تحلیل مکانی فشار بخارآب در جنوب و جنوب‌غرب ایران با استفاده از زمین‌آمار

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشیار گروه جغرافیا، دانشکدۀ علوم زمین، دانشگاه شهید بهشتی

2 استاد گروه سنجش از دور و GIS، دانشکدۀ علوم زمین، دانشگاه شهید بهشتی

3 استاد گروه جغرافیا، دانشکدۀ علوم انسانی، دانشگاه زنجان

4 استادیار گروه علوم محیط‌زیست، دانشکدۀ علوم، دانشگاه زنجان

چکیده

بخارآب یکی از مهم‌ترین عناصر اقلیمی است که در تصمیم‌گیری، طراحی و ارزیابی مدل‌های هیدرولوژیکی نقشی مهم ایفا می‌کند. بنابراین، شناخت تغییرات مکانی این عنصر مهم اقلیمی تأثیر چشمگیری در مدیریت و برنامه‌ریزی مبتنی‌بر آب خواهد داشت. بر این اساس، در این پژوهش تلاش شده است تا ساختار مکانی و برآورد مقادیر فشار بخارآب در جنوب و جنوب‌غرب ایران، با استفاده از روش زمین‌آمار و تحلیل واریوگرافی بررسی شود. در این راستا، داده‌های فشار بخارآب 78 ایستگاه سینوپتیک مربوط به 27 مرداد 1386، به‌منزلۀ یکی از روز‌های فراگیر بخارآب تحلیل شد. بدین منظور، ابتدا محاسبات متغیر مکانی بودن داده‌های فشار بخارآب، با ترسیم تغییرنگار مورد بررسی قرار گرفت. پس از احراز این شرط، از روش‌های زمین‌آماری کریجینگ ساده، کریجینگ معمولی و کوکریجینگ و با برازش مدل‌های دایره‌ای، کروی، نمایی، گوسی و درجۀ دو منطقی برای رسم نقشۀ فشار بخا آب و ارزیابی آن‌ها استفاده شد. نتایج ارزیابی متقاطع در انتخاب بهترین روش نشان داد بهترین الگویی که قادر به توجیه مکانی مقادیر فشار بخارآب در روز مورد مطالعه است، الگوی نمایی از روش کوکریجینگ با متغیر کمکی ارتفاع است. براساس نقشۀ ترسیم‌شده با روش بهینه، مشخص شد که حاشیۀ خلیج‌فارس و دریای عمان و بخش‌های شمال و شمال‌غرب منطقه، به‌ترتیب، بیشترین و کمترین مقادیر فشار بخارآب را دارند. به‌طورکلی، سه دلیل دوری و نزدیکی به منابع عمدۀ رطوبتی، وجود سد ارتفاعی زاگرس و استقرار پرفشار قوی پویشی را می‌شود دلیل رخداد چنین توزیعی برشمرد. 

کلیدواژه‌ها


عنوان مقاله [English]

Spatial Analysis of Water Vapor Pressure in South and South West of Iran Using by Geostatistics

نویسندگان [English]

  • H Lashkari 1
  • A.A Matkan 2
  • H Asakereh 3
  • Y Khosravi 4
1 Associate Prof. of Geography and Climatology, Faculty of Earth Sciences, Shahid Beheshti University, Tehran
2 Prof. of Remote Sensing and GIS, Faculty of Earth Sciences, Shahid Beheshti University, Tehran
3 Professor of Physical Geography, Faculty of Human Sciences, Department of Geography, University of Zanjan
4 Assistant Prof. of Climatology, Faculty of Sciences, Dep. of Environmental Sciences, University of Zanjan
چکیده [English]

Water vapor as one of the most important climate elements, plays an important role in decision-making, design and evaluation in hydrological models. Therefore, understanding the spatial changes of this important climate element have a significant effect on water management and planning. Accordingly, this study is tried to studythe spatial structureand estimation of watervapor pressurein south and south west of Iran, using by geostatisticsmethodand variography analysis. In this regard, the water vapor pressure data of 78 synoptic stations on 18 August 2007 as one of the sweeping days by the water vapor pressure was analyzed. The first step for this purpose was calculation of the spatial variable of water vapor pressure that were analyzed by plotting the variogram. After fulfilling this requirement, geostatistical methods such as simple kriging, ordinary kriging, Co-kriging with auxiliary variables, and circular, spherical, exponential, Gaussian and quadratic rational models were used and their performance were evaluated. The results of cross validation showed that the best method that being able to justify the amount of water vapor pressure is Co-kriging method with altitude. According to the drawn map with the optimum method it was found that near the Persian Gulf and Oman Sea and the North and North West of study area are the highest and lowest amounts of water vapor pressure, respectively. It was determined that three reasons 1. Far and near to the main sources of humidity, 2. Zagros Mountains and 3. The establishment of strong pressure has an important role in water vapor pressure distribution.

