98.9% of Iran’s area had an error lower than 10% using the proposed hybrid model, whereas this proportion was only 15.7% for the best individual model. هم‌باران, زمین‌آمار, کریجینگ, کوکریجینگ, مدل ترکیبی, درون‌یابی مکانی, ایران. precipitation map, Geostatistics, Ordinary Kriging, Co-kriging, Hybrid Model, Spatial Interpolation, Iran. 0 0 http://jircsa.ir/browse.php?a_code=A-10-388-2&slc_lang=fa&sid=1 Kazem Saber Chenari کاظم صابرچناری k.saberchenari@areeo.ac.ir 10031947532846006547 10031947532846006547 No 1. Assistant Professor, Department of River Engineering, Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization, Tehran, Iran استادیار، گروه هیدرولوژی و توسعه منابع آب، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاوزری، تهران، ایران. Kazem Saber Chenari باقر قرمزچشمه baghergh@gmail.com 10031947532846006548 10031947532846006548 Yes Associate Professor, Department of Hydrology and Water Resources Development, Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization, Tehran, Iran دانشیار، گروه هیدرولوژی و توسعه منابع آب، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاوزری، تهران، ایران.