توسعة بهینة شبکة باران‌سنجی با استفاده از روش کریجینگ و آنتروپی در محیط GIS (مورد مطالعه: حوضة آبریز کرخه)

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشیار دانشکدة جغرافیا، دانشگاه تهران

2 کارشناس‌ارشد GIS & RS دانشکدة جغرافیا، دانشگاه تهران

3 استادیار دانشکده مهندسی عمران، پردیس دانشکدة فنی، دانشگاه تهران

4 استادیار دانشکدة نقشه برداری، پردیس دانشکدة فنی، دانشگاه تهران

چکیده

با توجه به محدودیت امکان توسعة ایستگاه‌های باران‌سنجی، تعیین بارش در تمام نقاط و به تبع آن تخمین دقیق بارش منطقه‌ای امکان‌پذیر نیست. لذا، باید در انتخاب محل و تعداد ایستگاه‌ها در تخمین بارش منطقه‌ای دقت کافی به عمل آید. در این تحقیق از آنتروپی انتقال اطلاعات و واریانس تخمین بارش منطقه‌ای برای تعیین نقاط بهینة توسعة ساختار موجود شبکة باران‌سنجی استفاد شده است. در ساختار پیشنهادی، نقاط دارای حداکثر واریانس تخمین و حداقل آنتروپی انتقال اطلاعات در سطح حوضه کاندید ایستگاه‌های جدید در نظر گرفته می‌شود. مدل بهینه‌سازی برای ترکیب نتایج این دو روش توسعه داده شده و در نهایت موقعیت پیشنهادی تأسیس ایستگاه‌های جدید تعیین می‌شود. در ساختار پیشنهادی، از محیط GIS برای ارائة بهتر نتایج تحلیل‌های مکانی استفاده شده است. حوضة آبریز کرخه با توجه به اهمیت بالایی که از بعد منابع آبی کشور دارد، مطالعة موردی این تحقیق در نظر گرفته شده است. نتایج بررسی‌ها و تحلیل‌های صورت‌گرفته در این تحقیق نشان‌دهندة این است که با استفاده از ایستگاه‌های پیشنهادی در حوضة کرخه که هفده موردند می‌توان دقت نتایج تحلیل مکانی بارش را به میزان زیادی افزایش داد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Development of Rain Gauge Network using Kriging and Entropy in Geographic Information System (GIS), (Case Study of Karkhe Basin)

نویسندگان [English]

  • Hassan Ali Faraji-Sabokbar 1
  • Hadi Mahmouid-meimand 2
  • Sara Nazif 3
  • Rahim Aliabbaspour 4
1 Associate Prof., Faculty of Geography, University of Tehran
2 MS.c. in GIS&RS, Department of Cartography, Faculty of Geography, University of Tehran
3 Assistant Prof., Faculty of Engineering, University of Tehran
4 Assistant Prof., Faculty of Engineering, University of Tehran
چکیده [English]

