برآورد بارندگي سالانه با استفاده از روش هاي رگرسيون و شبكه عصبي مصنوعي و بررسي پتانسيل استحصال آب باران (مطالعه موردي: استان‌هاي چهارمحال و بختياري و يزد)

Estimation of annual precipitation using regression and artificial neural network methods and investigation of the rainwater harvesting potential (Case study: Chaharmahal-Bakhtiari and Yazd provinces)

خليلي ساماني نسيمه Khalili Samani Nasimeh

عزيزيان ابوالفضل Azizian Abolfazl

سلطاني گردفرامرزي سميه Soltani-Gerdefaramarzi Somayeh

علوم و مهندسي آبخيزداري گرايش آبخيزداري شهري

كشاورزي و منابع طبيعي

مهندسي طبيعت

116ص

برآورد بارندگي , رگرسيون , شبكه عصبي مصنوعي , كشت ديم

Precipitation estimation , Regression , Artificial neural network , Rained farming

تحقيقات انجام شده در سطح ملي و بين¬المللي بيانگر اين حقيقت است كه در سال¬هاي نه چندان دور، كره زمين با بحران جدي تأمين منابع آب مطمئن و قابل مصرف روبه¬رو خواهد شد. از آنجايي كه منبع اصلي تأمين كننده آب، بارش¬¬هاي سالانه مي¬باشد، پيش¬بيني بارش امري مهم است. در اين پژوهش ابتدا كارايي روش¬هاي رگرسيون در برآورد بارندگي سالانه مورد آزمون قرار گرفت. سپس با استفاده از آمار بارندگي و دماي روزانه ايستگاه¬هاي مختلف استان¬هاي چهارمحال و بختياري و يزد كه داراي آمار روزانه بلندمدت بودند، پارامترهاي مختلفي محاسبه شد. از ميان پارامترها، مجموع بارندگي شش ماهه اول سال آبي (R6m1، ميلي‌متر)، طول فاصله زماني وقوع 5/47 ميلي‌متر باران از ابتداي پاييز (t47.5، روز)، ميانگين بلندمدت بارندگي (Rm، ميلي‌متر)، متوسط دماي تابستان قبل از هر سال آبي (Tsu، درجه سانتي¬گراد) و متوسط دماي تابستان سال آبي قبل و پاييز هر سال آبي (Tsu.au، درجه سانتي¬گراد) كه هر يك داراي همبستگي بالايي با بارندگي سالانه داشتند، در مدل¬هاي خطي ساده و روش شبكه عصبي مصنوعي به كار گرفته شد. مدل¬هاي به دست آمده در سطح كمتر از 01/0 معني¬دار بودند. نتايج نشان داد هر يك از روش¬ها مي¬تواند بارندگي سالانه را با دقت مناسبي برآورد نمايد. ارزيابي و تست مدل¬ها با NRMSE كمتر از 3/0 و d بالاتر از 8/0 نيز كارايي مدل¬ها را تصديق كرد. براي ارزيابي پتانسيل استحصال آب باران، آمار بلندمدت ماهانه بارندگي، دما، رطوبت، سرعت باد و ساعات آفتابي 11 ايستگاه در دو استان چهارمحال و بختياري و يزد مورد استفاده قرار گرفت. نياز آبي چهار محصول گندم، جو، انگور و بادام با نرم¬افزار CROPWAT محاسبه و پهنه¬بندي شد. باران سالانه با احتمال وقوع 50 و 67 درصد به روش ويبول محاسبه و پهنه¬بندي شد. بر اساس بارندگي سالانه با دو احتمال فوق و نياز آبي محاسبه شده، پتانسيل استحصال آب باران جهت كشت ديم محصولات مزبور در محيط نرم‌افزاري ArcGIS مورد بررسي قرار گرفت. در نهايت نقشه¬هاي توزيع مكاني مناطق مستعد استحصال بارندگي براي كشت ديم محصولات به دست آمد.

National and international research has showed that the world will have the serious crisis to supply the reliable and suitable water resources. Therefore it is inevitable using of practical methods for development, conservation, utilization and management of water resources. Since, annual precipitation is the main source of water supplies, it's forecasting is very important. In this research, the performance of regression methods were evaluated to estimate the annual precipitation. Then various parameters were calculated for predicting annual precipitation using long-term daily precipitation and temperature data of Chaharmahal-Bakhtiari and Yazd Provinces meteorological stations. Among the parameters, total precipitation in first half of the water year (R6m, mm), time to 47.5 mm cumulative rain since the beginning of autumn (t47.5, day), long-term mean annual precipitation (Rm, mm), the average of summer temperature of the preceding water year (Tsu, °C) and average temperature of preceding summer and current autumn of water year (Tsu.au, °C) that had a high correlation with annual precipitation, were used in simple linear regression models and artificial neural network techniques. That obtained models were significant at a probability level of less than 0.01. Results also showed that each method could accurately estimate the annual precipitation. Evaluation and testing of the models with NRMSE values less than 0.3 and d values greater than 0.8 confirmed the performance of the model. For study of the potential of rain water harvesting, were used long-term monthly precipitation, temperature, humidity, wind speed and sunny hour's data in 11 stations of Chaharmahal-Bakhtiari and Yazd Provinces. Then Calculated and zoned crop water requirement of wheat, barley, grapes and almond by CropWat software. Also was calculated and zoned annual precipitation with probability occurrence of 50 and 67% using Weibull's method. On the basis of annual precipitation With the above two possibilities and Calculated water requirement, the potential of rain water harvesting for rained farming of the crops was studied using ArcGIS software. Finally, were obtained spatial distribution maps of suitable region for water harvesting.

2/4/2015 12:00:00 AM

147

NE62

خانم فتوحي