Document Type : پژوهشی
Authors
- Mahtab Safari Shad 1
- Mahmoud Habibnejad Roshan 2
- Karim Solaimani 2
- Alireza Ildoromi 3
- Hossein Zeinivand 4
1 Dept. of Natural Resource. University of Sari, Iran
2 Professor, Dept. of Natural Resource. University of Sari, Iran
3 - Associate Professor, Dept of Range& Watershed Management, Malayer University, Iran
4 - Assistant Professor, Dept of Range and Watershed Management Engineering, Lorestan University, Iran
Abstract
Climate change has altered the earth’s hydrologic cycles, especially its temporal and spatial distributions. Therefore, prediction of its future changes is very important. This study investigated the effects of climate change onthe precipitation, minimum temperature, maximum temperature, and runoff in three sub watersheds in Hamadan, Bahar Watershed. To this end, the WETSPASS model was used to estimate runoff and the LARS-WG model was used to predict climate variables between the years of 2014 and 2043. The results showed that the HadCM3 model with the largest weighting coefficient and the lowest error has the highest efficiency in simulation of precipitation and temperature. According to the scaled down measurements, in the next period, the average minimum and maximum temperatures will respectively increase up to 1.22 ºc and 0.9 ºc and the total rainfall will decrease about 8%. The results of the impact of the climate change on the future of the watershed's hydrology showed that runoff volume for all three sub-watersheds under the A2 scenario and the first and second sub-watersheds under the B1 scenario is going to decrease. For the third sub-watersheds, in contrast, it is going to increase. In addition, while total runoff input to plain will decrease by 36 % under A2 scenario, it will increase by 8 % under B1 scenario which will affect the watershed's water resource system changes. The remarkable thing is the reduction in rainfall in the winter and in the spring, disassembling the temporal distribution of the rainfall, and increasing the temperature. Accompanied by land use changes, it can have a significant negative effect on the future water resources management.
Keywords
مقدمه
افزایش امواج گرمائی، گرم شدن اتمسفر تحتانی، عقب‌نشینی یخچال‌ها، بالا آمدن سطح آب دریاها و وقوع باران‌های سنگین در بسیاری از مناطق دنیا نشان میدهد که جهان در حال گرم شدن و اقلیم در حال تغییر است (وینیکوو و همکارن[1]، 2006: 104 و کریمی کاخکی و سپهری، 1389: 145). هیئت بین‌الدول تغییر آب‌وهوا، اثرات تغییر اقلیم بر منابع هیدرولوژی و آب را طی 1990- 2007 بررسی نمودند. در این گزارش فنی بیان‌شده، تغییرات دما و بارش اثرات قابل‌توجهی بر رواناب و در دسترس بودن آب، به ویژه در مناطق نیمه‌خشک و خشک دارد (لی و همکاران[2]، 2013: 458). این امر می‌تواند برای مناطق خشک و نیمه‌خشک به ویژه ایران که منابع آب آن به تغییرپذیری آب و هوایی، به‌ویژه بارش، بسیار حساس است، صحیح باشد (عثمان و همکارن[3]، 2014: 950). مطالعات مختلفی توسط پژوهشگران در خصوص اثر پدیده تغییر اقلیم بر رواناب انجام‌شده است. مانگو و همکاران[4] (2011) به بررسی اثرات تغییر آب‌وهوا بر هیدرولوژی حوضهی رودخانهی upper Mara، کنیا با استفاده از مدل SWAT پرداختند. کاترینا و همکاران[5] (2016) بهمنظور درک هیدرولوژی آیندهی رودخانه در ۷ حوضهی آبخیز در شرق و مرکز مونتانا سیستم مدل‌سازی بارش-رواناب و خروجی مدل RegCM3 را استفاده نمودند. ژیانگ و همکاران[6] (2015) از معادلات بادیکو به منظور جدا کردن سهم تغییر آب و هوا و فعالیت‌های انسانی بر تغییر رواناب رودخانه Weihe در دوره‌های طولانی مدت استفاده نمودند. با توجه به مطالعات پیشین مطالعهی تغییرات هیدرولوژیکی به منظور انطباق با وضعیت فعلی و تغییراتی که به علت تغییرات اقلیم در منابع آب ممکن است رخ دهد، ضروری میباشد. این پژوهش به بررسی پتانسیل تأثیر تغییر متغیرهای دما و بارش بر جریان رودخانه سه زیرحوضه در حوضهی آبخیز همدان - بهار در استان همدان برای دوره آماری ۲۰۱۴ تا ۲۰۴۳ می‌پردازد.
