‫ارزﻳﺎﺑﻲ ﻣﺪﻟﻬﺎي زﻣﻴﻦ آﻣﺎري در ‪ GIS‬ﺑﺮاي ﺗﻬﻴﻪ ﻧﻘﺸﻪ‬

‫ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران در ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن‬

‫ﺳﺎرا ﺷﺶ اﻧﮕﺸﺖ ‪ -‬داﻧﺸﺠﻮي ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ ‪GIS‬‬

‫ﻋﺒﺎس ﻋﻠﻴﻤﺤﻤﺪي‪ -‬ﻋﻀﻮ ﻫﻴﺖ ﻋﻠﻤﻲ ﮔﺮوه ‪GIS‬‬
‫داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ ﺧﻮاﺟﻪ ﻧﺼﻴﺮ اﻟﺪﻳﻦ ﻃﻮﺳﻲ‪ ،‬ﺧﻴﺎﺑﺎن وﻟﻴﻌﺼﺮ‪ ،‬ﺗﻘﺎﻃﻊ ﻣﻴﺮداﻣﺎد‚داﻧﺸﻜﺪه ﻧﻘﺸﻪﺑﺮداري‬
‫ﺗﻠﻔﻦ‪ 8779473-5 :‬دورﻧﮕﺎر‪8779476 :‬‬
‫‪Sara_sh@yahoo.com‬‬
‫ﻣﺤﻤﺪ ﺟﻌﻔﺮ ﺳﻠﻄﺎﻧﻲ ‪ -‬ﻋﻀﻮ ﻫﻴﺖ ﻋﻠﻤﻲ ﭘﮋوﻫﺸﻜﺪه ﺣﻔﺎﻇﺖ ﺧﺎك و آﺑﺨﻴﺰداري‬
‫ﺗﻬﺮان_ﺻﻨﺪوق ﭘﺴﺘﻲ ‪1345 -1136‬‬
‫‪soltani@scwmri.ac.ir‬‬

‫ﭼﻜﻴﺪه ‪:‬‬

‫اﻟﮕﻮرﻳﺘﻤﻬﺎي دروﻧﻴﺎﺑﻲ از ﻣﺘﺪاوﻟﺘﺮﻳﻦ روﺷﻬﺎ ﺑﺮاي ﺗﻬﻴﻪ ﻧﻘﺸﻪ ﻫﺎ و اﻃﻼﻋﺎت ﻣﻮرد ﻧﻴـﺎز در ﺗﺤﻠﻴـﻞ ﺑـﺎ ‪ GIS‬ﻣﻴﺒﺎﺷـﻨﺪ‪.‬‬
‫دﻗﺖ ﻧﻘﺸﻪ ﻫﺎي ﺗﻬﻴﻪ ﺷﺪه از ﻃﺮﻳﻖ درون ﻳـﺎﺑﻲ ﻧﻘـﺶ ﺑـﺴﻴﺎر ﻣﻬﻤـﻲ در ﻛﻴﻔﻴـﺖ ﻧﺘـﺎﻳﺞ ﺣﺎﺻـﻠﻪ دارد‪ .‬داده ﻫـﺎي ﻫـﻮا ﺷﻨﺎﺳـﻲ‬
‫ﺑﺨﺼﻮص ﺑﺎرﻧﺪﮔﻲ در ﺑﺴﻴﺎري از ﻣﻄﺎﻟﻌﺎت ﻣﻮرد اﺳﺘﻔﺎده ﻫﺴﺘﻨﺪ و ﺑﻌﻠﺖ اﻧﺪازه ﮔﻴـﺮي ﻧـﺎ ﻣـﻨﻈﻢ و ﭘﺮاﻛﻨـﺪه در ﻧﻘـﺎط ﻣﺤـﺪود‪،‬‬
‫اﺳﺘﻔﺎده از روﺷﻬﺎي درون ﻳﺎﺑﻲ ﺑﺮاي ﺑﺮاي ﺗﻬﻴﻪ ﻻﻳﻪ ﻫﺎي ﻣﻮرد ﻧﻴﺎز از اﻳﻦ داده ﻫﺎ ﺿﺮورت دارد‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻘـﺶ اﺳﺎﺳـﻲ اﻳـﻦ‬
‫داده ﻫﺎ در ﺑﺴﻴﺎري از ﻣﺪﻟﻬﺎ و آﻧﺎﻟﻴﺰ ﻫﺎي ﻣﺨﺘﻠﻒ ﻣﺎﻧﻨﺪ ﻣﺪﻟﻬﺎي ﻓﺮﺳﺎﻳﺶ ﺧﺎك و رواﻧﺎب ‪ ,‬ﺑﺮرﺳـﻲ و ﺗﻌﻴـﻴﻦ روﺷـﻬﺎي ﻣﻨﺎﺳـﺐ‬
‫ﺑﺮاي درون ﻳﺎﺑﻲ اﻫﻤﻴﺖ زﻳﺎدي رارد‪.‬‬
‫روﺷﻬﺎي ﻣﺘﻌﺪدي ﺑﺮاي درون ﻳﺎﺑﻲ اراﺋﻪ ﺷﺪه اﻧﺪ ﻛﻪ روﺷﻬﺎي ﭼﻨﺪ ﺿﻠﻌﻲ ﻫﺎي ﺗﻴﺴﻦ و ﺑﺨﺼﻮص وزن دﻫﻲ ﺑـﺮ ﻣﺒﻨـﺎي ﻋﻜـﺲ‬
‫ﻓﺎﺻﻠﻪ )‪ (IDW1‬از ﺟﻤﻠﻪ روﺷﻬﺎي ﻣﺮﺳﻮم ﻣﻴﺒﺎﺷﻨﺪ‪ .‬ﺑﻬﺮ ﺣﺎل‪ ،‬اﻳﻦ روﺷﻬﺎ ﺑﻪ دﻟﻴﻞ در ﻧﻈﺮ ﻧﮕـﺮﻓﺘﻦ ﻫﻤﺒـﺴﺘﮕﻲ ﺑـﻴﻦ داده ﻫـﺎ و‬
‫ﺑﻬﻴﻨﻪ ﻧﺒﻮدن اﻧﺪازه و ﺷﻜﻞ ﻫﻤﺴﺎﻳﮕﻲ ﻣﻮرد اﺳﺘﻔﺎده‪ ،‬ﻏﺎﻟﺒﺎ از دﻗﺖ ﻛﺎﻓﻲ ﺑﺮﺧﻮردار ﻧﻤﻲ ﺑﺎﺷﻨﺪ‪.‬‬
‫در اﻳﻦ ﺗﺤﻘﻴﻖ‪ ،‬ﻓﻮاﻳﺪاﺳﺘﻔﺎده از ﺗﺨﻤﻴﻨﮕﺮﻫﺎي زﻣﻴﻦ آﻣﺎري ﻣﺒﺘﻨﻲ ﺑﺮ ﺑﻜﺎر ﮔﻴﺮي ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ داده ﻫﺎ )‪(Cokrigging‬از ﻧﻈـﺮ‬
‫اﻓﺰاﻳﺶ دﻗﺖ ﻣﺤﺎﺳﺒﺎت در درون ﻳﺎﺑﻲ داده ﻫﺎي ﺑﺎرﻧﺪﮔﻲ در ﺣﻮزه آﺑﺨﻴـﺰ ﻟﺘﻴـﺎن ﻣـﻮرد ﺑﺮرﺳـﻲ ﻗـﺮار ﮔﺮﻓﺘـﻪ اﺳـﺖ‪ .‬اﻃﻼﻋـﺎت‬
‫ﺑﺎرﻧﺪﮔﻲ ﺣﺎﺻﻞ از درون ﻳﺎﺑﻲ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪل رﻗﻮﻣﻲ ارﺗﻔﺎع ﻣﻨﻄﻘﻪ ﺑﻌﻨﻮان ﻣﺘﻐﻴﺮ ﻛﻤﻜﻲ‪ ،‬ﺑﺮاي ﺗﻬﻴﻪ ﺗﻘﺸﻪ ﻓﺮﺳـﺎﻳﻨﺪﮔﻲ ﺑـﺎران‬
‫در ﻣﺪﻟﺴﺎزي ﻓﺮﺳﺎﻳﺶ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﻣﻘﺎﻳﺴﻪ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از روﺷـﻬﺎي ‪ Krigging، Spline،IDW‬و‬
‫‪ Cokrigging‬ﻧﺸﺎن دﻫﻨﺪه ﺑﺮﺗﺮي روش ‪ Cokrigging‬ﺑﺮﻣﺒﻨﺎي ﻣﺪل ﮔﻮﺳـﻴﻦ و اﻣﻜـﺎن ﻛـﺎﻫﺶ ﺧﻄـﺎي درون ﻳـﺎﺑﻲ ﺑـﺎ‬
‫اﺳﺘﻔﺎده از اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﻣﻴﺒﺎﺷﺪ‪.‬‬

‫ﻛﻠﻴﺪي ‪ :‬ﻓﺮ ﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ‪ ،‬روﺷﻬﺎي زﻣﻴﻦ آﻣﺎري‪ ،‬ﻣﻴﺎﻧﮕﻴﻦ ﻗﺪر ﻣﻄﻠﻖ ﺧﻄﺎ ) ‪GIS ، (2MAE‬‬ ‫واژﮔﺎن‬

‫‪1‬‬
‫‪Inverse Distance Weighting‬‬

‫‪1‬‬
 ‫‪ -1‬ﻣﻘﺪﻣﻪ ‪:‬‬
‫ﻧﻈﺮﻳﻪ زﻣﻴﻦ آﻣﺎري ﺷﺎﺧﻪ اي از ﻋﻠﻢ آﻣﺎر اﺳﺖ ﻛﻪ در ﺗﺸﺮﻳﺢ و ﺗﺠﺰﻳـﻪ وﺗﺤﻠﻴـﻞ ﻣـﺸﺎﻫﺪات زﻣﻴﻨـﻲ‬
‫ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻴﮕﻴﺮد)‪ .(4‬ﺗﻮﺳﻌﻪ ﺗﺌﻮري ﻫﺎ و ﺗﻜﻨﻴﻜﻬﺎي زﻣﻴﻦ آﻣﺎر در ﺳﺎﻟﻬﺎي اﺧﻴﺮ ﺗﺤﻮﻻت زﻳـﺎدي در‬
‫ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ داده ﻫﺎي ﻣﻜﺎﻧﻲ در ﻣﺤﻴﻂ ‪GIS‬اﻳﺠﺎد ﻛـﺮده اﺳـﺖ)‪ .(4‬اﺳـﺘﻔﺎده از آﻧـﺎﻟﻴﺰ ﻫـﺎي ﻣﺒﺘﻨـﻲ ﺑـﺮ‬
‫ﺗﺌﻮرﻳﻬﺎي زﻣﻴﻦ آﻣﺎر ﻧﻮاﻗﺺ و ﻣﺤﺪودﻳﺘﻬﺎي ﻣﺮﺑﻮط ﺑﻪ آﻣﺎر ﻛﻼﺳﻴﻚ را ﻛﻪ ﻏﺎﻟﺒﺎ ﺑـﺮ اﺳـﺎس ﻓﺮﺿـﻴﻪ ﺗﻮزﻳـﻊ‬
‫ﺗﺼﺎدﻓﻲ ﻣﺘﻐﻴﺮ ﻫﺎ و ﻓﺮاﻳﻨﺪ ﻫﺎ ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﻪ اﻧﺪ ﺗﺎ ﺣﺪ زﻳﺎدي ﻛﺎﻫﺶ ﻣﻴﺪﻫﺪ‪.‬‬
‫درو ﻧﻴﺎﺑﻲ داده ﻫﺎ در ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻣﻜﺎﻧﻲ ﺑﻪ ﻛﻤﻚ ‪GIS‬از اﻫﻤﻴﺖ وﻳﮋه ه اي ﺑﺮﺧﻮردار اﺳﺖ ‪ ,‬ﭼـﺮا ﻛـﻪ‬
‫ﺑﺴﻴﺎري از ﻧﻘﺸﻪ ﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﻋﻤﻠﻴﺎت ‪ GIS‬از ﻃﺮﻳﻖ درون ﻳﺎﺑﻲ ﺗﻮﻟﻴﺪ ﻣﻴـﺸﻮﻧﺪ‪ .‬در واﻗـﻊ ﺗﻮﻟﻴـﺪ‬
‫ﻣﺪﻟﻬﺎي ﻫﻤﻮار و ﭘﻴﻮﺳﺘﻪ از ﺗﻮزﻳﻊ ﻣﻜﺎﻧﻲ و زﻣﺎﻧﻲ داده ﻫﺎي ﻣﻮرد ﺑﺮ رﺳﻲ از ﻃﺮﻳﻖ درون ﻳﺎﺑﻲ اﻣﻜﺎن ﭘـﺬﻳﺮ‬
‫ﻣﻴﺒﺎﺷﺪ‪ .‬ﻓﺮاﻳﻨﺪ درون ﻳﺎﺑﻲ ﺣﺘﻲ در داده ﻫﺎي ﻣﺎﻫﻮاره اي ﻧﻴﺰ ﻛﻪ اﻗﺪام ﺑﻪ ﺗﺼﻮﻳﺮ ﺑﺮداري ﭘﻴﻜـﺴﻞ ﺑـﻪ ﭘﻴﻜـﺴﻞ‬
‫ﻣﻴﻜﻨﻨﺪ اﻫﻤﻴﺖ داردو در ﺗﺼﺤﻴﺢ ﻫﻨﺪﺳﻲ و ﺗﻐﻴﻴﺮ ‪ resolution‬داده ﻫﺎ ﺑﺪﻓﻌﺎت ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻴﮕﻴﺮد‪.‬‬
‫ﺗﻬﻴﻪ ﻣﺪﻟﻬﺎي رﻗﻮﻣﻲ ارﺗﻔﺎع )‪ (DEM‬ﻣﺜﺎل ﺧﻮﺑﻲ از ﻛﺎرﺑﺮد درون ﻳـﺎﺑﻲ در ﺗﻮﻟﻴـﺪ داده ﻣﻴﺒﺎﺷـﺪ ﻛـﻪ ﻣﺒﻨـﺎي‬
‫ﺑﺴﻴﺎري از ﺗﺤﻠﻴﻞ ﻫﺎ وﭘﻴﺎده ﺳﺎزي ﻣﺪﻟﻬﺎ در ‪ GIS‬اﺳـﺖ‪ .‬ﻧﻘـﺸﻪ ﻫـﺎي ﺑﺎرﻧـﺪﮔﻲ و ﻫﻤﺒـﺎران ﻧﻴـﺰ از ﻣﻨـﺎﺑﻊ‬
‫اﻃﻼﻋﺎت ﭘﺎﻳﻪ ﻣﻮرد ﻧﻴﺎز در ﺑﺴﻴﺎري از ﻃﺮﺣﻬﺎي ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ و ﻣﺪﻳﺮﻳﺖ و ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﻣﺤﻴﻂ ﻣﻴﺒﺎﺷﺪ‪ .‬ﻧﻘﺸﻪ‬
‫ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ﻳﻜﻲ از ﻧﻘﺸﻪ ﻫﺎي ﻣﻬﻢ ورودي ﺑﺮاي ﻣﺪل ﺳﺎزي ﻓﺮﺳﺎﻳﺶ در ﺣﻮزه ﻫﺎي آﺑﺨﻴﺰ اﺳﺖ و از‬
‫اﻃﻼﻋﺎت ﺑﺎرﻧﺪﮔﻲ ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ ﻣﻴﺒﺎﺷﺪ‪.‬‬
‫ﻣﻄﺎﻟﻌﺎت ﻣﺘﻌﺪدي در زﻣﻴﻨﻪ اﺳﺘﻔﺎده از زﻣﻴﻦ آﻣﺎر در درون ﻳﺎﺑﻲ در ﻣﺤﻴﻂ ‪GIS‬اﻧﺠﺎم ﺷﺪه اﺳﺖ‪ .‬ﺑـﻪ ﻋﻨـﻮان‬
‫ﻣﺜﺎل ﭼﻮ)‪(Chau‬وﭼﺎن )‪ (6) (Chan‬ﺑﺮاي ﻣﺪل ﻛﺮدن ﺳﻪ ﺑﻌﺪي آﻻﻳﻨﺪه ﻫﺎي ﺧﺎك در ﻣﺤﻴﻂ ‪GIS‬‬
‫از روﺷﻬﺎي ﻣﺨﺘﻠﻒ ﻛﺮﻳﮕﻴﻨﮓ اﺳﺘﻔﺎده ﻛﺮدﻧﺪ و ﻧﺸﺎن دادﻧﺪ ﻛﻪ روش ﻛﺮﻳﮕﻴﻨﮓ ﻛﻠﻲ ﺑﺎ ﺳﻄﺢ اﻃﻤﻴﻨﺎن ﺑـﺎﻻﺋﻲ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﻣﻨﺎﺳﺒﻲ ﺑﺎ داده ﻫﺎي اﻧﺪازه ﮔﻴﺮي ﺷﺪه زﻣﻴﻨﻲ ﻧﺸﺎن ﻣﻴﺪﻫـﺪ‪ .‬در اﻳـﻦ ﻣﻄﺎﻟﻌـﻪ ﻧـﺸﺎن داده ﺷـﺪ ﻛـﻪ‬
‫اﺳﺘﻔﺎده از اﻳﻦ روش در ﻣﺪل ﻛﺮدن ﺳﺎﻳﺮ آﻻﻳﻨﺪه ﻫﺎي ﺗﻮﻟﻴﺪ ﺷﺪه ﺗﻮﺳﻂ اﻧﺴﺎن ﻧﻴﺰ ﻣﻴﺘﻮاﻧﺪ ﻣﻨﺎﺳﺐ ﺑﺎﺷﺪ‪.‬‬