In the water resources planning and management, rainfall is considered as the main representative factor of region's hydroclimate system. There is a high level of spatial and temporal variability in rainfall events. Rain gauges are used for precipitation measurement in different points of the region. Due to limitations of rain gauges development, it is impossible to measure the exact distribution of rainfall over an area, so it is needed to select the optimal number and locations of the rain gauges in a region. There are several factors that affect the optimal number and location of stations, thus, development of an optimization model for development of rain gauges network is necessary. In this study an optimization model is proposed for determining location of the rain gauges considering the transformation entropy and the regional rainfall estimation error. In this model, the points with the minimum transformation entropy and the maximum rainfall estimation error are considered as candidates for development of new stations. The results of two considered criteria are combined to determine the location of the new stations. Geogrpahic information system (GIS) is used to better represent the results of rainfall spatial analysis and explain results of the proposed optimization model. A sub basin of Karkhe basin in South West of Iran has been considered as the case study of this study. Results show that using new rain gauges which are determined to be 17 using the proposed approach could improve accuracy of spatial analysis of rainfall siginficiantly.
Keywords:
Variance estimation, entropy, rainguage network optimization, GIS, Karkheh Basin
Methodolgoy
This proposed methodology in this study involves the following steps: (1) Data collection and analysis (2) application of kriging to existing rainfall data to calculate the rainfall spatial analysis variance (3) calculating the transformation entropy in the basin surface (4) selection of candidates points for rain gauge development considering the minimum transformation entropy and the maximum rainfall estimation error (5) presentation of rain gauge network final map.
In this paper, the best combination of sampling stations in a monitoring network is selected using the entropy theory by considering the maximum uncertainty (minimum redundant information in the system) and the maximum rainfall estimation Kriging error. Hence, in this study, a new model composed of variance estimation and entropy is proposed to relocate the rainfall network and to obtain the optimal design with the minimum number of rain gauges.
Results and Discussion
The rainfall data of the 49 stations in the study region are for the period of October to April are utilized.The correlation coefficient higher than 0.6 in rainfall and height, Cokriging method was used to analyze the spatial rainfall. Kolmogorov Smirnov test (K-S) with a confidence level of 95% of normal monthly precipitation data is verified. In case of non-normal data conversion Cox - Box or log normal distribution, the data are close to normal distribution. The estimated variance is calculated for each month. After calculating variance estimates for each month, the layers can be weighted according to the average rainfall. The final layer of the overlapping layers are obtained and as a measure of the objective function be considered. The transformation entropy layer such as variance estimation layer obtained. A new model composed of variance estimation and entropy is proposed to relocate the rainfall network to obtain the optimal design with the minimum number of rain gauges. As a case study, the application of the proposed method to an existing rain network over the Karkhe catchment region under a minimum transformation entropy of 30% and maximum Kriging error of 60% resulted in 17 new rain stations to be added to the original network.
Cnclusions
In this study a methodology is proposed to suggest new locations for rain gauges development using kriging and entropy methods. On the basis of the rainfall data from the current rain gauge stations, the rainfall of the candidate rain gauge stations are generated by estimation Kriging error. The information entropy is based on the concept of probability to measure uncertainties. A network optimization model based on minimizing the estimated variance and by rain gauge data suggest that the implementation of this new model, 17 stations were added to the network location. Most of the stations in the eastern and north-eastern border of the basin, in the highlands and in places where the space station is too high, they were located. The results show that using the theory of Entropy with geostatistical methods, a higher accuracy in rainguage network development, can provid. By combining the two methods can be used to determine the best places established stations, so that the two factors cover each other. Spatial design using model proposed in this paper, the best combination for rainguage stations using the minimum transformation entropy and the maximum rainfall estimation Kriging error is selected.

کلیدواژه‌ها [English]

