مقایسه روش های زمین آمار و آمار کلاسیک در پهنه بندی اطلاعات بارندگی؛مطالعه موردی استان کرمان
Publish place: 6th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,170
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NCWMSWRM06_124
Index date: 12 July 2014
مقایسه روش های زمین آمار و آمار کلاسیک در پهنه بندی اطلاعات بارندگی؛مطالعه موردی استان کرمان abstract
آب از دیرباز و از بدو پیدایش حیات نقش اساسی در ادامه زندگی و طبیعتاً موجودی انسان ایفا کرده است. در اکثر مساال هیدروژویکی و مطالعات منابع آب و آبخیزداری، تخمین بارش حداکثر 24 ساعته با دوره برگشت های مختلف از اهمیت ویژه ای برخوردار است. اما در اکثر مطالعات به دژی عدم کفایت آمار و اطلاعات موجود و دقت پایین اندازه گیری ها، تخمین ها چندان رضایت بخش نیست. طی چند دهه اخیر مبانی علم زمین آمار به خوبی گسترش یافته است و توانایی های این شاخه از آمار در بررسی و پیش بینی متغیرهای مکانی مشخص شده است. در این تحقیق با استفاده از روش های آمار کلاسیک و زمین آمار داده های 208 ایستگاه باران سنجی واقع در جنوب شرق فلات ایران را با ارگیری از سامانه اطلاعات جغرافیایی ( GIS ) مورد تجزیه و تحلی قرار داده و در نهایت پهنه بندی حداکثر بارش 24 سااعته با دوره برگشت های مختلف انجام شد. برای ارزیابی روش ها، از روش ارزیابی متقاب استفاده شد. نتایج بررسی نشان از برتری روش کریجینگ برایتمامی دوره های برگشت می باشد. براساس نتایج حاصله از این تحقیق بهترین تابع واریوگرام در روش کریجینگ برای دوره برگشتهای و 10 سال تابع واریوگرام نمایی و برای دوره برگشت 25، 50، 100 سال تابع واریوگرام دایره ای می باشد.
مقایسه روش های زمین آمار و آمار کلاسیک در پهنه بندی اطلاعات بارندگی؛مطالعه موردی استان کرمان Keywords:
مقایسه روش های زمین آمار و آمار کلاسیک در پهنه بندی اطلاعات بارندگی؛مطالعه موردی استان کرمان authors
حجت کامیابی
کارشناس ارشد سازه های آبی دانشگاه آزاد اسلامی واحد کرمان
نوید جلال کمالی
استادیار گروه مهندسی آب دانشگاه آزاد اسلامی واحد کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :