fa توسعه مدل ترکیبی در تهیه نقشه همباران کشور تخصصي Special پژوهشي Research <table align="right" class="Table" dir="rtl" style="width:100.0%; border-collapse:collapse; border:none" width="100%"> <tbody> <tr> <td style="border-bottom:1px dashed #4bacc6; width:69%; padding:0cm 7px 0cm 7px; height:19px; border-top:1px dashed #4bacc6; border-right:1px dashed #4bacc6; border-left:1px dashed #4bacc6" valign="top"> <table align="right" class="Table" dir="rtl" style="width:100.0%; border-collapse:collapse; border:none" width="100%"> <tbody> <tr> <td style="border-bottom:1px dashed #4bacc6; width:69%; padding:0cm 7px 0cm 7px; height:19px; border-top:1px dashed #4bacc6; border-right:1px dashed #4bacc6; border-left:1px dashed #4bacc6" valign="top"><span style="font-size:11pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="AR-SA" style="font-size:12.0pt"><span style="font-family:&quot;B Mitra&quot;">بارش یکی از مهم‌ترین مؤلفه‌های چرخه هیدرولوژیکی و از اصلی‌ترین عوامل مؤثر بر مدیریت منابع آب، برنامه‌ریزی‌های محیطی و مطالعات اقلیمی است. از این‌رو، تهیه نقشه‌های همباران دقیق و به‌روز در مقیاس ملی از اهمیت ویژه‌ای برخوردار است. هدف این پژوهش، دستیابی به روش ترکیبی مناسب برای تهیه نقشه جدید همباران ایران با استفاده از داده‌های بلندمدت است. بدین منظور، داده‌های بارش 1275 ایستگاه منتخب باران‌سنجی، تبخیرسنجی وزارت نیرو و ایستگاه‌های سینوپتیک سازمان هواشناسی در دوره آماری 1367 تا 1396 گردآوری، کنترل کیفیت و بازسازی شدند. سپس میانگین بلندمدت بارندگی <span style="background:aqua">سالانه</span> هر ایستگاه محاسبه و به‌عنوان داده ورودی مدل‌های درون‌یابی برای تهیه نقشه همباران سالانه ایران مورد استفاده قرار گرفت. پس از بررسی نرمال بودن داده‌ها و اعمال تبدیل باکس-کاکس، عملکرد روش‌های وزن‌دهی معکوس فاصله، کریجینگ معمولی، کریجینگ ساده، کوکریجینگ معمولی و کوکریجینگ ساده با مدل‌های مختلف واریوگرام شامل کروی، نمایی و گوسی ارزیابی شد. همچنین چندین مدل ترکیبی بر پایه مدل‌های برتر توسعه یافت. <span style="background:aqua">در ادامه، به‌منظور بهره‌گیری هم‌زمان از توانایی روش‌های مختلف در نمایش تغییرات محلی و مدل‌سازی ساختار همبستگی فضایی، چندین مدل ترکیبی از طریق تلفیق خطی خروجی مدل‌های برتر درون‌یابی توسعه یافته و مورد ارزیابی قرار گرفتند.</span> عملکرد روش‌های مختلف با استفاده از ضریب همبستگی، میانگین قدر مطلق خطا، میانگین خطای اریب و ریشه میانگین مربعات خطای نرمال‌شده&nbsp; ارزیابی شد. نتایج نشان داد که در میان مدل‌های منفرد، کریجینگ معمولی با واریوگرام کروی بهترین عملکرد را داشته و با ضریب همبستگی 0.951، میانگین قدر مطلق خطای 57.2 <span style="background:aqua">میلی‌متر</span> و ریشه میانگین مربعات خطای نرمال‌شده 20.4 درصد، به‌عنوان دقیق‌ترین روش منفرد شناخته شد. روش وزن‌دهی معکوس فاصله با توان 2.5 نیز پس از این مدل، در رتبه دوم قرار گرفت. در ادامه، با تلفیق خروجی مدل‌های برتر، چندین مدل ترکیبی توسعه یافت که موجب بهبود چشمگیر دقت برآوردها شد. در این میان، مدل ترکیبی کریجینگ معمولی</span></span><span lang="AR-SA" style="font-size:12.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">&ndash;</span></span><span lang="AR-SA" style="font-size:12.0pt"><span style="font-family:&quot;B Mitra&quot;">کروی و وزن‌دهی معکوس فاصله با توان 2.5 با ضریب همبستگی 0.999، میانگین قدر مطلق خطای 2.98 <span style="background:aqua">میلی‌متر</span> و ریشه میانگین مربعات خطای نرمال‌شده 1.23 درصد، بهترین عملکرد را در میان تمامی مدل‌های مورد بررسی به دست آورد. همچنین، تحلیل توزیع فضایی خطای نسبی نشان داد که حدود 98.9 درصد از مساحت کشور در این مدل دارای خطایی کمتر از 10 درصد است، در حالی که این مقدار برای بهترین مدل منفرد تنها 15.7 درصد برآورد شد.