fa پیش‌بینی توزیع مکانی عمق برف با استفاده از روش رگرسیون کریجینگ و عوارض زمین در منطقه سخوید یزد تخصصي Special پژوهشي Research عمق برف از جمله معمول‌ترین عواملی است که برای ارزیابی منابع آب در حوزه های کوهستانی مورد استفاده قرار می گیرد. با توجه به چالش‌های موجود در اندازه‌گیری داده‌های برف‌سنجی نظیر صعب‌العبور بودن و عدم دسترسی به تمامی نقاط حوزه همواره بخش قابل توجهی از حوزه فاقد داده‌های برف‌سنجی می‌باشد. این در حالی است که اطلاع از توزیع مکانی عمق برف یکی از اساسی ترین نیازهای حوضه‌های آبخیز جهت تعیین بیلان آبی به شمار می رود. در این تحقیق کاربرد روش رگرسیون کریجینگ بر مبنای الگوریتم M5 درخت تصمیم برای برآورد توزیع مکانی عمق برف مورد سنجش قرار گرفته است. بدین منظور ابتدا با استفاده از نمونه‌بردار مدل مونت رز و به طور سیستماتیک به برداشت 206 داده عمق برف در ارتفاعات سخوید یزد اقدام گردید. همچنین30 پارامتر ژئومرفومتری از مدل رقومی ارتفاع و با استفاده از نرم‌افزار SAGA استخراج شدند. نتایج نشان داد که مهم‌ترین پارامترهای معرفی شده در الگوریتم M5 درخت تصمیم شامل سطح اساس شبکه زهکشی، قدرت آبراهه، شاخص رطوبتی و ارتفاع از دریا می باشد. نتایج ارزیابی مدل رگرسیون کریجینگ بر اساس معیار ضریب همبستگی (90 درصد) نشان از کارایی بالای مدل می‌باشد. همچنین روش رگرسیون کریجینگ با توجه به ساده بودن محاسبات و کم هزینه بودن جهت تخمین عمق برف مناسب تشخیص داده شده است. Snow depth is the most common parameters used for the assessment of water resources in the mountainous areas. Therefore, knowledge about spatial distribution of snow depth is the substantial demand of watershed. At present research, were tried to estimate the spatial distribution of snow depth using regression kriging based on M5 model tree. Therefore, location of 216 points were selected systematically, and then snow depth was measured with a Monte - Rose sampler in Yazd-Sakhvid region. Then, 30 terrain parameters were derived from a digital elevation model using SAGA software. Results indicated that channel network base level, stream power and wetness index were the most important parameters in decision-tree model. The correlation coefficient of 90% confirmed the strong performance of regression kriging model. So using regression kriging model is recommended to estimate spatial distribution of snow depth in other regions. : رگرسیون درختی, الگوریتم M5, عمق برف, مدل رقومی ارتفاع, پارامترهای سرزمین Regression Tree, M5 Algoritm, Snow Depth, DEM, Terrain Parameters 41 48 http://jwmsei.ir/browse.php?a_code=A-10-1-214&slc_lang=fa&sid=1 Rohoalla Taghizadeh-Mehrjardi روح‌الله تقی‌زاده مهرجردی rh_taghizade@yahoo.com 10031947532846003667 10031947532846003667 Yes Samane Gharaei سمانه قرائی منش 10031947532846003668 10031947532846003668 No Ali Fathzadeh علی فتح‌زاده 10031947532846003669 10031947532846003669 No