‫‪ -2‬ﻣﻨﻄﻘﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ‪:‬‬

‫ﺣﻮزه ﻟﺘﻴﺎن ) ﺑﺰرﮔﺘﺮﻳﻦ ﺣﻮزه آﺑﺨﻴﺰ اﺳﺘﺎن ﺗﻬﺮان( از ﺷﻤﺎل ﺑﻪ ﻛﻮﻫﻬﺎي دﻣﺎوﻧﺪ ‪ ،‬از ﺟﻨﻮب و ﺟﻨـﻮب‬
‫ﺷﺮﻗﻲ ﺑﻪ دﺷﺖ ﻫﺎي وراﻣﻴﻦ ‪.‬و ﺣﻮزه ﻗﻢ ‪ ،‬از ﺷﺮق ﺑﻪ ﺣﻮزه دوآب و از ﻏﺮب ﺑﻪ ﺣﻮزه آﺑﺨﻴﺰ ﻛﺮج ﻣﺤـﺪود‬
‫ﺗـﺎ´‪52°14‬‬ ‫ﻣﻴﺸﻮد‪ .‬ﻣﺴﺎﺣﺖ ﺣﻮزه ﺣﺪوداً ‪ 421,599,6579‬ﻫﻜﺘﺎر ﻣﻴﺒﺎﺷـﺪ‪ .‬ﻣﻮﻗﻌﻴـﺖ ﺣـﻮزه در ´‪ 51°12‬‬
‫ﺷﺮﻗﻲ و ´‪ 35°16‬ﺗﺎ´‪ 36°3‬ﺷﻤﺎﻟﻲ واﻗﻊ ﺷﺪه اﺳﺖ و ارﺗﻔﺎع ﻣﺘﻮﺳﻂ آن ‪ 1664‬ﻣﺘﺮ از ﺳﻄﺢ درﻳﺎاﺳﺖ‪.‬‬
‫اﻳﻦ ﺣﻮزه داراي ‪ 32‬اﻳﺴﺘﮕﺎه ﺑﺎراﻧﺴﻨﺠﻲ اﺳﺖ ﻛﻪ آﻣﺎر آﻧﻬﺎ در اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻣﻮرد اﺳﺘﻔﺎده ﻗـﺮار ﮔﺮﻓﺘـﻪ اﺳـﺖ ‪.‬‬
‫ﺣﺪاﻛﺜﺮ و ﺣﺪاﻗﻞ ﺑﺎرﻧﺪﮔﻲ اﻧﺪا زه ﮔﻴﺮي ﺷﺪه ﺑﺘﺮﺗﻴﺐ ﻣﻌﺎدل ‪ 637‬ﻣﻴﻠﻴﻤﺘﺮ در اﻳﺴﺘﮕﺎه اﻣﺎﻣـﻪ و ‪ 22/3‬ﻣﻴﻠﻴﻤﺘـﺮ‬
‫در اﻳﺴﺘﮕﺎه ﺗﻬﺮان ﻣﻲ ﺑﺎﺷﺪ‪ .‬ﺣﺪاﻛﺜﺮ و ﺣﺪاﻗﻞ دﻣﺎي ﻣﻴﺎﻧﮕﻴﻦ ﻧﻴﺰ ﺑﻪ ﺗﺮﺗﻴﺐ ‪ 36/3‬و ‪ 8/9‬در ﺟﻪ ﺳـﺎﻧﺘﻲ ﮔـﺮاد‬
‫ﺑﻮده اﺳﺖ ﻛﻪ دراﻳﺴﺘﮕﺎﻫﻬﺎي وراﻣﻴﻦ و ﻟﺘﻴﺎن اﻧﺪازه ﮔﻴﺮي ﺷﺪه اﺳﺖ‪.‬‬

‫‪ -3‬ﻣﻮاد و روﺷﻬﺎ ‪:‬‬

‫در اﻳﻦ ﺗﺤﻘﻴﻖ ﺗﺎﺛﻴﺮ روﺷﻬﺎي ﻣﺨﺘﻠﻒ درون ﻳﺎﺑﻲ در ﺗﻬﻴﻪ ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑـﺎران ﺑـﺎ اﺳـﺘﻔﺎده از داده‬
‫ﻫﺎي ﺑﺎرﻧﺪﮔﻲ ﻣﺎﻫﻴﺎﻧﻪ اﻧﺪازه ﮔﻴﺮي ﺷﺪه )ﻣﻮﺳﺴﻪ ﺗﺤﻘﻴﻘﺎت ﻣﻨﺎﺑﻊ آب)ﺗﻤﺎب(( ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺖ‪ .‬اﻳـﻦ‬
‫داده ﻫﺎ ﺷﺎﻣﻞ ﻣﻮﻗﻴﺖ ‪ ،‬ارﺗﻔﺎع‪ ،‬ﻛﺪ و ﻧﺎم اﻳﺴﺘﮕﺎه ﺑﺎرن ﺳﻨﺠﻲ و ﻣﻘﺎدﻳﺮ ﺑﺎرﻧﺪﮔﻲ ﻣﺎﻫﻴﺎﻧﻪ ﻣـﻲ ﺑﺎﺷـﺪ‪ .‬ﺿـﺮﻳﺐ‬

‫‪2‬‬
‫‪Mean Absolute Error‬‬

‫‪2‬‬
‫ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران )‪ (R‬ﺷﺎﺧﺼﻲ اﺳﺖ ﻛﻪ ﺑﻪ اﻧﺮژي ﺳـﻴﻨﻴﺘﻴﻜﻲ ﺑـﺎران ﺑـﺴﺘﮕﻲ دارد و ﺑـﺎ ﺣـﺪاﻛﺜﺮ ﺷـﺪت‬
‫ﺑﺎراﻧﻬﺎي ‪30‬دﻗﻴﻘﻪ اي راﺑﻄﻪ ﻗﻮي ﻧﺸﺎن ﻣﻴﺪﻫﺪ‪ .‬ﻋﺎﻣﻞ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎرﻧﺪﮔﻲ در واﻗﻊ ﻫﻤﺎن ﺷﺎﺧﺺ ﻓﺮﺳـﺎﻳﺶ‬
‫وﻳﺸﻤﺎﻳﺮ)ﺷﺎﺧﺺ ‪ ( EI30‬اﺳﺖ ﻛﻪ ﺑﺎ واﺣﺪ ﻛﻴﻠﻮﮔﺮم ﺑـﺮ ﻣﺘﺮﻣﺮﺑـﻊ اﻧـﺪازه ﮔﻴـﺮي ﻣﻴـﺸﻮد‪ .‬ﺑـﺮاي ﺳـﻬﻮﻟﺖ‬
‫ﻣﺤﺎﺳﺒﺎت ﻣﻘﺪار ‪ R‬ﺑﻪ ‪100‬ﺗﻘﺴﻴﻢ ﻣﻴﺸﻮد و ﻋﺎﻣﻞ ﺑﺎران در ﻛﻠﻴﻪ ﻣﺤﺎﺳﺒﺎت ﺑﺎ ارﻗﺎم ﻛﻮﭼﻜﺘﺮ ﻣـﻮرد اﺳـﺘﻔﺎده‬
‫ﻗﺮار ﻣﻴﮕﻴﺮد)‪.(2‬‬
‫ﺑﻪ ﻋﻠﺖ ﻋﺪم دﺳﺘﺮﺳﻲ ﺑﻪ آﻣﺎر ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎدﻳﺮ ﺣﺪاﻛﺜﺮ ﺑﺎرﻧﺪﮔﻲ ‪ 30‬دﻗﻴﻘﻪ اي و ﻣﻮﺟﻮد ﺑﻮدن آﻣﺎر ﺑﺎرﻧﺪﮔﻲ‬
‫ﻣﺎﻫﻴﺎﻧﻪ از راﺑﻄﻪ ﺗﺠﺮﺑﻲ زﻳﺮ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ اﻧﺮژي ﺑﺎران اﺳﺘﻔﺎده ﺷﺪ)‪.(7‬‬
‫‪EI30 = 38.46 +3.48*AR‬‬ ‫راﺑﻄﻪ )‪(1‬‬
‫ﻛﻪ در آن ‪ ,AR‬ﺑﺎرش ﺳﺎﻟﻴﺎﻧﻪ ﺑﺮ ﺣﺴﺐ ﻣﻴﻠﻴﻤﺘﺮ اﺳﺖ‪.‬‬
‫‪1‬‬
‫روش ﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ ﺑﺮاي درون ﻳﺎﺑﻲ داده ﻫﺎ ﺷﺎﻣﻞ روﺷﻬﺎي ‪ IDW‬ﻳﺎ ‪ WMA‬ﺑﺎ ﺗﻌﺪاد ﻧﻘﺎط و‬
‫ﺗﻮاﻧﻬﺎي ﻣﺨﺘﻠﻒ ‪ ،‬روش ‪ ،Tpss2‬روش ﻛﺮﻳﮕﻴﻨﮓ‪ 3‬ﻣﻌﻤﻮﻟﻲ و ﻛﻮﻛﺮﻳﮕﻴﻨﮓ‪ 4‬اﺳﺖ‪ .‬ﺑﺮاي ارزﺷﻴﺎﺑﻲ دﻗﺖ‬
‫ﻫﺮﻧﻘﻄﻪ از ﺳﻄﺢ ﺑﺮآوردﺷﺪه از روش )‪ 5(C.V‬اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬در روش ‪ C.V‬ﻫﺮﺑﺎر ﻳﻜﻲ از ﻧﻘﺎط‬
‫اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﺣﺬف ﻣﻴﺸﻮد و ﻣﻘﺪار ﺗﺨﻤﻴﻦ ﺑﺮاي آن ﺑﺎ ﻣﻘﺎدﻳﺮ اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻗﺮار‬
‫ﻣﻴﮕﻴﺮد‪ .‬از ﻣﻘﺎﻳﺴﻪ ﻣﻘﺎدﻳﺮ ﺑﺮاوردي و اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﺷﺎﺧﺺ ﻧﺸﺎن دﻫﻨﺪه ﺧﻄﺎ )‪ (MAE‬ﺑﻪ ﺷﺮح زﻳﺮ‬
‫ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﮔﺮدد‪(3).‬‬
‫‪∑ x‬‬
‫*‬
‫‪i‬‬
‫‪−‬‬ ‫‪x‬‬ ‫‪i‬‬
‫‪MAE‬‬ ‫=‬ ‫راﺑﻄﻪ )‪(2‬‬
‫‪n‬‬
‫*‪ =Xi‬ﻣﻘﺎدﻳﺮ ﺑﺮآورد ﺷﺪه‬
‫‪=Xi‬ﻣﻘﺎدﻳﺮ ﻣﺸﺎﻫﺪه اي‬
‫‪ =n‬ﺗﻌﺪاد داده ﻫﺎ‬