کلیدواژه‌ها [English]

  • Variogram
  • Kriging
  • Co-Kriging
  • Water Vapor Pressure
  1. ثقفیان، ب.، رحیمی بندرآبادی س..، طاهری شهرآئینی ح،.، غیومیان، ج.، 1384، اثر تراکم ایستگاه و تفکیک منطقه‌‌ای در برآورد توزیع مکانی بارندگی روزانه (مطالعۀ موردی روی بارندگی جنوب‌غرب ایران)، نشریۀ تحقیقاتی فنی– مهندسی استقلال، دانشگاه صنعتی اصفهان، جلد 24، شمارۀ 1، صص. 75-59.
  2. حسنی پاک، ع.، 1380، تحلیل داده‌های اکتشافی، تهران، انتشارات دانشگاه تهران.
  3. زهتابیان، غ.، جان‌فزا، ع.، محمدعسگری، ح.، نعمت‌الهی، م.ج.، 1389، مدلسازی توزیع مکانی برخی از خصوصیات شیمیایی آب‌های زیرزمینی (مطالعۀ موردی در حوزۀ آبخیز گرمسار)، تحقیقات مرتع و بیابان، جلد 17، شمارۀ 1، صص. 73-61.
  4. صفرراد، ط.، فرجی سبکبار، ح.، عزیزی، ق.، عباسپور، ر.ح.، 1392، تحلیل مکانی تغییرات بارش در زاگرس میانی از طریق روش‌های زمین‌آمار (1995-2004)، جغرافیا و توسعه، دورۀ 11، شمارۀ 31، صص. 164-149.
  5. عساکره، ح.، 1384، تغییرات زمانی – مکانی بارش استان اصفهان طی دهه‌های اخیر، مجلۀ پژوهشی دانشگاه اصفهان، جلد 18، شمارۀ 1، صص. 91-116.
  6. _____، 1386، تغییرات زمانی و مکانی بارش ایران زمین طی دهه‌های اخیر، جغرافیا و توسعه، شمارۀ 10، صص. 164-145.
  7. _____، 1387، کاربرد روش کریجینگ در میان‌یابی بارش، مطالعۀ موردی: میان‌یابی بارش 26/12/1376 در ایران زمین، جغرافیا و توسعه، دورۀ 6، شمارۀ 12، صص. 42-25.
  8. محمدی، ج.، 1377، مطالعۀ تغییرات مکانی شوری خاک در منطقۀ رامهرمز (خوزستان) با استفاده از نظریۀ ژئواستاتیستیک 1- کریجینگ، علوم و فنون کشاورزی و منابع طبیعی، جلد 2، شمارۀ 4، صص. 64-49.
  9. محمدزاده، م.، 1385، آشنایی با آمار فضایی، نشریه دانشجویی آمار (ندا)، شمارۀ دوم، سال چهارم، صص. 12-1.
  10. مسعودیان، س.ا.، کاویانی، م.، 1387، اقلیم‌شناسی ایران، دانشگاه اصفهان.
  11. مظفری، غ.، میرموسوی، س.ح.، خسروی، ی.، 1391، ارزیابی روش‌های زمین‌آمار و رگرسیون خطی در تعیین توزیع مکانی بارش (مطالعۀ موردی استان بوشهر)، جغرافیا و توسعه، دورۀ 10، شمارۀ 27، صص. 76-63.
  12. مهرشاهی، د.، خسروی، ی.، 1389، ارزیابی روش‌های میان‌یابی کریجینگ و رگرسیون خطی بر ‌پایة مدل ارتفاعی رقومی جهت تعیین توزیع مکانی بارش سالانه (مطالعة موردی استان اصفهان)، برنامه‌ریزی و آمایش فضا، دورۀ 14، شمارۀ 4، صص. 249-233.
  13. میرسجادی، س.، صفاری، ع.، پورخسرو، م.، 1390، مطالعۀ منشأ عناصر فلزی در رسوبات آبراه‌های منطقۀ قاسم‌آباد با استفاده از روش‌های آماری چندمتغیره و واریوگرافی، پانزدهمین همایش انجمن زمین‌شناسی ایران، تهران، انجمن زمین‌شناسی ایران، دانشگاه تربیت معلم.
  14. نجاتی جهرمی، ز.، چیت‌سازان، م.، میرزایی، س.ی.، 1388، بررسی زمین‌آماری توزیع نیترات در آبخوان آبرفتی دشت عقیلی در محیط GIS، همایش ژئوماتیک، تهران، سازمان نقشه‌برداری کشور.
  15. Adrian, Ch., Luigi, J.,R., Tim, H.R. & Malcolm, H., 2013, Evaluating Geostatistical Methods of Blending Satellite and Gauge Data to Estimate Near Real-Time Daily Rainfall for Australia, Journal of Hydrology, Vol. 493, PP. 105-114.
  16. Allen, R.P. & Sodden, B.J., 2008, Atmospheric Warming and the Amplification of Precipitation Extremes, Science, Vol. 321, Issue 5895, PP. 1481-1484.
