در این تحقیق، توزیع بارش، دما و تبخیر در حوضه سیدیسویو با استفاده از روش وزنی معکوس فاصله (IDW) مورد تجزیه و تحلیل قرار گرفت. از آنجایی که داده‌های واقعی هواشناسی حوضه (بارش، دما و تبخیر) توزیع نرمال ندارند، پس از فرآیند نرمال‌سازی نقشه‌های بارش، دما و توزیع تبخیر ترسیم می‌شوند. تعداد ایستگاه های هواشناسی و به عبارت دیگر تعداد نمونه ها کم است، بنابراین در این تحقیق تنها از روش IDW استفاده شده است. علاوه بر تحقیق، پایایی نتایج به‌دست‌آمده با استفاده از روش وزن‌دهی معکوس فاصله‌ای با تحلیل دقت مورد بررسی قرار گرفت. هدف از این مطالعه، توزیع مکانی داده‌های هواشناسی بر روی یک حوضه یا مناطق، نشان دادن قابلیت کاربرد مبنای آماری است.

کلید واژه ها

وزن معکوس فاصله (IDW) ، سیستم های اطلاعات جغرافیایی (GIS) ، هواشناسی ، حوضه سیدیسویو

1. مقدمه

مدیریت منابع آب بر اساس حوضه و همراه با سایر منابع طبیعی بر اساس قانون توسعه پایدار ضروری است. ابزار اساسی برای برآوردن این الزامات، یک سیستم اطلاعات حوضه قابل به روز رسانی و سازگار است. مفهوم و فلسفه سیستم اطلاعات حوضه هنوز در ترکیه رایج نشده است. در نتیجه، در مدیریت حوضه حتی در ابتدا نقص قابل توجهی وجود دارد [ 1] . هدف اصلی در مدیریت حوضه حفاظت از منابع طبیعی، توانمندسازی محیط برای تجدید خود و مدیریت پایدار آنهاست. سیستم های اطلاعات جغرافیایی (GIS) به عنوان ابزاری فناورانه و ضروری به منظور فراهم آوردن محیط های لازم برای جمع آوری، ذخیره داده های حوضه و بررسی آنها به گونه ای در نظر گرفته می شود که امکان تحلیل فضایی را برای چنین بینش برنامه ریزی فراهم کند. 2 ] .

در طرح‌های مدیریت حوضه، توزیع منطقه‌ای داده‌های اقلیمی را می‌توان با استفاده از مقادیر مشاهده نقطه‌گذاری به کمک GIS در لایه‌های مختلف تولید کرد. این امر استفاده از GIS را ضروری می کند. در حین تعریف توزیع های منطقه ای پارامترهای اقلیمی و تولید لایه های اقلیمی مرتبط، می توان روش های زیادی را مشاهده کرد. با این حال، یک روش مناسب برای یک منطقه برای منطقه دیگر مناسب نیست. بنابراین لازم است تحقیقات مشابه با توجه به ویژگی‌های منطقه‌ای و ساختار داده‌های موجود در هر منطقه با روش‌های متفاوتی اعمال شود [ 3 ]. در این شرایط، تعریف روش مناسب تر برای یک منطقه یا حوضه، مشکل ایجاد می کند.

داده های تبخیر، دما و بارش به طور دقیق در ایستگاه های رصد هواشناسی مشاهده می شود. چون این داده ها از این طریق به دست می آیند، دارای ویژگی های نقطه گذاری هستند. در نتیجه لازم است تمامی توزیع‌ها در لایه‌های مختلف، در محیط GIS با استفاده از داده‌های اقلیمی که دارای مقادیر مشاهده‌ای نقطه‌گذاری هستند، تولید شود. بنابراین امکان مطالعه و بررسی روابط بین لایه های داده وجود دارد. در تحقیقاتی که هدف آن توسعه منابع آبی به جای مقادیر بارندگی نقطه‌گذاری شده است، از میانگین عمق بارش در یک منطقه خاص استفاده می‌شود [ 4 ].

