شبیه ­سازی استوکاستیکی بارش روزانه چندایستگاهی در شمال شرق ایران: تأثیر ناایستایی زمانی

نویسندگان

1 استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

2 دانش آموخته کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده

شبیه‌سازی استوکاستیکی باران روزانه در بسیاری از مدل‌ها (برای مثال هیدرولوژی، هواشناسی و تولید محصول) کاربرد دارد. بیش‌تر مدل‌های شبیه‌سازی استوکاستیکی تک‌ایستگاهی بوده و مدل‌های اندکی ساختار همبستگی بارندگی (وقوع و مقدار) را در قالب چند‌ایستگاهی درنظر می‌گیرند. با این حال در مدل‌های موجود توجهی به احتمال ناایستایی پارامترهای دخیل نمی‌شود. تعداد 36 ایستگاه باران‌سنجی در گستره سه استان خراسان شمالی، رضوی و جنوبی با طول دوره آماری 30 سال در نظر گرفته شد. از مدل شبیه‌سازی استوکاستیکی باران روزانه که در آن وقوع بارندگی از فرآیند مارکوف مرتبه اول و وقوع مقدار بارندگی از تابع چگالی گامای دومتغیره پیروی می‌کرد برای 6 ماه بارانی سال (آبان تا فروردین) استفاده شد. نشان داده شد که پارامترهای این مدل (2 پارامتر احتمال بارانی بودن مشروط بر بارانی بودن یا نبودن روز پیش برای وقوع بارندگی و دو پارامتر تابع چگالی گاما) به طور معنی‌داری به ماه، سال و محل ایستگاه بستگی دارد؛ ولی هیچ رابطه معنی‌داری برای برآورد آن­ها به دست نیامد. نشان داده شد که هر 4 پارامتر مدل شبیه‌سازی در زمان ناایستا بوده و درنظر گرفتن این ناایستایی موجب افزایش دقت فرآیند شبیه­سازی می­شود.

کلیدواژه‌ها


عنوان مقاله [English]

A stochastic multi-station model for daily rainfall generation in North-East of Iran: Effect of time non-stationarity

نویسندگان [English]

  • B. Ghahraman 1
  • E. Amini 2
چکیده [English]

For many models (e.g. hydrological, meteorological, crop yield) stochastic daily rainfall generation is required. Most of the stochastic models are single-site, while there are rather few ones that deal with the rainfall correlation structure (occurrence and amount) as a multi-site approach. A plausible shortcoming of these models, however, is due to not considering the possible time-non-stationarity. A total of 36 raingauges stations in North, Razavi and South Khorasan provinces, northeast of Iran with 30 years of record were considered in this study. A stochastic rainfall simulation model for 6 rainy months of November to May was adopted, in which, first order Markov approach for rainfall occurrence and Gamma probability density function for rainfall amount were involved. Model parameters (rainfall probability conditioned to rainy and dry for previous day for rainfall occurrence and two parameters of Gamma distribution) were found to be dependent on the month of the year and geographical location; yet, no significant relations were found to describe them. It was showed that all parameters were non-stationary in time, such that considering this behavior, increased the accuracy of simulations.

کلیدواژه‌ها [English]

  • Arid and semi-arid climates
  • Gamma probability density function
  • Transition matrix
  • Iran
  • Rainfall