  • Karkheh basin
  • Entropy
  • rainguage network optimization
  • GIS
  • Variance estimation
حسنی پات، ع.ا. ) 1389 (. زمین آمار )ژئواستاتیستی (، چاپ سوم، انتشارات دانشگاه تهران، تهران.
خواجه زاده، ا. ) 1384 (. طراحی ربکة پایش کیفی رودخااناه ها با کاربارد مادل های ربیه ساازی کیفای ، پایران نامرة کارشناسری ارشرد،
دانشکدة مهندسی محیط زیست، دانشگاه تهران، استاد راهنما: محمد کارآموز و اکبر باغوند.
خواجه گیلی، م. ) 1386 (. ارزیابی تخمین گرهای ژئواستاتیستیکی به منظور تحلیل مکانی راخص خشکسالی SPI )مطالعاة ماوردی
حوزة آبریز کرخه(. پایان نامة کارشناسی ارشد، پردیس ابوریحان، گروه مهندسی آبیاری و زهکشی، دانشگاه تهران، استاد راهنما: سرید
محمود رضا بهبهانی.
شفیعی، م.، قهرمان، ب. و ثقفیران، ب. ) 1392 (. ارزیابی و بقینه یابی ربکة باران سنجی بر مبنای روش کریجینگ احتماالاتی )مطالعاة
موردی: حوضة گرگان رود(. فصلنامة تحقیقات منابع آب ایران، سال نهم، شمارة 2 . ، 9 - 18 .
کریمی حسینی، آ. ) 1388 (. بررسی و مقایسة روش های مکان یابی ایستگاه های باران سنجی در محی GIS . پایان نامة کارشناسی ارشرد،
دانشکدة کشاورزی، گروه آبیاری و آبادانی، هواشناسی کشاورزی، دانشگاه تهران، استاد راهنما: عبدالحسین هورفر، امید بزرگ حداد .کارآموز، م.، فلاحی، م. و نظیرف، س. ) 1389 (. تحلیل مکانی بارش: مقایسة روش هاای کریجیناگ باا روش هاای متاداول . دوفصرلنام ة
تحقیقات منابع آب ایران، سال ششم، شمارة 1 )پیاپی 16 .)
محمردی، . ) 1386 (. بررسی تغییرات مکانی کیفیت و کمیت آب های زیرزمینی درت کرمان با اساتفاده از زماین آماار . پایران نامرة
کارشناسی ارشد، دانشکدة منابع طبیعی، دانشگاه تهران، استاد راهنما: علی سلاجقه.
معصومی، ف. و کراچیران، ر. ) 1385 (. ارزیابی کارآیی سیستم های پایش کیفی منابع آب زیرزمینی با تئوری آنتروپی گسسته، مطالعاة
موردی: آبخوان تقران. دومین کنفرانس ملی منابع ایران، 3 و 4 بهمن، اصفهان.
مهجوری مجد، ن. و کراچیان، ر. ) 1387 (. ارزیابی کارایی سیستم های پایش کیفی رودخانه باا اساتفاده از تئاوری آنتروپای گسساته
)رودخانة جاجرود(، دومین همای و نمایشگاه تخصصی مهندسی محیط زیست، 28 اردیبهشت الی 1 خرداد، دانشگاه تهران، تهران.
Barca, E., Passarella, G. and Uricchio, V. (2008), Optimal Extension of the Rain Gauge Monitoring Network of the Apulian Regional Consortium for Crop Protection, Environ Monittoring Assessment, No.145, pp. 375-386
Chen, Y.C., Wei, C. and Yeh, H. C. (2008), Rainfall Network Design Using Kriging and Entropy, Hydrological processes.No. 22, pp. 340-346.
Dimitris, M. and Metaxa, G. (2006), Geostatiscal Analisis of Spatial Variability of Rainfall and Optimal Design of a Rainguage Network, Water Resources Management, No.10, pp. 107-127.
Haberlandt, U. (2007), Geostatistical Interpolation of Hourly Precipitation from Rain Gauges and Radar for a Large-scale Extreme Rainfall Event, Journal of Hydrology, No, 332, pp. 144-157.
Hassani-pak, A.A. (2001), Geostatistics, University of Tehran, Iran.
Karamouz, M., Fallahi M. and Nazif, S. (2010), Analysis of Spatial Variation of Precipitation: Comparison of Conventional and KrigingMethods, Iran-Water Resources Research, Vol. 6, No. 1, pp. 1-9.
Karimi Hosseini, A. (2010), Comparing location methods Rain Gauge Network using Geographic Information System (GIS), M.Sc Thesis, Tehran University, Faculty of Agriculture and Natural Resources.
Khajeh Gili, M. (2008), Evaluation of Geostatistical to analyze the spatial SPI Indicator (Karkheh Basin case study), M.Sc Thesis, Tehran University, Faculty of Irrigation and Drainage Engineering.
Khajehzadeh Nokhandan, A. (2006), Design of river water quality monitoring networks using simulation models, M.Sc Thesis, Tehran University, Faculty of Environment.
Mahjouri-majd, N. and Kerachian, R. (2009), Performance assessment of river quality monitoring systems using discrete entropy theory (River Jajrud), Environmental Engineering Conference, Iran, Tehran.
Mashal, M.M., Darvishi, E., and Rahimikhoob, A. (2009), Optimizing the rain gauges networks using geostatistical method, Iranian Journal of Irrigation and Drainage, Vol. 2, No. 2, pp. 43-51.
Masoumi, F., and Kerachian, R. (2007), Optimal Groundwater Monitoring Network Design Using the Entropy Theory, National Conference of Water Resources, Esfehan, Iran.
Mogheir, Y. and Singh, V.P. (2002), Application of Information Theory to Groundwater Quality Montoring System, Water Resources Management, No.16, pp. 37 – 49.
Mohammadi, S. (2008), Research into spatial variations of groundwater quality and quantity in kerman plain using of geostatistic. M.sc Thesis, Tehran University, Faculty of Agriculture and Natural Resources.
Shaghaghian, M.R. and Abedini, M.J. (2013), Rain gauge network design using coupled geostatistical and multivariate techniques, Scientia Iranica, Volume 20, Issue 2, pp. 259-269.
Shannon, C.E. (1948), A Mathematical Theory of Communication, Bell System Technical Journal, No.27, pp. 379-423.
Uslu, O., Taanrivor, A. (1979), Measuring the Information Contact of Hydrological Process, the First National Congress on Hydrology, Istanbul, pp. 473-443.
Yeh, H.C., Chen, Y.C. and Wei, C. (2011), Entropy and Kriging Approach to Rainfall Network Design, Paddy Water Environ, No.9, pp. 343-355.