‫ﻛﻤﺘﺮ ﺑﻮدن ﻣﻘﺪار ‪ ،MAE‬ﻧﺸﺎﻧﺪﻫﻨﺪه دﻗﺖ ﺑﻴﺸﺘﺮ ﺗﺨﻤﻴﻦ ﻣﻲ ﺑﺎﺷـﺪ)‪ .(3‬اﮔـﺮ ﭼـﻪ ارزﻳـﺎﺑﻲ ﺑـﺪﻳﻦ ﻃﺮﻳـﻖ‬
‫ﻧﻤﻴﺘﻮاﻧﺪ ﺟﺎﻳﮕﺰﻳﻨﻲ ارزﻳﺎﺑﻲ ﺑﺎ ﻧﻤﻮﻧﻪ ﻫﺎي ﻣﺴﺘﻘﻞ ﺑﺎﺷﺪ وﻟﻲ در ﺷﺮاﻳﻄﻲ ﻛﻪ ﻣﺤﺪودﻳﺖ ﻧﻤﻮﻧﻪ ﻫﺎ ﻋﺎﻣﻠﻲ ﺗﻌﻴﻴﻦ‬
‫ﻛﻨﻨﺪه ﻣﻴﺒﺎﺷﺪ روش ﻣﻨﺎﺳﺐ و ﻛﻢ ﻫﺰﻳﻨﻪ اي ﻣﺤﺴﻮب ﻣﻴﺸﻮد‪.‬‬

‫‪ -1-٣‬روش وزن دﻫﻲ ﻋﻜﺲ ﻓﺎﺻﻠﻪ‬

‫ﻛﻠﻴﻪ روﺷﻬﺎي درون ﻳﺎﺑﻲ ﺑﺮ ﻣﺒﻨﺎي اﻳﻦ ﻓﺮﺿﻴﻪ ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﻪ اﻧﺪ ﻛﻪ ﻧﻘﺎط ﻧﺰدﻳﻚ ﺗﺮ ﺑﻪ ﻳﻜﺪﻳﮕﺮ ﻧـﺴﺒﺖ‬
‫ﺑﻪ ﻧﻘﺎط دورﺗﺮ ﻫﻤﺒﺴﺘﮕﻲ و ﺗﺸﺎﺑﻪ ﺑﻴﺸﺘﺮي دارﻧﺪ‪ .‬در روش ‪ IDW‬ﻓﺮض اﺳﺎﺳـﻲ ﺑـﺮ اﻳـﻦ اﺳـﺖ ﻛـﻪ ﻣﻴـﺰان‬
‫ﻫﻤﺒﺴﺘﮕﻲ و ﺗﺸﺎﺑﻪ ﺑﻴﻦ ﻫﻤﺴﺎﻳﻪ ﻫﺎ ﺑﺎ ﻓﺎﺻﻠﻪ ﺑﻴﻦ آﻧﻬﺎ ﻣﺘﻨﺎﺳﺐ اﺳﺖ ﻛﻪ ﻣﻴﺘﻮان آن را ﺑـﻪ ﺻـﻮرت ﺗـﺎﺑﻌﻲ ﺑـﺎ‬
‫ﺗﻮان ﻣﻌﻜﻮس از ﻓﺎﺻﻠﻪ ﻫﺮ ﻧﻘﻄﻪ از ﻧﻘﺎط ﻫﻤﺴﺎﻳﻪ ﺗﻌﺮﻳﻒ ﻛﺮد‪ .‬ﻻزم ﺑﻪ ﻳـﺎداوري اﺳـﺖ ﻛـﻪ ﺗﻌﺮﻳـﻒ ﺷـﻌﺎع‬
‫ﻫﻤﺴﺎﻳﮕﻲ و ﺗﻮان ﻣﺮﺑﻮط ﺑﻪ ﺗﺎﺑﻊ ﻋﻜﺲ ﻓﺎﺻﻠﻪ از ﻣﺴﺎﺋﻞ ﻣﻬﻢ در اﻳﻦ روش ﻣﺤﺴﻮب ﻣﻴـﺸﻮد‪ .‬ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ‬
‫اﻫﻤﻴﺖ ﻋﻮاﻣﻞ ﻓﻮق‪ ،‬در اﻳﻦ ﺗﺤﻘﻴﻖ درون ﻳﺎﺑﻲ ﺑﺎ ﺗﻌـﺪاد ﻧﻘـﺎط ﻫﻤـﺴﺎﻳﮕﻲ ﻣﺘﻔـﺎوت )‪ 3‬ﺗـﺎ ‪ (15‬و ﺗﻮاﻧﻬـﺎي‬
‫ﻣﺘﻔﺎوت )‪ 2‬ﺗﺎ ‪(10‬از ﻣﻌﻜﻮس ﻓﺎﺻﻠﻪ اﻧﺠﺎم ﺷﺪه اﺳﺖ ‪ .‬ﺑﺮاي اﻳﻦ ﻛﺎر اﺑﺘﺪا ﺑﺎ اﺳﺘﻔﺎده از ﺗﻮان ﺛﺎﺑـﺖ ‪ 2‬ﻣﻘـﺪار‬
‫ﺧﻄﺎ ﺑﺮاي ﺗﻌﺪاد ﻫﻤﺴﺎﻳﮕﻲ ﻫﺎي ‪ 3‬ﺗﺎ ‪ 15‬ﻧﻘﻄﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪ )ﺟﺪول ‪ .(1‬ﺳﭙﺲ ﻣﻘﺪار ﺧﻄﺎي درون ﻳـﺎﺑﻲ ﺑـﺎ‬
‫ﺗﻌــﺪاد ﻫﻤــﺴﺎﻳﻪ ‪ 3‬ﻧﻘﻄــﻪ و ﺗﻮاﻧﻬــﺎي ﻣﺘﻐﻴــﺮ از ‪ 2‬ﺗــﺎ ‪ 10‬ﻣــﻮرد ﺑﺮرﺳــﻲ ﻗــﺮار ﮔﺮﻓــﺖ )ﺷــﻜﻞ ‪.(1‬‬

