نویسندگان

• حجت‌ا... جلیلیان ¹
• قباد رستمی‌زاد ²
• صالح آرخی ³

¹ دانش‌آموخته کارشناسی‌ارشد آبخیزداری، دانشگاه تهران، ایران

² دانشجوی دکتری علوم آبخیزداری، دانشگاه تهران، ایران

³ استادیار دانشکده کشاورزی، دانشگاه ایلام، ایران

چکیده

متاسفانه در ایران به دلایل مختلف از قبیل خرابی دستگاه‌ها، عدم برداشت داده‌ها، سوانح طبیعی و... بعضی داده‌ها در ایستگاه‌های هیدرومتری ثبت نشده‌اند که موجب بروز نواقص آماری و ایجاد مشکلاتی در تجزیه و تحلیل ایجاد می‌کند. لذا ناگزیر باید این داده‌های گمشده به طریقی برآورد شوند. روش‌های مختلفی برای بازسازی داده‌های گمشده وجود دارند که هرکدام با دخالت دادن متغیرهای ویژه‌ای داده‌ها را برآورد می‌کنند. در این پژوهش از چهار روش رگرسیون تک متغیره، رگرسیون دو متغیره، لانگبین و توماس فیرینگ برای بازسازی داده‌های هیدرومتری شامل دبی ماهانه، دبی سالانه، رسوب و کیفیت آب بهره گرفته شده است. نتایج به‌دست آمده در این پژوهش نشان داد که بین روش‌های مختلف بازسازی دبی متوسط ماهانه در 17 ایستگاه مطالعاتی، از 192 مورد بازسازی، روش لانگبین با 66 مورد (33%) و روش رگرسیون دو متغیره با 52 مورد (27%) بهترین روش‌های بازسازی دبی متوسط ماهانه می‌باشند، و روش رگرسیون دو متغیره از بین 17 ایستگاه در 8 ایستگاه بهترین جواب را داده است و برای برآورد دبی متوسط سالانه مناسب می‌باشد. همچنین نتایج این پژوهش نشان داد که از رابطه بین دبی- رسوب و دبی- کیفیت آب برای بازسازی این داده‌ها با استفاده از روش‌های بکارگرفته شده در این پژوهش نمی‌توان استفاده کرد.

کلیدواژه‌ها

• حوزه آبخیز سفیدرود
• داده‌های هیدرومتری
• روش رگرسیون دو متغیره
• روش لانگبین

عنوان مقاله [English]

Applicability of Various Reconstruction Methods of Hydrometric Data (Case Study: Sefidroud Basin)

نویسندگان [English]

• Hojatollah Jalilian ¹
• Ghobad Rostamizad ²
• Saleh Arkhi ³

¹

²

³

چکیده [English]

The necessity of using discharge data in hydrological designs and regional programming is an unavoidable matter. Unfortunately, malfunctioning of observation instruments, natural disasters and other problems sometimes result in incomplete or missing data. Having of data related to time series is necessary for every investigation about hydrometeorology. Thus missing data should be estimated in a proper way. There are different methods for generation of missing data which estimates the data with regard to particular parameters. In this study, we have used four methods including linear regression, multiple regression, Longbein method and Thomas-Fiering method for reconstruction of hydrometric data including monthly and annual discharge, sediment and water quality data. Results showed that among various methods, in 192 cases of reconstruction of monthly average discharge of 17 stations, Longbein and multiple regression methods in 33% and 27% of the cases have provided the best results, respectively. Two-variable regression in 8 of 17 stations had the best answer and it is suitable for estimating of annual average discharge. Also results indicated that we cannot use of relation between discharge-water quality and discharge-sediment to reconstruct data using above mentioned methods in the Sefidroud basin.

کلیدواژه‌ها [English]

• Hydrometric data
• Longbein method
• multiple regression
• Sefidroud basin