  17. Bostan, P.A., Heuvelink, G.B. & Akyurek, S.Z., 2012, Comparison of Regression and Kriging Techniques for Mapping the Average Annual Precipitation of Turkey, International Journal of Applied Earth Observation and Geoinformation, Vol. 19, No. 1, PP. 115-126.
  18. Cambardella, C.A., Moorman, T.B., Novak, J.M., Parkin, T.B., Karlen, D.L., Turco, R.F. & Koropaka, A.E., 1994, Field-Scale Variability of Soil Properties in Centeral Iowa Soils, Soil Science Society of America Journal, Vol. 58, No. 5, PP. 1501-1511.
  19. Claps, P., Giordano, P. & Laguardia, G., 2008, Spatial Distribution of the Average Air Temperatures in Italy: Quantitative Analysis, Journal of Hydrologic Engineering, Vol. 13, Issue 4, PP. 224-242.
  20. Clayton, A., Jose, L., Stape, P.,C. & Jose, L., 2013, Modeling Monthly Mean Air Temperature for Brazil, Theorotical Applied Climatology, Vol. 113, PP. 407-427.
  21. Fisher, R.A., 1935, The Design of Experiments, Oliver and Boyd, Edinburgh.
  22. Ganawa, E.S.M., Amin, M.S.M., Musa, M.H. & Wayayok, A., 2003, Spatial Variability of Total Nitrogen and Available Phosphorus of Large Rice field in Sawah Sepadan, ScienceAsia, Vol. 29, No. 1, PP. 7- 12.
  23. Goovaerts, P.,1997, Geostatistics for Natural Resources Evaluation, Oxford University, New York, P. 483.
  24. Goodale, C., Aber, J.D. & Ollinger, S.V., 1998, Mapping Monthly Precipitation, Temperature and Solar Radiation for Ireland with Polynomial Regression and a Digital Elevation Model, Climate Research, Vol. 10, No. 1, PP. 35-49.
  25. Halley, E., 1686, An Historical of the Trade Winds, and Monsoons, Observable in the Seas between and Near the Tropics; With an Attempt to Assign the Physical Cause of Said Winds, Philosophical Transaction, PP. 153-168.
  26. Journel, A.G. & Huijbregts, C.J., 1978, Mining Geostatistics, Academic Press Inc, London, UK, P. 600.
  27. Khalili, K., 2014, Comparison of Geostatistical Methods for Interpolation Groundwater Level (Case study: Lake Uremia Basin), Journal of Applied Environmental and Biological Sciences., Vol. 4, No. 1, PP. 15-23.
  28. Knotters, M., Brus, D.J. and Voshaar, O., 1995, A Comparison of Kriging, Cokriging and Combined with Regression for Spatial Interpolation of Horizon Depth with Censored Observations, Geoderma, Vol. 67, No. 3, PP. 227-246.
  29. Lin, ZH., Renxizi, R., Shenliang, Ch. & Ping, D., 2014, Spatial Variability of Surface Sediment Basis on Geostatistical Analysis in the Littoral Area of Yellow River Delta, China, Indian Journal of Geo-Marine Sciences, Vol. 43, No. 4, PP. 463-472.
  30. Matheron, G.,1971, The Theory of Regionalized Variables and its Applications, Paris : École Nationale Superieure des Mines de Paris.
  31. Michaelides, S., Levizzani, V., Anagnostou, E., Bauer, P., Kasparis, T. & Lane, J.E., 2009, Precipitation: Measurement, Remote Sensing, Climatology and Modeling, Atmospheric Research, Vol. 94, No. 4, PP. 512–533.