‫‪1‬‬
‫‪Weighted Moving Average‬‬
‫‪2‬‬
‫‪Thin Plate Smooth Spline‬‬
‫‪3‬‬
‫‪Kriging‬‬
‫‪4‬‬
‫‪Cokriging‬‬
‫‪5‬‬
‫‪Cross Validation‬‬

‫‪3‬‬
 ‫ﺟﺪول )‪ (1‬ﻣﻘﺪار ﺧﻄﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺮا ي ﺗﻌﺪاد ﻧﻘﺎط ﻫﻤﺴﺎﻳﮕﻲ ﻣﺘﻔﺎوت در روش ‪IDW‬‬

‫‪power‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪neiberhoods‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪9‬‬ ‫‪12‬‬ ‫‪15‬‬
‫‪total error‬‬ ‫‪0.047‬‬ ‫‪0.061‬‬ ‫‪0.065‬‬ ‫‪0.069‬‬ ‫‪0.072‬‬

‫‪Total error of WMA‬‬

‫‪0.08‬‬

‫‪0.06‬‬
‫‪error‬‬

‫‪0.04‬‬
‫‪0.02‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫‪power‬‬

‫ﺷﻜﻞ )‪ (1‬ﺧﻄﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺮا ي ﺗﻮاﻧﻬﺎي ﻣﺨﺘﻠﻒ ﻣﻌﻜﻮس ﻓﺎﺻﻠﻪ در روش ‪ IDW‬ﺑﺎ ﺗﻌﺪاد ﻧﻘﺎط ﻫﻤﺴﺎﻳﮕﻲ ‪3‬‬

‫ﺑﻌﻠﺖ ﻣﺤﺪودﻳﺖ زﻣﺎﻧﻲ‪ ،‬اﺛﺮات ﻣﺘﻘﺎﺑﻞ دو ﭘﺎراﻣﺘﺮ ﺗﻮان و ﺗﻌﺪاد ﻫﻤﺴﺎﻳﻪ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻧﮕﺮﻓﺖ‪ .‬ﻧﺘﺎﻳﺞ اﻳﻦ‬
‫ﺑﺮ رﺳﻲ ﻧﺸﺎن داد ﻛﻪ اﻋﻤﺎل ﻫﻤﺴﺎﻳﮕﻲ ‪ 3‬ﻧﻘﻄﻪ و ﺗﻮان ‪ 2‬ﻣﻌﻜﻮس ﻓﺎﺻﻠﻪ ﺑﺎ ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار ‪ MAE‬ﻫﻤﺮاه‬
‫ﻣﻴﺒﺎﺷﺪ‪ .‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران و ﻧﻤﻮدار ﻣﺮﺑﻮط ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ اﻧﺪازه ﮔﻴﺮي ﺷﺪه و ﺑﺮاورد ﺷﺪه‬
‫ﺑﺎرﻧﺪﮔﻲ ﺑﺎ روش ‪ IDW‬ﺑﺘﺮﺗﻴﺐ در ﺷﻜﻠﻬﺎي ‪ 2‬و ‪ 3‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ )‪ (2‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران در ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن ﺑﺎ روش ‪(IDW) WMA‬‬

‫‪4‬‬
 ‫ﺷﻜﻞ )‪ (3‬راﺑﻄﻪ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ ﻣﺸﺎﻫﺪه ﺷﺪه و ﺑﺮآورد ﺷﺪه ﺑﺎرﻧﺪﮔﻲ ﺑﺮاي اﻳﺴﺘﮕﺎه ﻫﺎي ﺑﺎران ﺳﻨﺠﻲ ﺑﺎ روش ﻣﻴﺎﻧﮕﻴﻦ‬
‫وزﻧﻲ ﻣﺘﺤﺮك )‪(WMA‬‬

‫‪ -2-٣‬روش ‪:Tpss‬‬
‫دراﻳﻦ روش از ﺗﻮاﺑﻊ رﻳﺎﺿﻲ ﺑﺮاي ﺣﺪاﻗﻞ ﺳﺎزي اﻧﺤﻨﺎ و ﻧﻮاﺳﺎﻧﺎت ﺳﻄﺤﻲ ﻣﺘﻐﻴﺮ اﺳﺘﻔﺎده ﻣﻴﺸﻮد‪.‬‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻮاﺑﻊ رﻳﺎﺿﻲ ﻣﻮرد اﺳﺘﻔﺎده ﺑﻨﺤﻮي ﺗﻨﻈﻴﻢ ﻣﻴﺸﻮﻧﺪ ﻛﻪ ﺳﻄﺢ ﻛﻠﻲ ﺑﺮآورد ﺷﺪه ﺑﺎ دارا ﺑﻮدن ﺣﺪاﻗﻞ‬
‫اﻧﺤﻨﺎ از ﻧﻘﺎط اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﻋﺒﻮر ﻛﻨﺪ‪ .‬اﺳﺘﻔﺎده از اﻳﻦ روش در ﺷﺮاﻳﻄﻲ ﻛﻪ ﺗﻌﺪاد ﻧﻘﺎط ﻧﻤﻮﻧﻪ ﺑﺮداري‬
‫ﺷﺪه زﻳﺎد ﺑﻮده و ﺗﻐﻴﻴﺮ ﭘﺬﻳﺮي ﻓﻀﺎﺋﻲ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﻣﺎﻧﻨﺪ ارﺗﻔﺎع ﺗﺪرﻳﺠﻲ ﺑﺎﺷﺪ ﻧﺘﻴﺠﻪ ﺑﻬﺘﺮي ﻣﻴﺘﻮاﻧﺪ‬
‫داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران و ﻧﻤﻮدار ﻣﺮﺑﻮط ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ اﻧﺪازه ﮔﻴﺮي ﺷﺪه و ﺑﺮاورد‬
‫ﺷﺪه ﺑﺎرﻧﺪﮔﻲ ﺑﺎ روش ‪ Tpss‬ﺑﺘﺮﺗﻴﺐ در ﺷﻜﻠﻬﺎي ‪ 4‬و ‪ 5‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ )‪ (4‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺎ روش ‪ Tpss‬در ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن‪.‬‬

‫ﺷﻜﻞ )‪ (5‬راﺑﻄﻪ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ ﻣﺸﺎﻫﺪه ﺷﺪه و ﺑﺮآورد ﺷﺪه ﺑﺎرﻧﺪﮔﻲ ﺑﺮاي اﻳﺴﺘﮕﺎه ﻫﺎي ﺑﺎران ﺳﻨﺠﻲ ﺑﺎ روش ‪.Tpss‬‬

‫‪5‬‬
 ‫‪ -3-3‬روﺷﻬﺎي ﻛﺮﻳﮕﻴﻨﮓ و ﻛﻮﻛﺮﻳﮕﻴﻨﮓ ‪:‬‬
‫‪ -1-3-3‬روش ﻛﺮﻳﮕﻴﻨﮓ ‪:‬‬
‫روش ﻛﺮﻳﮕﻴﻨﮓ ﺗﺨﻤﻴﻨﮕﺮي ﻧﺎ ارﻳﺐ اﺳﺖ ﻛﻪ اﻣﻜﺎن ﺗﺨﻤﻴﻦ ﺑﺎ ﺣﺪ اﻗﻞ ﺳﺎزي وارﻳﺎﻧﺲ را ﻓﺮاﻫﻢ‬
‫ﻣﻴﻜﻨﺪ‪ .‬وﻳﮋﮔﻲ ﻧﺎ ارﻳﺐ ﺑﻮدن ﻣﻴﺘﻮاﻧﺪ ﺑﻪ ﻛﺎﻫﺶ ﺧﻄﺎﻫﺎي ﺳﻴﺴﺘﻤﺎﺗﻴﻚ ﻣﻨﺠﺮ ﺷﻮد‪ .‬ﺣﺪاﻗﻞ ﺳﺎزي وارﻳﺎﻧﺲ‬
‫ﻧﻘﺶ ﻣﻬﻤﻲ در اﺳﺘﻔﺎده ﺑﻬﻴﻨﻪ ازاﻃﻼﻋﺎت ﻣﻮﺟﻮد و رﺳﻴﺪن ﺑﻪ ﺑﺮاوردي دﻗﻴﻘﺘﺮ از ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ دارد‪ .‬از‬
‫آﻧﺠﺎﻳﻴﻜﻪ در ﻛﺮﻳﮕﻴﻨﮓ وارﻳﺎﻧﺲ ﺗﺨﻤﻴﻦ ﻫﺮ ﻧﻘﻄﻪ ﺑﻄﻮر ﻣﺠﺰا ﺣﺴﺎب ﻣﻴﺸﻮد‪ ،‬ﻟﺬا از اﻳﻦ اﻣﻜﺎن ﻣﻴﺘﻮان ﺑﺮاي‬
‫ﺗﻌﻴﻴﻦ ﺳﻄﺢ اﻋﺘﻤﺎد در ﺗﺨﻤﻴﻦ اﺳﺘﻔﺎده ﻛﺮد)‪ .(1‬در اﻳﻦ روش ﻣﻘﺪار ﻣﺸﺎﻫﺪه ﺷﺪه ﻳﻚ ﻣﺘﻐﻴﺮ در ﻧﻘﻄﻪ ﻣﻌﻴﻦ‬
‫))‪(Z(s‬ﺑﺮ اﺳﺎس ﺳﻪ ﺟﺰء ﺳﺎﺧﺘﺎري ﻳﺎ ﻗﻄﻌﻲ )‪ ،(µ‬ﺗﺼﺎدﻓﻲ واﺑﺴﺘﻪ از ﻧﻈﺮ ﻣﻜﺎﻧﻲ ))‪ (ε(s‬و ﺗﺼﺎدﻓﻲ ﻏﻴﺮ‬
‫واﺑﺴﺘﻪ ))‪ (ε΄ (s‬ﺑﺸﺮح زﻳﺮ ﺑﻴﺎن ﻣﻴﺸﻮد‪.‬‬
‫)‪Z(s) = µ+ ε(s)+ ε΄ (s‬‬ ‫راﺑﻄﻪ )‪(4‬‬