2. مواد و روشها

مواد اصلی مورد استفاده در این مطالعه، نقشه های شطرنجی، نقشه های برداری و داده های هواشناسی حوضه رودخانه سیدیسویو می باشد. 54 نقشه شطرنجی در مقیاس 1/25000 اسکن شده و تصحیح شده و 54 نقشه برداری هماهنگ (منطقه UTM 36N و سیستم مختصات داده اروپایی 1950-ED50) حوضه رودخانه سیدیسویو و سایر حوضه های همسایه از نقشه های دولتی هیدرولیک (DSI) ارائه شد. حوضه Seydisuyu و حوضه های مجاور را پوشش می دهد.

برای تحلیل فضایی انجام شده در حوضه رودخانه Seydisuyu، از نرم افزار GIS ArcGIS 9.3.1 استفاده شد. سپس مدل رقومی ارتفاعی حوضه از این نقشه ها با استفاده از نرم افزار GIS نسخه 9.3 به دست آمد. داده‌های مورد نیاز برای تعیین بلندمدت، شامل مقادیر میانگین ماهانه بین سال‌های 1991 تا 2011 (سوابق 20 ساله)، ویژگی‌های هواشناسی حوضه (بارش، دما، تبخیر، رطوبت نسبی، باد، برف و غیره) است. سازمان هواشناسی کشور (DMI) [ 5 ] . داده های گمشده هواشناسی لازم چند سال با استفاده از روش همبستگی های آماری ایجاد شد.

به منظور تعیین مرزهای حوضه هیدرولوژیکی حوضه های رودخانه سیدیسویو، از نقشه های برداری دیجیتالی 1/25000 مقیاس برای تولید مدل ارتفاعی دیجیتال (DEM) حوضه استفاده شد. سپس DEM مطابق با مرزهای حوضه برش داده شد. در طی این فرآیند از ArcInfo 9.3.1 استفاده شد.

با استفاده از DEM تولید شده با نرم‌افزار GIS، زیرحوضه‌های حوضه تعیین و تحلیل‌های مکانی برای تهیه نقشه‌های توپوگرافی، شیب، جهت و سه بعدی (3 بعدی) منطقه مورد مطالعه انجام شد. DEM همچنین برای تعیین منطقه زهکشی و مرزهای زیرحوضه حوضه استفاده شد. ArcHydro Tools 9، یک برنامه رابط ArcInfo، برای تشخیص جهت جریان استفاده شد. بدین ترتیب، شبکه زهکشی مصنوعی و مساحتی که در نتیجه نزولات جوی در زیرحوضه ها شکل می گیرد و همچنین جریان اصلی هر زیرحوضه نیز تعیین شد.

داده های هواشناسی با استفاده از داده های MGS هر استان در Microsoft Excel تجزیه و تحلیل و سازماندهی شد. مختصات MGS هر استان به نرم افزار GIS منتقل شد.

برای اینکه بتوان با یک مجموعه داده تخمین درستی داشت، باید توزیع نرمال داشته باشد. داده های هواشناسی به دست آمده از DMİ مورد تجزیه و تحلیل قرار گرفت و مشخص شد که از نظر آماری توزیع نرمال ندارند. برای داشتن توزیع نرمال برای یک مجموعه داده، ضریب Skewness باید نزدیک به صفر (0) و ضریب Kurtosism باید نزدیک به سه (3) باشد. مقادیر میانگین و میانه نیز باید به یکدیگر نزدیک باشند. به منظور نرمال سازی مجموعه داده ها برای تخمین صحیح، برخی از تبدیل ها مانند لگاریتم (Log)، لگاریتم طبیعی (ln)، سینوسی (sin)، کسینوس (Cos)، مماس (tan) و ریشه مربع اعمال شد.

