کوکریجینگ

تعیین توزیع مکانی تبخیر و تعرق مرجع (ETo) در مدیریت و برنامه ریزی منابع آب، مطالعات بیلان آبی و برآورد نیاز آبی گیاهان از اهمیت زیادی برخوردارست. بنابراین هدف پژوهش حاضر تعیین مناسب-ترین روش درون یابی برای برآورد مکانی ETo و پهنه بندی این متغیر در استان خوزستان است. بدین منظور از داده های هواشناسی 42 ایستگاه در یک دوره آماری 28 ساله استفاده شد و برای تخمین مقادیر ETo در ایستگاه ها، روش فائو پنمن مانتیث بکار برده شد. به منظور برآورد مکانی ETo، هفت روش درون یابی مشتمل بر وزنی عکس فاصله، اسپلاین، گرادیان خطی سه بعدی، کریجینگ عمومی، کوکریجینگ، کریجینگ با روند خارجی و رگرسیون کریجینگ ارزیابی شدند. برای تحلیل واریوگرافی در روش های کریجینگ، پنج مدل نیم تغییرنمای کروی، نمایی، خطی، خطی دارای حد آستانه و گوسی بر داده-های ETo برازش شده و براساس مجموع مربعات، خطای کمتر و ضریب تبیین بالاتر نیم تغییر نمای مناسب انتخاب شد. تعیین مناسب ترین روش درون یابی بر اساس محاسبه شاخص های ریشه میانگین -مربعات خطا، میانگین خطای اریب و میانگین انحراف مطلق روش های مختلف انجام شد. با بررسی شاخص های خطا معلوم شد روش کوکریجینگ با مدل نیم تغییرنمای گوسی دارای کمترین خطا بود و به عنوان بهترین روش برای مکانی کردن داده های ETo ماهانه و سالانه در خوزستان معرفی شد. در مدل نیم تغییرنمای گوسی کوکریجینگ، نسبت بخش ساختاردار به کل تغییرپذیری در بیشتر ماه ها 1 بود که بیانگر ساختار مکانی قوی در تغییرات هم زمان متغیرهای ETo و ارتفاع است. اما دقت شود روش کوکریجینگ در بیشتر ماه ها دارای خاصیت کم برآوردی است.

لزوم آمادگی برای تعدیل پدیده خشکسالی جز با تدوین طرح های پهنه بندی خشکسالی محقق نخواهد شد. پدیده خشکسالی یکی از مهم ترین بلایای طبیعی است که بسیاری از کشورها را تحت تأثیر قرار داده و باعث بروز بسیاری مشکلات از جمله اقتصادی، اجتماعی، سیاسی و فرهنگی شده است. آگاهی از وضعیت خشکسالی، با پیش بینی و پهنه بندی شدت خشکسالی می تواند خطر زیان های ناشی از این پدیده را تا حد قابل توجهی کاهش دهد. در این تحقیق استان کرمان به عنوان منطقه مطالعاتی انتخاب شد. هدف از این پژوهش ارزیابی دقت روش های کریجینگ، کوکریجینگ و معکوس فاصله در تهیه ی نقشه های شدت خشکسالی رخ داده در استان کرمان با استفاده از شاخص درصد بارش نرمال می باشد. بدین منظور 44 ایستگاه هواشناسی که دارای آمار بلند مدت و پایه زمانی مشترک20 ساله بودند، انتخاب گردیدند. سپس شاخص خشکسالی درصد بارش نرمال برای دوره آماری محاسبه گردید. نقشه های پهنه بندی خشکسالی برای سال های 1367، 1372، 1378، 1379، 1381 و 1384 با استفاده از سه روش کریجینگ، کوکریجینگ و معکوس فاصله تولید شد. از بین سه روش پهنه بندی، روش کریجینگ به دلیل داشتن خطای RMSE پایین تر به عنوان مناسب ترین روش انتخاب گردید. نتایج این پژوهش نشان داد که: شدیدترین خشکسالی ها در سال های 1367، 1372، 1378، 1379، 1381، 1384 اتفاق افتاده است.

