طراحی شبکه پایش ایستگاه‌های باران‌سنجی با استفاده از تئوری بی‌نظمی (مطالعه موردی: حوضه دریاچه ارومیه)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

2 دانشیار/ گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه بیرجند

3 استادیار گروه مهندسی آب دانشگاه بیرجند، بیرجند، ایران

4 گروه علئم و مهندسی آب دانشگاه بیرجند

چکیده

طراحی سامانه های پایش کیفی و کمی منابع آب همواره به عنوان یکی از موضوعات پیچیده در زمینه منابع آب و محیط زیست مطرح بوده است. طراحی این سامانه‌ها برای دستیابی به اطلاعات پایه کمی و کیفی صورت می‌گیرد، در حالی که فرآیند طراحی خود نیازمند این اطلاعات پایه است. منطقه مورد مطالعه در این تحقیق حوضه آبریز دریاچه ارومیه واقع در شمال غرب کشور می‌باشد. آنتروپی در لغت به معنای بی‌نظمی است. در این تحقیق از تئوری آنتروپی جهت پایش شبکه باران‌سنجی در دوره آماری 2011-1984 استفاده شده است. هم‌چنین جهت بررسی روند تغییرات پارامترهای مورد بررسی از آزمون من – کندال اصلاح شده استفاده گردید. نتایج حاصل از بررسی روند تغییرات مقادیر بارش سالانه حوضه دریاچه ارومیه نشان داد که تغییرات مقادیر بارش در این حوضه در طی دوره آماری مورد بررسی در مقیاس سالانه کاهشی بوده است. جهت بررسی و پایش شبکه باران‌سنجی با استفاده از تئوری بی‌نظمی از روش رگرسیون بردار پشتیبان جهت تخمین مقادیر بارش استفاده شد. نتایج بررسی مقادیر شاخص آنتروپی در سطح آبخوان نشان داد که تنها 4/1 درصد سطح حوضه مورد بررسی دچار کمبود شدید اطلاعات می‌باشد که احداث ایستگاه جدید در این منطقه را طلب می‌کند. اما از آنجایی که بیش از 90 درصد سطح حوضه از نظر انتقال اطلاعات در شرایط مازاد و نسبتأ مازاد قرار دارد، لذا منطقه مورد مطالعه از پایش نسبتأ خوبی برخوردار می‌باشد. به‌طور کلی نتایج بیانگر بالا بودن دقت روش بهینه شده رگرسیون بردار پشتیبان در برآورد مقادیر بارش سالانه ایستگاه‌های باران‌سنجی موجود در حوضه دریاچه ارومیه بود. نتایج رتبه‌بندی ایستگاه‌های موجود در منطقه مورد مطالعه نشان داد که ایستگاه-های ژارآباد، باداملو و اوربان رتبه‌های 1 تا 3 را دریافت کردند که نشان دهنده انتقال و دریافت اطلاعات بیشتر نسبت به سایر ایستگاه‌ها است.

کلیدواژه‌ها

عنوان مقاله [English]

Designing Monitoring Network for Rain Gauge Stations Using Irregularity Theory (Case Study: Urmia Lake Basin)

نویسندگان [English]

  • Mohammad Nazeri-Tahroudi 1
  • Ali Shahidi 2
  • Abbas khashei siuki 3
  • Yousef Ramezani 4
1 Department of Sciences and Water Engineering, University of Birjand
2 Water engineering Dept. Faculty of Agriculture University of Birjand Birjand Iran
3 Assistant Prof of Water Engineering, Department. University of Birjand., Birjand., Iran
4 Department of Water Engineering, University of Birjand
چکیده [English]