تبدیل، که داده ها را به توزیع نرمال نزدیک می کند، به عنوان پایه استفاده می شود و آن مقادیر در فرآیند تخمین استفاده می شود. با این حال، تبدیل مناسبی برای توزیع نرمال بر روی داده های دما وجود نداشت، بنابراین از روش متفاوتی استفاده شد. داده‌های دمای سالانه از ارتفاع ایستگاه‌های مشاهده به ارتفاع سطح دریا تنزل داده شد و داده‌ها به عنوان مقادیر دما در سطح دریا مرتب شدند. توزیع نرمال با این روش به دست آمد و فرآیند تخمین آغاز شد. هدف از این مطالعه، مقایسه با استفاده از دو روش مرتبط با فاصله (Inverse Distance Weighted-IDW و Kriging) بود، اما روش کریجینگ به دلیل تعداد ناکافی نمونه در فرآیند تخمین مورد استفاده قرار نگرفت. در این تحقیق، برآورد مکانی با روش IDW با استفاده از داده های هواشناسی (تبخیر، دما،

3. منطقه مطالعه

منطقه تحقیق حوضه سیدیسویو است که زیرحوضه رودخانه ساکاریا است. حوضه سیدیسویو در منطقه آناتولی مرکزی، بین 38 درجه و 85 دقیقه – 39 درجه و 36 دقیقه عرض شمالی و 30 درجه و 16 دقیقه – 31 درجه و 07 دقیقه طول شرقی است. آبهای حوضه توسط رودخانه سیدیسویو به رودخانه ساکاریا ریخته می شود. حوضه سیدیسویو در شرق توسط ساکاریا-ساریسو، پورسوک-ساریسونگور، پورسوک-کالابک، از جنوب غربی توسط بویوک مندرس، گدیز و پورسوک-ساریسونگور و در جنوب شرقی توسط حوضه های ساکاریا-بارداکچی و آکارکای احاطه شده است. به عنوان مرز حوضه هیدرولوژیکی، بخش بزرگی از حوضه در مرزهای استانی اسکی‌شهیر و بخش‌های باقی‌مانده در مرزهای استانی افیون و کوتاهیا قرار دارد. ولسوالی های سیدغازی، محمودیه اسکی شهیر، شهر کرکا و 51 روستا در این حوضه قرار دارند. حوضه سیدیسویو مساحتی به سال 1816 را پوشش می دهد.و تقریبا 13 درصد از مساحت اسکی شهیر را پوشش می دهد. موقعیت جغرافیایی حوضه در ترکیه در شکل 1 آمده است.

4. تعریف مرزهای حوضه هیدرولوژیکی سیدیسویو با استفاده از سیستم های اطلاعات جغرافیایی (GIS)

برای تخمین پتانسیل برق آبی حوضه سیدیسویو، شناخت مرزهای هیدرولوژیکی آن و تحلیل سطحی آن ضروری است. با این هدف، ویژگی‌های حوضه با کمک نقشه‌های دیجیتالی تعریف شد. مدل رقومی ارتفاع (DEM) حوضه با استفاده از 1/25000 نقشه برداری رقومی مقیاس شده تشکیل شده است. ارتفاع دیجیتال

مدل بریده شد و برای مرزهای هیدرولوژیکی حوضه تجزیه و تحلیل شد. مدل ارتفاعی رقومی حوضه و زیرحوضه سیدیسویو در شکل 2 (الف) و شکل 2 (ب) ارائه شده است.

4.1. زیرحوضه های حوضه سیدیسویو و تعریف مناطق زهکشی این حوضه ها

حوضه های فرعی که حوضه اصلی را تشکیل می دهند، با تحلیل هیدرولوژیکی بر روی مدل رقومی ارتفاعی ترسیم شدند. همچنین نقشه شاخص شیب، نقشه نوردهی، نقشه ارتفاعی و نقشه سه بعدی حوضه در محیط GIS با استفاده از مدل رقومی ارتفاعی ایجاد شد. منطقه زهکشی حوضه، مرزهای زیرحوضه ها و جهت جریان یافت شد. بدین ترتیب، شبکه و مساحت زهکشی که در اثر بارش در هر زیرحوضه تشکیل شده است، به دست آمده و در شکل 2 (ب) ارائه شده است. علاوه بر این، جریان اصلی هر زیرحوضه یافت شد. طول جریان اصلی 121.84 کیلومتر است.