  32. Rodriguez -lado, L., Sparovek, G., Vidal-Torrado, P., Dourado-Neto, D. and Macias-Vazquez, F., 2007, Modelling air temperature for the state of São Paulo, Brazil, Journal of Agricultural Science , Vol. 64, No. 5, PP. 460- 467.
  33. Sarann, L., Catherine, Ch. and Aurore, D., 2013, Different Methods for Spatial Interpolation of Rainfall Data for Operational Hydrology and Hydrological Modeling at Watershed Scale, Biotechnol Agron Soc. Environ (BASE), Vol. 17, No. 2, PP. 392-406.
  34. Schabenberger, O. & Gotway, C.A., 2005, Statistical Methods for Spatial Data Analysis, Chapman & Hall/CRC, Boca Raton, 140p., Malaysia, Journal of Science Asia, PP. 7-12.
  35. Serrano, A., Mateos, V.L. & Garcia, J.A.,1999, Trends Analysis of Monthly Precipitation Over the Iberian Peninsula for the Period 1921-1995, phys. Chemistry of Earth (B), Vol. 24, PP. 84-90.
  36. Shi-Guang, Xu., Zheng, N., Da, K., Yan, Sh., Wen-Jiang, H. & Yu, W., 2013, Estimating Summer Precipitation Over the Tibetan Plateau With Geostatistics and Remote Sensing, Mountain Research and Development, Vol. 33, No. 4, PP. 424-436.
  37. Sokouti-Oskoee, R., Mahdian, M.H. & Mahmoodi, Sh., 2008, Comparing the Applicability of Some Geostatistic Methods to Predict the Variability of Soil Salinity, a Case Study of Uromieh Plain, J. Pajouhesh & Sazandegi, Vol. 74, PP. 90-98.
  38. Student, 1907, On the Error of Counting with a Haemacytometer, Biometrika, Vol. 5, No. 3, PP. 351-360.
  39. Sun, B., Zhou S. & Zhao, Q., 2003, Evaluation of Spatial and Temporal Changes of Soil Quality Based on Geostatistical Analysis in the Hill Region of Subtropical China, Geoderma, Vol. 115, No. 1-2, PP. 85-99.
  40. Trenberth, K.E. & Stepaniak, D.P., 2003, Seamless Poleward Atmospheric Energy Transports and Implications for the Hadley Circulation, Journal of Climate, Vol. 16, No. 22, PP. 3705-3721.
  41. Usman, U., Yelwa, S.A., Gulumbe, S.U. and Danbaba, A., 2013, An Assessment of the Changing Climate in Northern Nigeria Using Cokriging, American Journal of Applied Mathematics and Statistics, Vol. 1, No. 5, PP. 90-98.
  42. Villarin, I.G. & Krajewski, W.F., 2008, Empirically Based Modeling of Spatial Sampling Uncertainties Associated with Rainfall Measurements by Rain Gauges, Advances in Water Resources, Vol. 31, No. 7, PP. 1015-1023.
  43. Ward, E., Buytaert, W., Peaver, L. & Wheater, H., 2011, Evaluation of Precipitation Products Over Complex Mountainous Terrain: A Water Resources Perspective, Advances in Water Resources, Vol. 34, No. 10, PP. 1222–1231.
  44. Webster, R. and Oliver, M.A., 2007, Geostatistics for Environmental Scientists, Second Edition, John Wiley & Sons, Ltd.
  45. Wentz, F., Ricciardulli, L., Hilburn, K. and Mears, C., 2007, How Much More Rain will Global Warming Bring?, Science Express, Vol. 317. No. 5835, PP. 233–235.