Designing of water quantity and quality monitoring system has been raised as one of the most complex issues in the field of water resources and the environment. Designing of these systems used to achieve qualitative and quantitative information, while their design process requires basic information. The study area in this research is Urmia Lake basin that located in the North West of Iran. Entropy literally means disorder. In this study used entropy theory to rain gaging monitoring in period of 1984-2011. Also The modified Mann - Kendal test was used to study the trend of the studied parameters The results of the study of the trend of precipitation values of Urmia Lake basin at annual scale showed that rainfall changes in this basin have been decreasing in the annual scale. In order to study and monitoring the rain gauge network using Entropy theory, two methods of support vector regression and kriging were used to estimate precipitation values. Results indicated that the accuracy of the regression model was higher than the Kriging model. The results of the evaluation of the entropy index at the aquifer showed that only 1.4% of the studied basin had a severe shortage of information that required the construction of a new station in the area. However, since more than 90 percent of the basin area is in terms of data transmission in excess and relatively excessive condition, the study area is relatively good at its monitoring. In general, the results indicated that the accuracy of the optimized method of support vector regression was used to estimate the annual rainfall in the Urmia Lake basin. The results of the stations' ranking in the study area showed that the stations of Jharabad, Badamlou and Orban received ratings ranging from 1 to 3, which indicates the transfer and reception of more information than other stations.

کلیدواژه‌ها [English]