در این تحقیق داده های قابل توجهی از جمله تعداد نهر اصلی و دیگر نهرها، طول کل نهرها و شیب هر نهر نیز مشخص شد. بخش های طولی جریان اصلی یافت شد. کل مساحت هیدرولوژیکی حوضه سیدیسویو 1816.1 کیلومتر مربع ^است . حوضه سیدیسویو عمدتاً دارای 5 زیرحوضه است. بزرگترین حوضه عدد 5 است که مساحت آن 733.36 کیلومتر مربع ^است . کل مساحت حوضه سیدیسویو و مساحت هر حوضه در جدول 1 ارائه شده است .

4.2. ویژگی های فضایی کل حوضه سیدیسویو

ویژگی های فضایی حوضه زمانی مشخص شد که نقشه ارتفاع، نقشه شاخص شیب، نقشه نوردهی، نقشه برجستگی سایه و داده ها و نقشه های فراوان با استفاده از مدل رقومی ارتفاعی حوضه به دست آمد. هر واحد از این داده ها به معنای اطلاعات قابل توجهی در برنامه ریزی سد است. ویژگی های فضایی حوضه با روش آمار زمین طبقه بندی و در شکل های 3(a)-(d) ارائه شده است.

هنگامی که نقشه های توپوگرافی حوضه سیدیسویو تحلیل می شود، می توان دریافت که ارتفاع بین 850 تا 1825 است.

متر مساحت حوضه بین 1000 تا 1300 متر 50.5 درصد (917.2 کیلومتر مربع ⁾ از کل مساحت را در بر می گیرد ( شکل 3 (الف)). شیب حوضه 67.37 درصد (1223.08 کیلومتر مربع ⁾ بین 0 تا 10 درجه است و دشت ها بخش زیادی از حوضه را به خود اختصاص داده اند. نواحی بلندتر در قسمت های غربی حوضه قرار دارند. میزان مناطق در حوضه با شیب 30 درجه یا بیشتر 0.88٪ (16.052 کیلومتر مربع ⁾ است و بخش کوچکی از حوضه است ( شکل 3 (ب)). تحلیل نوردهی زاویه جغرافیایی سطح به سمت شمال است. تقریباً 06/25 درصد (114/455 کیلومتر مربع ⁾ از تپه‌های شرق و جنوب شرقی تشکیل شده است ( شکل 3)(ج)). می توان ساختار کلی و دشت ها را در نقشه برجسته سایه دار در شکل 3 (د) به وضوح مشاهده کرد.

5. تعریف مشخصات هواشناسی حوضه

حوضه Seydisuyu منعکس کننده ویژگی های آب و هوایی منطقه آناتولی مرکزی است. با این حال، کمی ویژگی های آب و هوایی منطقه اژه را نیز منعکس می کند. تفاوت های اقلیمی بین بخش های غربی و شرقی حوضه وجود دارد. حوضه سیدیسویو در تابستان خشک و گرم است در حالی که در زمستان سرد و مرطوب است. داده های هواشناسی حوضه توسط ایستگاه های رصد هواشناسی در اسکی شهیر، کوتاهیا، افیون، بیلجیک و آنکارا اندازه گیری می شود. داده های اندازه گیری شده مانند بارش (mm)، دما (˚C) و تبخیر (mm) داده های متوسط ​​ماهانه بلند مدت هستند و برای سال های 1991 تا 2010 (19 سال) از اداره کل هواشناسی به دست آمده اند. این داده های خام سازماندهی شده و میانگین، حداقل و حداکثر ماهانه داده های هواشناسی به دست آمد.

