مقایسه روش های زمین آماری و شبکه عصبی مصنوعی در برآورد توزیع مکانی عمق برف (مطالعه موردی: حوضه آبخیز سخوید، یزد)

در بسیاری از حوضه های آبخیز کوهستانی، برف انباشته شده در برفچال ها ذخیره درخور توجهی از منابع آب حوضه ها را تامین می کند. بنابراین، پایش این رژیم هیدرولوژیکی، به ویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب به شمار می رود. به دلیل سخت بودن و حتی در برخی موارد ناممکن بودن آماربرداری از داده های برف، توسعه روش هایی برای برآورد عمق برف در نقاط فاقد اندازه گیری و نیز بررسی دامنه کاربرد آن ها امری ضروری است. در این پژوهش محدوده ای به مساحت 16 هکتار در حوضه آبخیز سخوید تفت انتخاب شد و با بهره گیری از 216 داده عمق برف و دخالت 31 پارامتر سرزمین، به ارزیابی کارایی روش های زمین آماری (کریجینگ، کوکریجینگ، روش عکس فاصله) و روش شبکه عصبی مصنوعی در برآورد توزیع مکانی عمق برف پرداخته شد. نتایج این تحقیق نشان داد روش شبکه عصبی مصنوعی با ضریب همبستگی 9/0 و مجذور میانگین استاندارد خطای 8/6 سانتی متر مناسب ترین روش برای برآورد عمق برف در منطقه مورد مطالعه است. همچنین، بهترین مدل عصبی به دست آمده از روش سعی و خطا در این تحقیق مدل پرسپترون چندلایه و بهترین تابع فعالیت تابع سیگموئید تعیین شد. نتایج آنالیز حساسیت با استفاده از شبکه عصبی مصنوعی نیز نشان داد که از بین پارامترهای به کاررفته در شبکه عصبی مصنوعی پارامترهای مقطع طولی انحنا، انحنا، مقطع عرضی انحنا، اثر باد، شیب حوضه، ارتفاع نرمال شده، موقعیت و شیب میانه به ترتیب جزو موثرترین عوامل در برآورد عمق برف اند.