  • Irregularities
  • Shannon Entropy
  • Transfoinformation
  • Urmia Lake

مراجع

اکبرزاده، م.، قهرمان، ب. 1392. استفاده هم‌زمان از آنتروپی و کریجینگ فضایی- زمانی برای تعیین شبکه بهینه پایش کیفی منابع آب زیرزمینی دشت مشهد، نشریه آب و خاک. جلد 27. شماره 3. صفحات 629-613.
فانی، مرتضی.، خلیفه، س.، خلیفه، ا.، افلاطونی، م. 1394. ارزیابی شبکه ایستگاه­های باران­سنجی با استفاده از تئوری آنتروپی گسسته (مطالعه موردی: حوضه آبریز کارون بزرگ. علوم و مهندسی آبیاری، 38(4): 13-1.
فرجی، ح.، محمودی میمند، ه.، نظیف، س.، عباسپور، ر. 1393. توسعه بهینه شبکه باران‌سنجی با استفاده از کریجینگ و آنتروپی در محیط GIS (مطالعه موردی: حوضه آبریز کرخه). پژوهش­های جغرافیای طبیعی. 46(4): 462-445.
قهرمانی، ع.، شقاقیان، م. 1394. طراحی شبکه باران با استفاده از مفهوم آنتروپی (مطالعه موردی: حوضه آبریز کرخه). دهمین کنگره بین المللی مهندسی عمران. دانشکده مهندسی عمران. دانشگاه تبریز.
معصومی، ف.، کراچیان، ر. 1387. بهینه­سازی مکان‌یابی ایستگاه‌های پایش کیفی منابع آب زیرزمینی با استفاده از تئوری آنتروپی. مجله آب و فاضلاب. 65: 12-2.
مهجوری­مجد، ن.، کراچیان، ر. 1387. ارزیابی کارایی سیستم­های پایش کیفی رودخانه با استفاده از تئوری آنتروپی گسسته )رودخانه جاجرود). دومین همایش و نمایشگاه تخصصی مهندسی محیط­زیست، دانشگاه تهران، تهران.
میرعباسی، ر.، دین­پژوه، ی. 1387. ارزیابی شبکه پایش کیفیت دشت اهر براساس تئوری آنتروپی، اولین همایش ملی مدیریت منابع آب اراضی ساحلی، دانشکده علوم کشاورزی و منابع طبیعی، ساری.
Chadalavada,S., Datta,B., Naidu, R. 2011. Uncertainty based optimal monitoring network design for a chlorinated hydrocarbon contaminated site. Environmental monitoring and assessment. 173.1-4: 929-940.
Chen,Y.C., Wei,C., Yeh,H.C. 2008. Rainfall network design using kriging and entropy. Hydrological Processes. 22. 3: 340.
Dorigo,M., Maniezzo,V., Colorni,A. 1991. The ant system: An autocatalytic optimizing process.
Hamed,K.H., Rao,A.R. 1998. A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology. 204.1-4: 182-196.
Harmancioglu,N.B., Alpaslan,N. 1992.  Water quality monitoring network design: A problem of multiobjective decision making . JAWRA Journal of the American Water Resources Association. 28.1: 179-192.
Jaynes,E.T. 1957. Information theory and statistical mechanics. Physical review. 106.4: 620– 630.
Kawachi,T., Maruyama,T., Singh,V.P. 2001. Rainfall entropy for delineation of water resources zones in Japan. Journal of Hydrology. 246.1: 36-44.
Kendall,M.G. 1975. Rank Correlation Measures. Charles Griffin. London.
Khalili,K., Tahoudi,M.N., Mirabbasi,R., Ahmadi,F. 2016. Investigation of spatial and temporal variability of precipitation in Iran over the last half century. Stochastic Environmental Research and Risk Assessment. 30.4: 1205-1221.
Kumar,S., Merwade,V., Kam,J., Thurner,K. 2009. Streamflow trends in Indiana: effects of long term persistence, precipitation and subsurface drains. Journal of Hydrology. 374.1: 171-183.
Lubbe,C. 1996. Information Theory, Cambridge: Cambridge University Press.
Mann,H.B. 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society. 245-259.
Markus,M., Knapp,H.V., Tasker,G.D. 2003. Entropy and generalized least square methods in assessment of the regional value of streamgages. Journal of hydrology. 283.1: 107-121.
Mishra,A.K., Coulibaly,P. 2010. Hydrometric network evaluation for Canadian watersheds. Journal of Hydrology. 380.3: 420-437.
Mogheir,Y., Singh,V.P. 2002. Application of information theory to groundwater quality monitoring networks. Water Resources Management. 16.1: 37-49.
Mogheir,Y., Singh,V.P. 2003. Specification of information needs for groundwater management planning in developing country. Groundwater Hydrology. Balema Publisher, Tokyo. 2: 3-20.
Nash, J.E., Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part I—A discussion of principles. Journal of hydrology, 10(3): 282-290.
Nunes,L.M., Cunha,M.C., Ribeiro,L. 2004. Groundwater monitoring network optimization with redundancy reduction. Journal of Water Resources Planning and Management. 130.1: 33-43.
Ozkul,S., Harmancioglu,N.B., Singh,V.P. 2000. Entropy-based assessment of water quality monitoring networks. Journal of hydrologic engineering. 5.1: 90-100.
ŞARLAK,N. 2005. Evaluation and modeling of sreamflow data: Entropy method, Autoregressive models with asymmetric innovation and artificial neural networks (Doctoral dissertation, MIDDLE EAST TECHNICAL UNIVERSITY).
Sen,P.K. 1968. Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association. 63.324: 1379-1389.
Shannon,C.E. 1948. A mathematical theory of communication, bell System technical Journal 27: 379-423 and 623–656. Mathematical Reviews (MathSciNet): MR10, 133e.
Socha,K., Dorigo,M. 2008. Ant colony optimization for continuous domains. European journal of operational research. 185.3: 1155-1173.
Stützle,T., Hoos,H.H. 2000. MAX–MIN ant system. Future generation computer systems. 16.8: 889-914.
Theil,H. 1950. A rank-invariant method of linear and polynomial regression analysis, 3; confidence regions for the parameters of polynomial regression equations. Stichting Mathematisch Centrum. Statistische Afdeling, (SP 5a/50/R). 1-16.
Vapnik,V. 1998. Statistical learning theory. 1998. Wiley, New York.
Zhu,Q., Shen,L., Liu,P., Zhao,Y., Yang,Y., Huang,D. Yang,J. 2015. Evolution of the Water Resources System Based on Synergetic and Entropy Theory. Polish Journal of Environmental Studies. 24.6: 2727-2738.
نشریه آبیاری و زهکشی ایران
دوره 13، شماره 2 - شماره پیاپی 74
خرداد و تیر 1398
صفحه 296-308

فایل ها

هم رسانی

ارجاع به این مقاله

آمار