نشریه علمی - پژوهشی مرتع و آبخیزداری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی‏ ارشد، مهندسی جنگل، دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

2 دانشیار، گروه احیاء مناطق خشک و کوهستانی، دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

3 دانشیار، گروه جنگل‏داری و اقتصاد جنگل، دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

4 دانشجوی کارشناسی‏ ارشد آبخیزداری، دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

چکیده

الگوی توزیع بارش 24 ساعته و رابطه آن با بارش‏های کوتاه‌مدت، یکی از مباحث مهم در مطالعات مربوط به هیدرولوژی همچون شبیه‏سازی سیلاب و طراحی سازه‏های آبی است. ازاین‌رو در این مطالعه، جهت نیل به این هدف، ابتدا با استفاده از داده‏های ایستگاه باران‌نگار نوشهر در یک منطقه جنگل ساحلی در شمال ایران، به بررسی روابط بارش روزانه با بارش ساعتی و دقیقه‌ای پرداخته شد. سپس الگوی توزیع زمانی بارش روزانه با استفاده از روش‏های Pilgrim و Huff مورد بررسی قرار گرفت و درنهایت الگوی نقطه‌ای به‌دست‌آمده با به‌کارگیری آماره‌های ارزیابی قدر مطلق درصد خطای نسبی، قدر مطلق خطای میانگین، خطای میانگین و ریشه میانگین مربعات خطا مورد مقایسه قرار گرفت. نتایج بررسی روابط بارش 24 ساعته با بارش‌های 5 و 30 دقیقه‏ای و همچنین 1، 2، 3، 6، 9، 12 و 18 ساعته نشان داد که در تمامی موارد رابطه نمایی نسبت به روابط رگرسیونی خطی و لگاریتمی، بهتر می‏تواند این رابطه را تبیین کند. بررسی الگوی توزیع زمانی بارش نشان داد که در تمامی وقایع 24 ساعته استخراج شده، بیشترین میزان بارندگی در چارک اول رخ می‌دهد و در غالب رخدادهای بارش از ابتدا تا انتهای زمان بارش، شدت بارش به‌طور مداوم کمتر می‌شود، به‌گونه‌ای که در طول زمان بارش هیچ‌گونه نوسانی که شدت بارش دوباره افزایش پیدا کند مشاهده نمی‌شود. همچنین نتایج حاکی از آن بود که در مناطق مشابه، الگوی SCS-type IA می‌تواند برآورد قابل قبولی را در مقایسه با سایر الگوهای مورد بررسی نشان دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Daily Rainfall Temporal Distribution Patterns and its Relations with Short-Term Precipitations in Coastal – Forest Areas (Case Study: Nowshahr Station, Northern Iran)

نویسندگان [English]

  • Maryam Moradnezhadi 1
  • Arash Malekian 2
  • Meghdad Jourgholami 3
  • Ali Ghasemi 4

1 MSc. Student of Forest Engineering, Faculty of Natural Resources, University of Tehran, I.R.IRAN.

2 Assistant professor, Faculty of Natural resources, University of Tehran, I.R.IRAN

3 Assistant professor, Department of Forestry and Forest Economics, Faculty of Natural Resources, University of Tehran, I.R.IRAN

4 MSc. Student of Watershed Management, Faculty of Natural Resources, University of Tehran, I.R.IRAN.

چکیده [English]

24 hour precipitation distribution pattern and its relationship to short-term rainfall is an important issue in hydrology studies such as in flood simulation and in design of hydraulic structures. Accordingly, this study made an attempt to investigate the relationship between daily precipitation and hourly and minute precipitation using data from rain gauge station of Nowshahr in a coastal-forest region in north of Iran. The patterns of daily rainfall temporal distribution were examined using Pilgrim and Huff techniques. Finally, the obtained regional pattern using statistics were analyzed to evaluate absolute percent relative error, mean absolute error, root mean squared error and mean square error. Results of the relationship between 24 hour precipitation and 5 and 30 minutes and 1, 2, 3, 6, 9, 12, and 18 h rainfall showed that in all cases an exponential relationship can better explain this relationship than linear regression equations and logarithmic relations. Study of the rainfall temporal distribution pattern showed that in all extracted 24 hour events, the highest rainfall occurred in the lower quartile and in all rainfall events constant decrease in rainfall intensity occurred from the moment it started till it ended so that no fluctuation was observed in precipitation over time signaling that rainfall intensity would increase again. The results indicated that in similar areas, l SCS-type IA model could show reasonably better estimation in comparison with other models.

کلیدواژه‌ها [English]

  • Nowshahr station
  • SCS pattern
  • Huff pattern
  • Rainfall Temporal Distribution
  • 24 hour precipitation
  • riparian forest