برآورد جریان ماهانه در حوضه های فاقد آمار با استفاده از پارامترهای اقلیمی و فیزیوگرافی حوضه

برآورد دبی در حوضه های آبریز با داده های آماری محدود، همواره مورد توجه پژوهش گران خصوصا در کشور های در حال توسعه می باشد. در بسیاری از موارد، داده های مشاهداتی دبی یا در دسترس نبوده و یا از لحاظ کیفیت و کمیت کافی نیستند. این عامل طرح های مدیریت منابع آب را با مشکل روبه رو می سازد. بنابراین روش هایی که به کمک آن ها بتوان میزان آبدهی رودخانه در حوضه های بدون آمار یا دارای آمار ناقص را تخمین زد، از اهمیت قابل توجهی برخوردار می گردد. بدین منظور روش های متعددی از جمله مدل های آماری، سری های زمانی و مدل های هوشمند توسعه یافته اند که در این میان می توان به مدل درخت تصمیم اشاره کرد که با تولید قانون های ساده، رفتار غیر خطی داده ها را مدل سازی می کند. هدف از این پژوهش ، ارزیابی روش های رگرسیون چند متغیره و مدل درخت تصمیم (M5) به منظور برآورد جریان ماهانه در حوضه های فاقد آمار استان گلستان می باشد.
در این پژوهش استان گلستان که از زیرحوضه هایی متعددی با مشخصات متنوعی برخوردار است به عنوان منطقه مطالعاتی در نظر گرفته شد. پس از استخراج مشخصات فیزیوگرافی حوضه های آبریز، میانگین ماهانه پارامترهای اقلیمی دما و بارش نیز پس از درون یابی در محیط GIS برای هر یک از زیر حوضه ها و در هر یک از ماه های سال های 1390-1363 برآورد گردیدند. پارامترهای اقلیمی (متوسط بارش و دمای ماهانه) و مشخصات فیزیوگرافی (12پارامتر) به عنوان متغیر مستقل وارد مدل رگرسیون چند متغیره و رگرسیون درختیM5 شدند. معیار ارزیابی در این پژوهش، ریشه دوم میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و میانگین خطای اریب (MBE) می باشد.
با توجه به نتایج به دست آمده از مدل رگرسیون چند متغیره و مدل درخت تصمیم، برآورد جریان در ماه های پربارش سال نسبت به ماه های کم بارش از دقت بالاتری برخوردار است بطوری که در روش رگرسیون درختی بهترین برآورد جریان رودخانه در ماه اسفند با ضریب تعیین برابر 864/0، ریشه میانگین مربعات خطای برابر 002/1 و میانگین خطای اریب برابر 026/0به دست آمد و کم دقت ترین برآورد جریان مربوط به ماه مرداد با ضریب تعیین برابر 326/0، ریشه میانگین مربعات خطا برابر 635/0 و میانگین خطای اریب برابر با 000/0 محاسبه گردید. هم چنین در روش رگرسیون چند متغیره نیز ماه اسفند با ضریب تعیین 522/0، ریشه میانگین مربعات خطا 043/2 و میانگین خطای اریب 153/0 بهترین حالت از جریان ماهانه را برآورد نمود و پایین ترین دقت حاصل از این روش به ماه مرداد با ضریب تعیین 103/0، ریشه میانگین مربعات خطا 979/1 و میانگین خطای اریب برابر 020/0 اختصاص پیدا میکند. با توجه به محاسبات مدل درخت تصمیم نسبت به رگرسیون چند متغیره در تمام ماه های سال نتایج بهتری داشته است.
نتایج این پژوهش حاکی از آن است که تخمین دبی ماهانه در ماه های پر بارش سال به کمک مدل های رگرسیون چند متغیره و رگرسیون درختی M5 امکان پذیر است اما در ماه های خشک سال به دلیل رگباری بودن و پراکندگی زیاد بارش در سطح حوضه و خطا در پهنه بندی و درون یابی بارش نتایج خوبی به دست نمی آید. نتایج ارزیابی ها نشان داد که مدل درخت تصمیم دارای دقت بالاتر از مدل رگرسیون چند متغیره برای تخمین دبی رودخانه می باشد. زیرا این روش دارای بیش ترین دقت و کمترین خطا بود. با توجه به معیارهای ارزیابی مدل درخت تصمیم برای ماه های پرباران دارای ضریب همبستگی بیشتری نسبت به ماه های کم باران می باشد.