ارزیابی آماری داده های هواشناسی

پارامترهای توزیع مجموعه داده ها به صورت آماری مورد بررسی قرار گرفت. پس از آن، با استفاده از داده های به دست آمده از اداره کل هواشناسی، نقشه های پراکنش با روش های برآورد مربوط به فاصله ترسیم شد. به منظور برآورد قابل اعتماد، لازم است یک مجموعه داده دارای توزیع نرمال باشد. تخمین‌هایی که با مجموعه داده‌هایی که توزیع نرمال ندارند انجام می‌شوند، نتایج قابل اعتمادی به دست نمی‌دهند. بنابراین، پارامترهای توزیع مجموعه داده های بارش، دما و تبخیر به صورت آماری مورد ارزیابی قرار گرفت. این ارزیابی در جدول 2 ارائه شده است .

هنگامی که پارامترهای توزیع در جدول 2 مورد بررسی قرار می گیرند، مشاهده می شود که داده ها دارای توزیع نرمال آماری نیستند. برای داشتن توزیع نرمال برای یک مجموعه داده، ضرایب Skewness باید نزدیک به صفر (0) و ضرایب چسبندگی باید نزدیک به سه (3) باشد. مقادیر میانگین و میانه نیز باید به یکدیگر نزدیک باشند. به منظور عادی سازی مجموعه داده ها برای یک تخمین صحیح، برخی از تبدیل ها مانند log، ln، sin، cos، tan و ریشه مربع اعمال شد ( شکل 4).). تبدیل، که داده ها را به توزیع نرمال نزدیک می کند، به عنوان پایه استفاده می شود و آن مقادیر در فرآیند تخمین استفاده می شود. مشاهده شد که در تبدیل برای تبخیر و تبدیل ورود به سیستم برای بارندگی مقادیر به توزیع نرمال نزدیک می‌شوند. با این حال، مقادیر دما با وجود آن تبدیل‌ها، توزیع نرمال نداشتند. لذا با روش دیگری مورد ارزیابی قرار گرفتند. همانطور که مشخص است، ویژگی های فضایی، مانند ارتفاع، شیب و قرار گرفتن در معرض، یک ایستگاه اندازه گیری بر مقادیر دما تأثیر می گذارد. یک ایستگاه اندازه گیری در توپوگرافی شیب بالا نمی تواند تابش خورشید را مستقیماً دریافت کند. بنابراین مقادیر دما پایین خواهد بود. هنگامی که نوردهی (وضعیت قرار گرفتن سازندهای جغرافیایی در معرض خورشید) در نظر گرفته شود، تشكل‌هاي جغرافيايي در تپه‌هاي شمالي و شرقي براي مدت كوتاه‌تري نور خورشيد را دريافت مي‌كنند. این باعث می شود که مقادیر دما پایین بیاید. ارتفاع یکی از عواملی است که بیشتر بر دما تأثیر می گذارد. در حالی که وقتی از سطح دریا بالا می رویم در هر 100 متر دما 0.5 درجه سانتیگراد کاهش می یابد، وقتی به سطح دریا می رویم 0.5 درجه سانتیگراد افزایش می یابد. هنگامی که این واقعیت که این عوامل بر دما تأثیر می‌گذارند در نظر گرفته می‌شود، واضح است که هر ایستگاه اندازه‌گیری به دلیل ویژگی‌های مکانی (ارتفاع، شیب، قرار گرفتن در معرض) می‌تواند نتایج متفاوتی به دست آورد. بنابراین مقادیر دما با روش معادله (1) تا سطح دریا کاهش یافت. وقتی از سطح دریا بالا می رویم در هر 100 متر 5 درجه سانتیگراد، وقتی تا سطح دریا پایین می آییم 0.5 درجه سانتیگراد افزایش می یابد. هنگامی که این واقعیت که این عوامل بر دما تأثیر می‌گذارند در نظر گرفته می‌شود، واضح است که هر ایستگاه اندازه‌گیری به دلیل ویژگی‌های مکانی (ارتفاع، شیب، قرار گرفتن در معرض) می‌تواند نتایج متفاوتی به دست آورد. بنابراین مقادیر دما با روش معادله (1) تا سطح دریا کاهش یافت. وقتی از سطح دریا بالا می رویم در هر 100 متر 5 درجه سانتیگراد، وقتی تا سطح دریا پایین می آییم 0.5 درجه سانتیگراد افزایش می یابد. هنگامی که این واقعیت که این عوامل بر دما تأثیر می‌گذارند در نظر گرفته می‌شود، واضح است که هر ایستگاه اندازه‌گیری به دلیل ویژگی‌های مکانی (ارتفاع، شیب، قرار گرفتن در معرض) می‌تواند نتایج متفاوتی به دست آورد. بنابراین مقادیر دما با روش معادله (1) تا سطح دریا کاهش یافت.