</span></span></span></span></span></span></span></td> </tr> </tbody> </table> </td> </tr> </tbody> </table> <span style="font-size:10.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">Precipitation is one of the most important components of the hydrological cycle and one of the main factors affecting water resources management, environmental planning, and climate studies. Therefore, the development of accurate and up-to-date national priciptation maps is of great importance. This study aimed to develop an optimal hybrid spatial interpolation model for producing a new national priciptation map of Iran using long-term precipitation records. For this purpose, precipitation data from 1,275 selected rain gauge, evaporation, and synoptic meteorological stations operated by the Iranian Ministry of Energy and the Iran Meteorological Organization during the period 1988&ndash;2017 were collected, quality-controlled, and completed using appropriate gap-filling techniques. After testing data normality and applying the Box&ndash;Cox transformation, the performance of Inverse Distance Weighting (IDW), Ordinary Kriging (OK), Simple Kriging (SK), Ordinary Co-Kriging (OCK), and Simple Co-Kriging (SCK) with spherical, exponential, and Gaussian variogram models was evaluated. In addition, several hybrid interpolation models were developed by combining the best-performing methods. Model performance was assessed using the correlation coefficient (R), mean absolute error (MAE), mean bias error (MBE), and normalized root mean square error (NRMSE). Among the individual interpolation methods, Ordinary Kriging with the spherical variogram model achieved the highest accuracy, yielding R = 0.951, MAE = 57.2 mm, and NRMSE = 20.4%, while IDW ranked as the second-best individual method. The proposed hybrid models substantially improved interpolation accuracy. In particular, the hybrid model combining Ordinary Kriging (spherical variogram) and IDW with a power parameter of 2.5 produced the best overall performance, with R = 0.999, MAE = 2.98 mm, and NRMSE = 1.23%. Spatial analysis of relative error further demonstrated that 98.9% of Iran&#39;s territory exhibited relative errors below 10% using the hybrid model, whereas this proportion was only 15.7% for the best individual interpolation method. These findings demonstrate that the proposed hybrid approach significantly reduces interpolation uncertainty and provides a highly reliable framework for producing a national-scale priciptation map of Iran.</span></span></span> هم‌باران، زمین‌آمار، کریجینگ، کوکریجینگ، مدل ترکیبی، درون‌یابی مکانی، ایران. precipitation map, Geostatistics, Ordinary Kriging, Co-kriging, Hybrid Model, Spatial Interpolation, Iran 0 0 http://jircsa.ir/browse.php?a_code=A-10-388-2&slc_lang=fa&sid=1 Kazem Saber Chenari کاظم صابرچناری saber.h64@gmail.com 10031947532846006442 10031947532846006442 No Kazem Saber Chenari باقر قرمزچشمه baghergh@gmail.com 10031947532846006443 10031947532846006443 Yes