تعیین محل بهینه ی نیروگاه های خورشیدی عاملی تأثیرگذار در افزایش بهره وری آن ها بوده و تابعی از دقت محاسبه ی پتانسیل تابش خورشیدی می باشد. استفاده از روابط مکانی میان داده ها در روش های درون یابی، موجب افزایش دقت تخمین پتانسیل تابشی برای مناطق مختلف کشور می گردد. تنوع بالای روش های درون یابی و تفاوت های محسوس در نتایج آن ها لزوم بررسی این روش ها را می رساند. در تحقیق حاضر روش های درون یابی؛ وزن دهی معکوس فاصله (IDW)، تابع پایه ی شعاعی (RBF)، درون یابی پخشی (DI)، کریجینگ و کوکریجینگ پیاده سازی شده و نتایج حاصل با اعتبارسنجی متقابل مقایسه شدند. به منظور افزایش دقت روش کوکریجینگ، نقشه ی پتانسیل تابشی برآورد شده با مدل SolarGIS به عنوان داده ی کمکی با داده های مشاهداتی تلفیق گردید. بررسی نتایج نشان می دهد که بهینه سازی عوامل مؤثر در روش های درون یابی موجب افزایش همگرایی 3/8 درصدی مقادیر نتایج می گردد. از بین روش های درون یابی، روش کوکریجینگ با داده های کمکی دما و ارتفاع با خطای جذر میانگین مربعاتی (RMSE) برابر با 82/9 وات بر مترمربع سطح بهینه را تخمین زد. با واردکردن نقشه پتانسیل تابشی حاصل از تصاویر ماهواره ای (مدل SolarGIS) به عنوان داده ی کمکی در روش کوکریجینگ، دقت سطح برآورد شده نسبت به کوکریجینگ و داده های کمکی دما و ارتفاع 1/4% بهبود یافت. مطالعه ی سطح تولیدشده نشان می دهد، اغلب مناطق کشور، به ویژه بخش های جنوبی از استعداد بالایی برای استفاده از انرژی تجدید پذیر خورشیدی برخوردار هستند. لذا بخش های میمند، سعادت آباد، کوار و سروستان از استان فارس، باوی از خوزستان و نوک آباد از استان سیستان و بلوچستان با اختلاف ناچیز به ترتیب به عنوان مناطق با پتانسیل تابشی بالا معرفی شدند.

خشکسالی یک پدیده آب و هوایی است که احتمال وقوع این پدیده در همه ی نقاط کره زمین و با هر شرایط اقلیمی وجود دارد. پدیده خشکسالی یکی از مهم ترین بلایای طبیعی است که بسیاری از کشورها را تحت تأثیر خود قرار داده و باعث بروز بسیاری مشکلات از جمله اقتصادی، اجتماعی، سیاسی و فرهنگی شده است. بر این اساس سیستم های پایش در تدوین طرح های مقابله با خشکسالی و مدیریت آن از اهمیت زیادی برخوردار است. آگاهی از وضعیت خشکسالی، با پیش بینی و پهنه بندی شدت خشکسالی می تواند خطر زیان های ناشی از این پدیده را تا حد قابل توجهی کاهش دهد. در این تحقیق استان کرمان به عنوان منطقه مطالعاتی انتخاب شد. هدف از این پژوهش ارزیابی دقت روش های کریجینگ، کوکریجینگ و معکوس فاصله در تهیه ی نقشه های شدت خشکسالی رخ داده در استان کرمان با استفاده از شاخص دهک ها می باشد. بدین منظور 44 ایستگاه هواشناسی که دارای آمار بلندمدت و پایه زمانی مشترک 20 ساله بودند، انتخاب گردیدند. سپس شاخص خشکسالی دهک ها برای دوره آماری محاسبه گردید. نقشه های پهنه بندی خشکسالی برای سال های 1367، 1372، 1378، 1379، 1381 و 1384 با استفاده از سه روش کریجینگ، کوکریجینگ و معکوس فاصله تولید شد. جهت تعیین کارآیی هر یک از این روشها از RMSE استفاده شد. از بین سه روش پهنه بندی، روش کریجینگ و کوکریجینگ به دلیل داشتن خطای RMSE پایین تر به عنوان مناسب ترین روش ها انتخاب گردیدند. نتایج این پژوهش نشان داد که شدیدترین خشکسالی ها در سال های 1378 و 1379 به وقوع پیوسته است.

نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، به دلیل عدم جریان سطحی دائمی برداشت بی رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتی متر در سال شده است. هدف از این تحقیق پیش بینی سطح آب زیرزمینی در این دشت با استفاده از روش های هوش مصنوعی و زمین آمار می باشد. در ابتدا با استفاده از روش خوشه بندی مرتبه ای (HCA) پیزومترها دسته بندی شدند. با انجام آنالیز حساسیت، داده های ماهانه سطح آب، بارش و تبخیر هرکدام با یک تأخیر زمانی طی دوره 10 ساله (91-82) به عنوان ورودی های مدل انتخاب شدند. پس از نرمال سازی داده ها مدل سازی با شبکه های عصبی (ANNs) انجام شد. به منظور بررسی بیشتر شبیه سازی با مدل فازی ساگنو (SFL) نیز انجام شد. برای مقایسه نتایج دو مدل شاخص های آماری جذر میانگین مربعات خطا و ضریب تبیین به کار گرفته شدند. با توجه به برتری مدل ANNs، مدل کریجینگ و کوکریجینگ عصبی برای پیش بینی مکانی سطح ایستابی انتخاب شدند و پیش بینی مکانی با هر دو مدل انجام شد. نتایج نشان داد که مدل کوکریجینگ با در نظر گرفتن پارامتر ثانویه توپوگرافی نسبت به مدل کریجینگ پیش بینی دقیق تری داشته است. براساس نتایج به دست آمده با افزایش بازه زمانی پیش بینی خطای مدل ترکیبی (کوکریجینگ عصبی) افزایش می یابد که بیش تر به دلیل افزایش خطای مدل شبکه عصبی مصنوعی با افزاییش بازه زمانی پیش بینی می باشد و خطای مدل زمین آمار ( کوکریجینگ) نامحسوس به نظر می رسد.

بخارآب یکی از مهم ترین عناصر اقلیمی است که در تصمیم گیری، طراحی و ارزیابی مدل های هیدرولوژیکی نقشی مهم ایفا می کند. بنابراین، شناخت تغییرات مکانی این عنصر مهم اقلیمی تأثیر چشمگیری در مدیریت و برنامه ریزی مبتنی بر آب خواهد داشت. بر این اساس، در این پژوهش تلاش شده است تا ساختار مکانی و برآورد مقادیر فشار بخارآب در جنوب و جنوب غرب ایران، با استفاده از روش زمین آمار و تحلیل واریوگرافی بررسی شود. در این راستا، داده های فشار بخارآب 78 ایستگاه سینوپتیک مربوط به 27 مرداد 1386، به منزله یکی از روز های فراگیر بخارآب تحلیل شد. بدین منظور، ابتدا محاسبات متغیر مکانی بودن داده های فشار بخارآب، با ترسیم تغییرنگار مورد بررسی قرار گرفت. پس از احراز این شرط، از روش های زمین آماری کریجینگ ساده، کریجینگ معمولی و کوکریجینگ و با برازش مدل های دایره ای، کروی، نمایی، گوسی و درجه دو منطقی برای رسم نقشه فشار بخا آب و ارزیابی آن ها 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 نقشه ترسیم شده با روش بهینه، مشخص شد که حاشیه خلیج فارس و دریای عمان و بخش های شمال و شمال غرب منطقه، به ترتیب، بیشترین و کمترین مقادیر فشار بخارآب را دارند. به طورکلی، سه دلیل دوری و نزدیکی به منابع عمده رطوبتی، وجود سد ارتفاعی زاگرس و استقرار پرفشار قوی پویشی را می شود دلیل رخداد چنین توزیعی برشمرد.