(1)

T _d : دما (کاهش به سطح دریا). T _i : میانگین دمای ایستگاه. h _i : ارتفاع ایستگاه.

مقادیر دمایی که تا سطح دریا کاهش می‌یابد، در پایگاه داده GIS پردازش شدند. پس از آن، بررسی شد که آیا پارامترهای توزیع این مقادیر پردازش شده با توزیع نرمال مطابقت دارند یا خیر.

هنگامی که جدول 2 و جدول 3 مورد بررسی قرار می گیرند، مشاهده می شود که ضریب چولگی نزدیک به صفر (0) و ضریب چسبندگی نزدیک به سه (3) است. داشتن یک توزیع نرمال کامل امکان پذیر نیست زیرا داده ها دارای توزیع همگن فضایی نیستند و ایستگاه های اندازه گیری چند نقطه ای وجود دارد. با انجام تبدیل های لازم، نزدیک ترین پارامترهای توزیع به توزیع نرمال به دست آمد.

6. روش های برآورد فضایی

تخمین به عنوان یک روش ریاضی تعریف می شود که برای تخمین داده های ناقص در یک سری ایجاد شده است

[ 6 ] . تخمین که به ایجاد داده های جدید با عملیات محاسباتی با استفاده از داده ها در مکان های خاص کمک می کند، فرآیند محاسبه تابع است که برای این محاسبه ضروری است [ 7 ] [ 8 ]. امروزه برای بیان داده هایی که از نقاط خاصی که مختصات آن در کاربردهای GIS مشخص است، جمع آوری می شود، از روش های تخمین فضایی مربوط به فاصله استفاده می شود. به عبارت دیگر، از نقاط خاص ارجاع فضایی. در نتیجه تخمین، سطوح شطرنجی با داده‌های برداری محاسبه می‌شوند که در هندسه نقطه‌ای شناسایی می‌شوند. روش‌های تخمین مربوط به موقعیت و فاصله (IDW، همسایگان طبیعی، Spline، Kriging، و غیره) سعی می‌کنند مقادیر مکان‌هایی را با مقادیر ناشناخته حدس بزنند [ 9 ]] . روش های تخمینی که با توجه به انواع داده های مدل سازی شده انتخاب می شوند، مدل های بهتری ارائه می دهند. در این تحقیق، کاربرد روش IDW بر داده‌ها بررسی شد، سطوح شطرنجی به‌دست‌آمده برای مرزهای حوضه بریده شد و نقشه‌های توزیع بارش، دما و تبخیر حوضه مدل‌سازی شد.

روش وزنی با فاصله معکوس (IDW).

وزن دهی معکوس فاصله یک روش تخمینی است که ارزش وزن بیشتری را به نقاط نزدیک نسبت به نقاط دورتر اختصاص می دهد و تمام نقاط نمونه را در نظر می گیرد [ 10 ]. هر نقطه نمونه با توجه به فاصله آنها تا نقطه، مقدار وزنی متناسب معکوس دریافت می کند که مقدار آن تخمین زده می شود. مقدار تخمینی در نقطه x ₀ همانطور که در رابطه (3) نشان داده شده است محاسبه می شود.