‫ﺑﺎ ﻣﺪﻟﺴﺎزي ))‪ (ε(s‬ﻛﻪ از ﻃﺮﻳﻖ ﺑﺮازش ﺗﻮاﺑﻊ رﻳﺎﺿﻲ ﻣﻨﺎﺳﺐ ﺑﻪ ﺳﻤﻲ وارﻳﻮﮔﺮام ﻣﺘﻐﻴﺮ اﻣﻜﺎن ﭘﺬﻳﺮ اﺳﺖ‬
‫ﺗﺨﻤﻴﻦ ﻣﺘﻐﻴﺮ ﺑﺎ ﺑﻬﻴﻨﻪ ﺳﺎزي ﺷﻌﺎع ﻫﻤﺴﺎﻳﮕﻲ و ﺿﺮاﺋﺐ ﻫﻤﺴﺎﻳﻪ ﻫﺎ ﺑﻤﻨﻈﻮر ﺣﺪ اﻗﻞ ﺳﺎزي ﺧﻄﺎي ﺗﺨﻤﻴﻦ‬
‫)‪ g(h‬ﺑﻴﻦ ﺗﻮاﺑﻊ ))‪ (F(xi‬ﺑﺮاي ﺗﻌﺪاد ‪ n‬ﻧﻤﻮﻧﻪ‬ ‫اﻣﻜﺎن ﭘﺬﻳﺮ ﻣﻴﺸﻮد )ﺷﻜﻞ ‪ .(6‬ﺳﻤﻲ وارﻳﺎﻧﺲ ﺗﺠﺮﺑﻲ‬
‫ﻫﻤﺴﺎﻳﻪ ﺑﻪ ﻓﺎﺻﻠﻪ ‪ h‬از راﺑﻄﻪ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻴﺸﻮد‪.‬‬
‫‪2‬‬
‫)‪1 n(h‬‬
‫= )‪γ (h‬‬ ‫]) ‪∑ [ F ( xi ) − F ( xi − h‬‬
‫‪2 n ( h ) i =1‬‬ ‫راﺑﻄﻪ )‪(5‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﺎﺛﻴﺮ ﺗﺎﺑﻊ رﻳﺎﺿﻲ ﺑﺮازش داده ﺷﺪه ﺧﻄﺎي درون ﻳﺎﺑﻲ ﺑﺎ ﭘﻨﺞ ﻣﺪل ﻣﺨﺘﻠﻒ ﻣﺤﺎﺳﺒﻪ ﺷـﺪ )ﺟـﺪول‬
‫‪ (3‬و ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران و ﻧﻤﻮدار ﻣﺮﺑﻮط ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ اﻧـﺪازه ﮔﻴـﺮي ﺷـﺪه و ﺑـﺮاورد ﺷـﺪه‬
‫ﺑﺎرﻧﺪﮔﻲ ﺑﺎ اﺳﺘﻔﺎده از ﺑﺮازش ﺗﺎﺑﻊ ﮔﻮﺳﻴﻦ در درون ﻳﺎﺑﻲ ﺑﺎروش ﻛﺮﻳﮕﻴﻨﮓ ﻣﺤﺎﺳﺒﻪ ﺷﺪ )ﺷﻜﻠﻬﺎي ‪ 7‬و ‪.(8‬‬

‫ﺟﺪول)‪ (3‬ﻣﻘﺪار ﺧﻄﺎي ﻣﺮﺑﻮط ﺑﻪ روش ﻛﺮﻳﮕﻴﻨﮓ ﺑﺎ ‪ 5‬ﺗﺎﺑﻊ و ﺗﻌﺪاد ‪ 7‬ﻫﻤﺴﺎﻳﻪ‬

‫‪radius‬‬ ‫‪43788‬‬ ‫‪neibourhoods‬‬ ‫‪7‬‬
‫‪Model‬‬ ‫‪sill‬‬ ‫‪nugget‬‬ ‫‪error‬‬
‫‪Spherical‬‬ ‫‪0.3431‬‬ ‫‪0.0094‬‬ ‫‪0.0133‬‬
‫‪KRIGING‬‬ ‫‪Exponential‬‬ ‫‪0.3389‬‬ ‫‪0.0000‬‬ ‫‪0.0196‬‬
‫‪Rational‬‬ ‫‪0.3390‬‬ ‫‪0.0003‬‬ ‫‪0.0248‬‬
‫‪Gaussian‬‬ ‫‪0.2751‬‬ ‫‪0.0841‬‬ ‫‪0.0121‬‬
‫‪Hole effects‬‬ ‫‪0.2610‬‬ ‫‪0.0644‬‬ ‫‪0.0217‬‬

‫‪6‬‬
 ‫ﺷﻜﻞ )‪ (7‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺎ روش ﻛﺮﻳﮕﻴﻨﮓ در ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن‪.‬‬

‫ﺷﻜﻞ )‪ (8‬راﺑﻄﻪ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ ﻣﺸﺎﻫﺪه ﺷﺪه و ﺑﺮآورد ﺷﺪه ﺑﺎرﻧﺪﮔﻲ ﺑﺮاي اﻳﺴﺘﮕﺎه ﻫﺎي ﺑﺎران ﺳﻨﺠﻲ ﺑﺎ روش‬
‫ﻛﺮﻳﮕﻴﻨﮓ‪.‬‬

‫‪ -2-3-3‬روش ﻛﻮﻛﺮﻳﮕﻴﻨﮓ‬
‫روش ﻛﻮﻛﺮﻳﮕﻴﻨﮓ ﺷﺎﺧﻪ اي از ﻛﺮﻳﮕﻴﻨﮓ ﻣﻴﺒﺎﺷﺪ ﻛﻪ در آن از ﻣﺘﻐﻴﺮ ﻫﺎي ﺛﺎﻧﻮﻳﻪ )‪ (secondary‬ﻛـﻪ‬
‫ﺑﺎ ﻣﺘﻐﻴﺮ اﺻﻠﻲ )‪ (primary‬ﻣﻮرد ﺑﺮرﺳﻲ داراي ﻫﻤﺒﺴﺘﮕﻲ ﻣﻜﺎﻧﻲ ﻣﻴﺒﺎﺷﻨﺪاﺳﺘﻔﺎده ﻣﻴﺸﻮد‪ .‬در ﺷـﺮاﻳﻄﻲ ﻛـﻪ‬
‫ﺗﺮاﻛﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﺘﻐﻴﺮ ﺛﺎﻧﻮﻳﻪ )ﻣﺎﻧﻨﺪ ارﺗﻔﺎع در ﺗﺤﻘﻴﻖ ﺣﺎﺿﺮ( ﺑﻴﺶ از ﺗﺮاﻛﻢ ﻧﻤﻮﻧﻪ ﻫﺎي ﻣﻮﺟﻮد ﺑﺮاي ﻣﺘﻐﻴـﺮ‬
‫اﺻﻠﻲ )ﺑﺎرﻧﺪﮔﻲ( ﺑﺎﺷﺪ اﺳﺘﻔﺎده از اﻳﻦ روش ﻧﺴﺒﺖ ﺑﻪ ﻫﺮ دو روش ﻣﻌﻤﻮل در درون ﻳﺎﺑﻲ داده ﻫﺎي ﺑﺎرﻧﺪﮔﻲ‬
‫ﺷﺎﻣﻞ درون ﻳﺎﺑﻲ ﻣﻜﺎﻧﻲ ﺑﺪون ﺗﻮﺟﻪ ﺑﻪ ﻋﺎﻣﻞ ارﺗﻔﺎع و درون ﻳﺎﺑﻲ ﺑﻪ ﻛﻤﻚ راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﺑﺎرﻧـﺪﮔﻲ و‬
‫ارﺗﻔﺎع ﺑﺪون ﺗﻮﺟﻪ ﺑﻪ اﻃﻼﻋﺎت ﻣﻜﺎﻧﻲ ﻣﻴﺘﻮاﻧﺪ ﺑﺮ ﺗﺮي داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬در اﻳﻦ روش وارﻳﻮﮔﺮام ﺗﺮﻛﻴﺒﻲ‬
‫)‪ (cross-variogram‬ﺑﻴﻦ ﻣﺘﻐﻴﺮ ﻫﺎي اوﻟﻴﻪ ‪ p‬و ﺛﺎﻧﻮﻳﻪ ‪ s‬ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻴـﺸﻮد و در درون‬
‫ﻳﺎﺑﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻴﮕﻴﺮد‪.‬‬
‫‪1 n( h) primery‬‬
‫= )‪γ (h‬‬
‫‪ps‬‬
‫∑‬
‫‪2n(h) i =1‬‬
‫‪[F‬‬ ‫])‪( xi) − F primery( xi + h)][F secondry ( xj) − F secondry ( xi + h‬‬ ‫راﺑﻄﻪ )‪(6‬‬