در بسیاری از کاربردهای سنجش ازدور در علوم زمین، تجزیه و تحلیل با صحت بالا تنها با استفاده از تصاویری با قدرت تفکیک مکانی و زمانی بالا امکانپذیر است. سنجنده ی مادیس برخلاف قدرت تفکیک زمانی بسیار بالا، قدرت تفکیک مکانی بسیار پایینی دارد. هدف ازین مطالعه، استفاده از الگوریتم های ریزمقیاس نمایی به منظور ریزمقیاس کردن تصاویر مادیس به تصاویر لندست 8 است. سپس تصاویر ریزمقیاس شده در برآورد تبخیر-تعرق واقعی با استفاده از الگوریتم سبال در منطقه کشت و صنعت امیرکبیر مورد مقایسه قرار گرفتند. در این مطالعه از الگوریتم هایSTARFM ، ESTARFM و Regression جهت ریزمقیاس نمایی باندهای بازتابندگی و از الگوریتم های SADFAT ، Regression و Cokriging جهت ریزمقیاس نمایی باندهای حرارتی استفاده شده است. سپس، تصاویر ریزمقیاس شده بازتابندگی و حرارتی به منظور استفاده در مدل سبال، پردازش گردیدند و تبخیر-تعرق واقعی محاسبه گردید. نتایج نشان داد که در میان روش های ریزمقیاس نمایی اعمال شده بر باندهای بازتابندگی، STARFM با مجذور میانگین مربعات خطای0.0180 دارای عملکرد بهتری نسبت به سایر روشها بود. در میان روش های اعمال شده بر باندهای حرارتی، الگوریتم SADFAT با مجذور میانگین مربعات خطای 0.0224 عملکرد بهتری را نسبت به سایر روشها از خود نشان داد. همچنین تبخیر-تعرق واقعی لحظه ای برآورد شده از خروجی روش های ریزمقیاس نمایی به ترتیب ESTARFM /Regression، ESTARFM/ SADFAT، STARFM/Regression و STARFM/ SADFAT با اختلاف کم و مجذور میانگین مربعات خطای 0.218 میلیمتر در ساعت بهترین عملکرد و روش Regression/Cokriging با میانگین مربعات خطای 0.388 میلیمتر در ساعت ضعیف ترین عملکرد را داشتند.

محاسبه دقیق مقدار تابش خورشیدی در یک گستره مکانی، نقش مؤثری در اقلیم شناسی و کشاورزی منطقه، برآورد میزان تبخیر و تعرق، مکان یابی نیروگاه خورشیدی و به کارگیری سیستم های فتوولتائیک دارد. دقیق ترین روش برآورد تابش خورشیدی برداشت نقطه ای در ایستگاه های زمینی با استفاده از دستگاه های آفتاب نگار است که در آن اندازه گیری ها با استفاده از روش های درون یابی به یک سطح پیوسته تعمیم داده می شوند. هدف اصلی این تحقیق افزایش دقت پهنه بندی تابش خورشیدی در گستره کشور ایران در قالب روش کوکریجینگ است. بدین منظور ابتدا میزان تابش خورشیدی با استفاده از مدل ارتفاع رقومی (DEM) و ابزار مکانیSolar Radiation  در نرم افزار ArcGIS محاسبه شد. در ادامه ضریب همبستگی (R) بین مقادیر به دست آمده از نرم افزار با مقادیر تابش خورشیدی اندازه گیری شده در ایستگاه های زمینی محاسبه شد. با توجه به 713/0R= بین این دو داده، با روش کوکریجینگ داده ها با هم تلفیق شده و سطح پیوسته تابش خورشیدی برای کل کشور محاسبه شد. نتایج نشان داد که محاسبه تابش خورشیدی با استفاده از ابزار Area Solar GIS در مقایسه با داده های زمینی دقت کافی ندارند؛ ولی تلفیق این دو داده ضمن تأثیردادن توپوگرافی در محاسبه تابش خورشیدی، موجب افزایش دقت درون یابی به اندازه 11 درصد می شود؛ ازاین رو ممکن است مدل های موجود برای برآورد تابش خورشیدی در مقایسه با داده های زمینی در مقیاس کشوری دقت کافی را نداشته باشند، اما می توان از آن ها برای بهبود دقت درون یابی داده های زمینی استفاده کرد. براساس نقشه نهایی اکثر مناطق کشور به غیر از مناطق شمالی و شمال غربی بالاتر از متوسط جهانی (w/m 2 340) تابش خورشیدی دریافت می کنند