(2)

(3)

مقدار تخمینی x ₀ را نشان می دهد و مقدار نقطه نمونه را در نقطه x _i نشان می دهد. W _i وزن فاصله معکوس نمونه را در x _i از x ₀ نشان می دهد و d فاصله بین نقطه نمونه و نقطه را نشان می دهد که تخمین زده می شود. p مقدار نمایی و n تعداد نقاط نمونه را نشان می دهد.

7. مدل سازی نقشه های توزیع داده های هواشناسی در حوضه سیدیسویو

7.1. مدل سازی داده های هواشناسی در حوضه با استفاده از روش IDW

مکان های جغرافیایی ایستگاه ها، که در آن داده های هواشناسی (بارش، دما، تبخیر) اندازه گیری می شود، در شکل 5(a)-(c) نشان داده شده است.

تبدیل‌ها به منظور نرمال‌سازی داده‌های خام در شکل 4 انجام شد، زیرا از نظر آماری توزیع نرمال نداشتند و به توزیع نرمال تبدیل شدند. هیستوگرام داده های تبدیل شده ایجاد شد و آنها به صورت آماری مورد ارزیابی مجدد قرار گرفتند. پس از آن، نقشه های توزیع در حوضه با استفاده از روش وزن دهی معکوس فاصله مدل سازی شد. نتایج مدلسازی در شکلهای 6(a)-(c) ارائه شده است.

نقشه هایی که پس از فرآیند تخمین ترسیم شده اند، با داده های تبدیل شده ترسیم شده اند، بنابراین باید به مقادیر واقعی تبدیل شوند. بنابراین، مقادیر بارش و تبخیر با استفاده از ماشین حساب رستری به مقادیر واقعی هواشناسی تبدیل شد. داده های توزیع دما با مدل رقومی ارتفاعی منطقه در حین تبدیل مجدد آنها پردازش شد. در این روش، داده‌های مدل رقومی ارتفاع از نظر مقادیر دما در فواصل 100 متری طبقه‌بندی شدند و نقشه دمایی که مقادیر دمای واقعی را نشان می‌دهد، با کم کردن داده‌های ارتفاع رقومی از مقادیر دمای سطح دریا ترسیم شد (شکل 7 )-(ج)).

7.2. تجزیه و تحلیل دقت

برای اطمینان از برآوردها، سه ایستگاه رصد هواشناسی با پراکندگی فضایی مناسب به عنوان نقطه کنترل انتخاب شدند و توزیع بارش، دما و تبخیر بدون این داده ها با استفاده از روش درونیابی IDW اعمال شد.

مقادیر سطحی که با استفاده از داده‌های تبدیل شده قبلی برای توزیع نرمال به‌جای مقادیر واقعی ایستگاه‌های کنترل محاسبه شده‌اند، با مقادیر محاسبه‌شده مقایسه شده و دقت برآوردها با محاسبه ریشه میانگین مربعات خطا (RMSE) در این محدوده مورد تجزیه و تحلیل قرار گرفته است (جدول 4-6).

دقت تخمین ها به محل ایستگاه های کنترل انتخاب شده برای تجزیه و تحلیل دقت و موقعیت مقدار اندازه گیری در آن ایستگاه در میان گروه داده های عمومی و همچنین پراکندگی نقاط منبع داده بستگی دارد. در صورتی که داده های ایستگاه کنترل شامل بیشترین یا کمترین مقدار گروه داده باشد یا موقعیت ایستگاه نزدیک به مرزهای منطقه تحقیقاتی باشد، ارزش این ایستگاه را با دقت بالا با استفاده از مقادیر دیگر ارزیابی کنید.

ایستگاه ها امکان پذیر نخواهد بود. بنابراین، تعریف ایستگاه‌های کنترل یک مؤلفه مهم برای ارزیابی صحیح نتایج تحقیق در حین تحلیل دقت است.