‫‪7‬‬
‫در اﻳﻦ ﺗﺤﻘﻴﻖ از ﻣﺪل رﻗﻮﻣﻲ ارﺗﻔﺎع ﻣﻨﻄﻘﻪ ﺑﺎ ﻣﻘﻴﺎس ‪ 1:25000‬ﺗﻬﻴﻪ ﺷﺪه ﺗﻮﺳﻂ ﺳﺎزﻣﺎن ﻧﻘﺸﻪ ﺑﺮداري ﻛﺸﻮر‬
‫ﺑﻌﻨﻮان ﻣﺘﻐﻴﺮ ﺛﺎﻧﻮﻳﻪ اﺳﺘﻔﺎده ﺷﺪ‪.‬‬
‫ﻧﻤﻮدار ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران‪ ،‬راﺑﻄﻪ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ ﺑﺮآورد ﺷﺪه و ﻣﺸﺎﻫﺪه ﺷﺪه ﺑﺎرﻧﺪﮔﻲ و ﻧﻤﻮدار ﻫﻤﺒﺴﺘﮕﻲ‬
‫ﺑﻴﻦ داده ﻫﺎي ارﺗﻔﺎع و ﺑﺎرﻧﺪﮔﻲ ﺑﺘﺮﺗﻴﺐ در ﺷﻜﻠﻬﺎي ‪ 10, 9‬و ‪ 11‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ .‬راﺑﻄﻪ ﺧﻄﻲ ﻗﻮي‬
‫ﺑﺎ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ 0/84‬ﺑﻴﻦ داده ﻫﺎي ﺑﺎرﻧﺪﮔﻲ ﺳﺎﻟﻴﺎﻧﻪ)‪(Y‬و ارﺗﻔﺎع ﻧﻘﺎط )‪ (x‬وﺟﻮد دارد )راﺑﻄﻪ ‪ (7‬ﻛﻪ‬
‫ﻣﻮﻳﺪ ﻣﻔﻴﺪ ﺑﻮدن اﺳﺘﻔﺎده از روش ﻛﻮﻛﺮﻳﮕﻴﻨﮓ ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت ارﺗﻔﺎع ﻣﻴﺒﺎﺷﺪ‪.‬‬
‫‪Y= 0.0286*x -14.299‬‬ ‫راﺑﻄﻪ )‪(7‬‬

‫ﺷﻜﻞ )‪ (9‬ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺎ روش ﻛﻮﻛﺮﻳﮕﻴﻨﮓ در ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن‪.‬‬

‫ﺷﻜﻞ )‪ (10‬راﺑﻄﻪ ﺑﻴﻦ ﻣﻘﺎدﻳﺮ ﻣﺸﺎﻫﺪه ﺷﺪه و ﺑﺮآورد ﺷﺪه ﺑﺎرﻧﺪﮔﻲ ﺑﺮاي اﻳﺴﺘﮕﺎه ﻫﺎي ﺑﺎران ﺳﻨﺠﻲ ﺑﺎ روش‬
‫ﻛﻮﻛﺮﻳﮕﻴﻨﮓ‪.‬‬

‫‪8‬‬
 ‫ﺷﻜﻞ )‪ (11‬ﻧﻤﻮدار ﻧﺸﺎن دﻫﻨﺪه راﺑﻄﻪ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺜﺒﺖ ﺑﻴﻦ داده ﻫﺎي ﺑﺎرﻧﺪﮔﻲ ﺳﺎﻟﻴﺎﻧﻪ )ﻣﻴﻠﻴﻤﺘﺮ( وارﺗﻔﺎع از ﺳﻄﺢ‬
‫درﻳﺎ )ﻣﺘﺮ( در ﺣﻮزه ﻟﺘﻴﺎن‪.‬‬

‫‪ -4‬ﻧﺘﻴﺠﻪ ﮔﻴﺮي ‪:‬‬

‫وﺟﻮد ﻫﻤﺒﺴﺘﮕﻲ ﻗﻮي ﺑﻴﻦ داده ﻫﺎي ﺑﺮاورد ﺷﺪه و ﻣﺸﺎﻫﺪه ﺷﺪه ﻧﺸﺎن دﻫﻨـﺪه ﻋﻤﻠﻜـﺮد ﺧـﻮب ﻫـﺮ‬
‫ﭼﻬﺎر روش ﻣﻮرد ﺑﺮرﺳﻲ در اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻣﻴﺒﺎﺷﺪ‪ .‬اﻳﻦ ﻧﺘﻴﺠـﻪ ﻣﻴﺘﻮاﻧـﺪ ﺑـﺪﻟﻴﻞ ﺗـﺮاﻛﻢ ﻣﻨﺎﺳـﺐ اﻳـﺴﺘﮕﺎه ﻫـﺎي‬
‫ﻫﻮاﺷﻨﺎﺳﻲ در ﺣﻮزه ﻣﻮرد ﺑﺮرﺳﻲ و ﻫﻤﭽﻨﻴﻦ ﻫﻤﺒﺴﺘﮕﻲ ﻗﻮي ﻣﻜﺎﻧﻲ ﺑﻴﻦ داده ﻫﺎي اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﺑﺎﺷـﺪ‪.‬‬
‫در ﺷﺮاﻳﻂ داﺷﺘﻦ ﻧﻤﻮﻧﻪ ﻫﺎي ﺑﺎ ﻓﺎﺻﻠﻪ زﻳﺎد و ﺗﻮزﻳﻊ ﻧﺎﻣﻨﻈﻢ اﺧﺘﻼف ﺑﻴﺸﺘﺮي ﺑﻴﻦ روﺷـﻬﺎي ﻣﺨﺘـﺎف ﻣﻴﺘـﻮان‬
‫اﻧﺘﻈﺎر داﺷﺖ‪.‬‬
‫ﻣﻘﺪار ﺧﻄﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه)‪ (MAE‬و ﺿﺮاﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺑـﻴﻦ ﻣﻘـﺎدﻳﺮ ﺑـﺮآورد ﺷـﺪه و اﻧـﺪازه ﮔﻴـﺮي ﺷـﺪه‬
‫ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران ﺑﺮاي ﭼﻬﺎر روش ﻣﻮرد ﺑﺮرﺳﻲ در ﺟﺪول ‪ 4‬ﻧﻘﻞ ﺷﺪه اﺳﺖ ‪.‬اﮔﺮ ﭼﻪ در ﺷﺮاﻳﻂ ﻣﻨﺎﺳـﺐ از‬
‫ﻧﻈﺮ ﺗﺮاﻛﻢ ﻧﻤﻮﻧﻪ ﻫﺎ‪ ،‬ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ ﺣﺴﺎﺳﻴﺖ ﻛﻤﺘﺮي ﻧﺴﺒﺖ ﺑﻪ اﻧﺘﺨـﺎب روش درون ﻳـﺎﺑﻲ ﺧﻮاﻫـﺪ داﺷـﺖ‪،‬‬
‫ﻣﺸﺎﻫﺪه ﻣﻲ ﺷﻮد ﻛﻪ روش ‪ Cokriging‬ﺑﺎ ﻣﺪل ﮔﻮﺳﻴﻦ ‪،‬ﻛﻤﺘـﺮﻳﻦ ﻣﻘـﺪار ‪(MAE=٠٫٠٠٨) MAE‬و ﺑﻴـﺸﺘﺮﻳﻦ‬
‫ﺿﺮﻳﺐ ﻫﻤﺒـﺴﺘﮕﻲ را دارا ﻣﻴﺒﺎﺷـﺪ‪.‬در ﻧﻘﻄـﻪ ﻣﻘﺎﺑـﻞ روش ‪ WME‬ﺑـﺎﻻﺗﺮﻳﻦ ﻣﻘـﺪار ﺧﻄـﺎ را دارد و ﺿـﺮﻳﺐ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﻧﺘﺎﻳﺞ آن ﺑﺎ داده ﻫﺎي اﻧﺪازه ﮔﻴﺮي ﺷﺪه ﻧﻴﺰ ﻧﺴﺒﺖ ﺑﻪ روش ‪ Cokriging‬ﺑﺼﻮرت ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪ اي‬
‫ﻛﻤﺘﺮ اﺳﺖ‪ .‬اﻳﻦ اﺧﺘﻼف ﻣﻴﺘﻮاﻧﺪ ﺑﺪﻟﻴﻞ اﺳﺘﻔﺎده ﻣﺴﺘﻘﻴﻢ از ﻓﺎﺻﻠﻪ ﺑﻴﻦ ﻧﻤﻮﻧﻪ ﻫﺎ در ﺗﺨﻤـﻴﻦ ﺑـﺎ ‪ ،WME‬ﺑـﺪون‬
‫ﺗﻮﺟﻪ ﺑﻪ واﺑﺴﺘﮕﻲ ﻣﻜﺎﻧﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﺑﺎﺷﺪ‪.‬‬

‫ﺟﺪول )‪ (4‬ﺧﻄﺎي ﻣﺮﺑﻮط ﺑﻪ ﭼﻬﺎر روش درون ﻳﺎﺑﻲ ﻣﻮرد اﺳﺘﻔﺎده در ﺗﻬﻴﻪ ﻧﻘﺸﻪ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران در ﺣﻮزه‬
‫آﺑﺨﻴﺰ ﻟﺘﻴﺎن‬
‫‪Method‬‬ ‫)‪WME(2‬‬ ‫‪Tpss‬‬ ‫‪Kriging‬‬ ‫‪Cokriging‬‬
‫‪MAE‬‬ ‫‪0.047‬‬ ‫‪0.016‬‬ ‫‪0.012‬‬ ‫‪0.008‬‬
‫‪Correlation‬‬ ‫‪0.55‬‬ ‫‪0.59‬‬ ‫‪0.53‬‬ ‫‪0.84‬‬

‫ﻧﻤﻮدار ﺗﻮزﻳﻊ ﺧﻄﺎ در ﻓﻀﺎي ﻣﺮﺑﻮط ﺑﻪ ﺑﺰرﮔﻲ ﺿﺮاﻳﺐ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ ﺑﺎران در ﺷﻜﻞ ‪ 12‬ﻧـﺸﺎن داده ﺷـﺪه و‬
‫ﻣﻮﻳﺪ ﻣﺘﻌﺎدل ﺑﻮدن ﺗﻮزﻳﻊ ﺧﻄﺎ در ﻓﻀﺎي ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﻣﻴﺒﺎﺷﺪ‪.‬‬

‫‪9‬‬
 ‫ﺷﻜﻞ )‪ (12‬ﺗﻮزﻳﻊ ﺑﺰرﮔﻲ ﺧﻄﺎ در ﻓﻀﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﻘﺎدﻳﺮ ﺿﺮاﻳﺐ ﻓﺮﺳﺎﻳﻨﺪﮔﻲ در اﻳﺴﺘﮕﺎه ﻫﺎي ﺑﺎران ﺳﻨﺠﻲ در‬
‫ﺣﻮزه آﺑﺨﻴﺰ ﻟﺘﻴﺎن‪.‬‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از اﻳﻦ ﺑﺮرﺳﻲ ﻣﻮﻳﺪاﻫﻤﻴﺖ اﺳﺘﻔﺎده از روﺷﻬﺎي ﻣﻨﺎﺳﺐ دروﻧﻴﺎﺑﻲ ﻣﻴﺒﺎﺷﻨﺪ‪.‬اﺳﺘﻔﺎده از ﻣﺘﻐﻴﺮ ﺛﺎﻧﻮﻳﻪ‬
‫در روش ‪ Cokriging‬در ﺷﺮاﻳﻂ ﻛﺸﻮر ﻛﻪ در آن ﻛﻤﺒﻮد اﻃﻼﻋﺎت و ﺗﺮاﻛﻢ ﻧﻤﻮﻧﻪ ﻫـﺎ ﻏﺎﻟﺒـﺎ ﺑﻌﻨـﻮان ﻋـﺎﻣﻠﻲ‬
‫ﻣﺤﺪود ﻛﻨﻨﺪه در ﻛﻴﻔﻴﺖ درون ﻳﺎﺑﻲ ﺑﺴﻴﺎري از ﻣﺘﻐﻴﺮ ﻫﺎي ﻣﺤﻴﻄﻲ ﻋﻤﻞ ﻣﻴﻜﻨﺪ اﻫﻤﻴﺖ زﻳﺎدي ﻣﻴﺘﻮاﻧﺪ داﺷـﺘﻪ‬
‫ﺑﺎﺷﺪ‪ .‬ﺧﻮﺷﺒﺨﺘﺎﻧﻪ اﻃﻼﻋﺎت ارﺗﻔﺎع و ﺳﺎﻳﺮ ﻣﺸﺘﻘﺎت ﻗﺎﺑﻞ اﺳﺘﺨﺮاج از آن در ﻛﺸﻮر ﺑﺮاﺣﺘﻲ و ﺑﺎ دﻗﺖ ﻣﻨﺎﺳﺐ‬
‫در دﺳﺘﺮس ﻣﻴﺒﺎﺷﻨﺪ و در درون ﻳﺎﺑﻲ ﺑﻌﻨﻮان ﻣﺘﻐﻴﺮ ﻛﻤﻜﻲ ﻣﻴﺘﻮاﻧﻨﺪ ﺑﺼﻮرت ﻣﻮﺛﺮي ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﻴﺮﻧﺪ‪.‬‬

‫ﻣﻨﺎﺑﻊ ﻣﻮرد اﺳﺘﻔﺎده‪:‬‬

‫‪ -1‬ﺧﺪاﻳﺎري ‪،‬ﻋﻠﻲ اﺻﻐﺮ‪ .1371.‬اﺻﻮل زﻣﻴﻦ آﻣﺎري‪ .‬داﻧﺸﻜﺪه ﻓﻨﻲ داﻧﺸﮕﺎه ﺗﻬﺮان‬
‫‪ -2‬رﻓﺎﻫﻲ ‪ ،‬ﺣﺴﻴﻨﻘﻠﻲ ‪ . 1375 .‬ﻓﺮﺳﺎﻳﺶ آﺑﻲ و ﻛﻨﺘﺮل آن ‪ .‬اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﺗﻬﺮان ‪.‬‬
‫‪ -3‬ﺳﻠﻄﺎﻧﻲ ‪،‬ﻣﺤﻤﺪ ﺟﻌﻔﺮ‪ .1381.‬ارزﻳﺎﺑﻲ اراﺿﻲ ﺑﻪ ﻣﻨﻈﻮر ﻣﻜﺎن ﻳﺎﺑﻲ ﻋﺮﺻﻪ ﻫﺎي ﻣﺴﺘﻌﺪ اﺟﺮاي ﻋﻤﻠﻴﺎت ﭘﺨﺶ‬
‫ﺳﻴﻼب در ﻣﺤﻴﻂ ‪) GIS‬ﻣﻄﺎﻟﻌﻪ ﻣﻮردي ﺣﻮزه آﺑﺨﻴﺰ ﺳﻤﻞ(‪ -‬ﭘﺎﻳﺎن ﻧﺎﻣﻪ ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ‪.‬‬
‫‪ -4‬ﻣﺪﻧﻲ ‪،‬ﺣﺴﻦ‪ .1373.‬ﻣﺒﺎﻧﻲ زﻣﻴﻦ آﻣﺎر‪.‬داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ اﻣﻴﺮﻛﺒﻴﺮ واﺣﺪ ﺗﻔﺮش‬
‫‪ArcGIS9_usingarcmap-2004. Printed in United State of America. ESRI group-5‬‬
‫‪High-Definition Mapping and 3-D Geostatistical Modeling of Contaminated Soil ,A Real -6‬‬
‫‪Time Data Process. Leslie Chau, Elaine Chan, and Frank Keyser ICF Kaiser Engineers,‬‬
‫‪http://www.angelfire.com/ca/eylchan/paper1.htmlInc.1995‬‬
‫‪LO et al. 1985 cited by MANRIQUE LA. 1993, p. 1036 -7‬‬

‫‪10‬‬