8. نتایج و نتیجه گیری

با توجه به نتایج تجزیه و تحلیل دقت، مقادیر ریشه میانگین مربعات خطای نتایج برآورد که با روش وزن دهی معکوس فاصله محاسبه شده است، نزدیک به صفر (0) بوده که در جداول 4-6 مشاهده می شود. ابتدا لازم است داده هایی که برای تخمین استفاده خواهند شد، از نظر آماری ارزیابی شوند تا روش تخمین نتایج قابل اعتمادی به دست دهد. در نتیجه، پارامترهای توزیع داده های هواشناسی مورد مطالعه آماری قرار گرفت و مقادیری که توزیع نرمال نداشتند، نرمال شدند. پس از آن، مجموعه داده های نرمال شده با روش وزن دهی معکوس فاصله مدل سازی شدند. نتایج تخمینی که از مقادیر نرمال شده به دست آمد، دارای مقادیر واقعی نبودند، بنابراین لازم بود آنها را به مقادیر واقعی خود تبدیل کنید. با این هدف، داده ها بر اساس پیکسل با استفاده از ماشین حساب شطرنجی برای تبدیل داده ها به مقادیر واقعی خود دوباره تبدیل شدند. میزان دقت مدل‌های به‌دست‌آمده، پارامتر مهمی برای پایایی پژوهش بود. بنابراین، تجزیه و تحلیل دقت بر روی مدل ها انجام شد و مشاهده شد که مقادیر میانگین مربعات خطای ریشه نزدیک به صفر است. نزدیک بودن مقادیر میانگین مربعات خطای ریشه به صفر نشان می دهد که دقت مدل های به دست آمده بالا و قابل اعتماد است.

منابع

[ 1 ]	Sen, Z. (2002) Hidrolojide; Veri Islem، Yorumlama ve Tasarim.، Seminer Notlari، Su Vakfi Yayinlari، استانبول
[ 2 ]	Nisanci, R., Yildirim, V. and Yildrim, A. (2007) Su Havzalarina Yonelik CBS Veri Tabani Modellemesi: Trabzon Galyan Vadisi Ornegi, TMMOB Cografi Bilgi Sistemleri Kongresi, Trabzon.
[ 3 ]	Güler, M. and Kara, T. (2007) Alansal Dagilim Ozelligi Gosteren Iklim Parametrelerinin Cografi Bilgi Sistemleri Ile Belirlenmesi ve Kullanim Alanlari; Genel Bir Bakis, Ondokuz Mayis üniversitesi, Ziraat Fakültesi Dergisi, s: 322-328.
[ 4 ]	Cruetin, JD and Obled, C. (1982) تکنیک های تحلیل هدف و نقشه برداری برای میدان های بارندگی: مقایسه هدفی. تحقیقات منابع آب، 18، 413-431.
[ 5 ]	Devlet Meteoroloji Isleri Genel Müdürlügü (DMI) (2011) آنکارا. https://www.dmi.gov.tr/index.aspx#sfU
[ 6 ]	BSTS (2004) BSTS/oktisat Terimleri Sgzlügü، https://tdkterim.gov.tr/bts/
[ 7 ]	Waters, NM (1988) Expert Systems and Systems of Experts, Chapter 12. In: Coffey, WJ, Ed., Geographical Systems and Systems of Geography, University of Western Ontario, London.
[ 8 ]	Kahaner, D., Moler, C. and Nash, S. (1989) Numerical Methods and Software. سالن پرنتیس، صخره های انگلوود.
[ 9 ]	Uygucgil, H. (2007) Cok degiskenli Maden Yataklarinda Rezerv Tenor Tahmininde Jeoistatistik ve Cografi Bilgi Sistemleri Tekniklerinin Kullanimi, Eskisehir Osmangazi üniversitesi Fen Bilimleri Enstitüsü, Doktora Tezi, syf:828.
[ 10 ]	Dogru, AO, Keskin, M., OzdoGu, K., Iliev, N., Ulugtekin, N., Bektas, BF, Goksel, O. and Sozen, S. TMMOB Cografi Bilgi Sistemleri Kongresi، آنتالیا.