مواد و روشها
حوضهی آبخیز همدان - بهار با مساحت 2460 کیلومترمربع، بین عرض جغرافیایی 40 °34 تا 10 °35 شمالی و طول جغرافیایی7 °48 تا 37 °48 شرقی واقع گردیده شده است. حداکثر و حداقل ارتفاع حوضه به ترتیب 3372 متر در ارتفاعات الوند و 1710 متر در محل خروجی حوضه مـی‌باشد (مهندسین مشاور هگمتان آب، 1383: 21). در شکل (1) موقعیت سه ایستگاه هیدرومتری مورد مطالعه نشان داده شده است.
شکل (1) موقعیت حوضهی آبخیز مورد مطالعه
محاسبهی رواناب سطحی: مدل بیلان آب توزیعی[7]WETSPASS مدل شبیه‌ساز انتقال انرژی و آب بین خاک، گیاهان و اتمسفر تحت شرایط شبه‌پایدار است (باتلان و اسمدت[8]، 2007: 339). در این مدل هر رستر داری کسری از پوشش گیاهی، خاک لخت، آب روباز و سطح غیرقابل نفوذ است (باتلان و ولیدیمالک[9]، 2007: 21) رواناب هر سلول رستری به‌صورت زیر محاسبه میشود:
رابطهی (1)
که در آن R رواناب سطحی av ، as ، ao،ai به ترتیب مساحت مؤلفه‌های مربوط به انواع مختلف پوشش زمینی که توسط پوشش گیاهی، خاک لخت، آب روباز و سطوح غیرقابل نفوذ پوشیده شده‌اند. طبق جدول (1) توپوگرافی تند دارای ضریب رواناب بیشتری است، درحالی‌که خاک رسی در مقایسه با خاک شنی مقادیر ضریب رواناب را به دلیل هدایت هیدرولیکی پایین‌تر آن برای جریان زیرسطحی، کاهش میدهد (وانگ و همکاران[10]، 2012: 321).
جدول (1) پتانسیل ضرایب رواناب بالقوه پوشش گیاهی برای خاک‌های مختلف و گروه‌های مختلف بافت خاک
|
شیب (درصد) |
شن |
شنلومی |
لومی شنی |
لوم |
لوم سیلتی |
سیلت |
|
کمتر از 5/0 |
05/0 |
08/0 |
11/0 |
17/0 |
15/0 |
17/0 |
|
5/0 تا 5 |
10/0 |
13/0 |
16/0 |
22/0 |
20/0 |
22/0 |
|
5 تا 10 |
15/0 |
18/0 |
21/0 |
27/0 |
25/0 |
27/0 |
|
بیشتر از 10 |
20/0 |
23/0 |
26/0 |
32/0 |
30/0 |
32/0 |
|
شیب (درصد) |
لوم رسی شنی |
لوم رسی |
لوم رسی سیلتی |
رسی شنی |
لوم سیلتی |
رس |
|
کمتر از 5/0 |
13/0 |
15/0 |
18/0 |
20/0 |
23/0 |
25/0 |
|
5/0 تا 5 |
18/0 |
20/0 |
23/0 |
25/0 |
28/0 |
30/0 |
|
5 تا 10 |
23/0 |
25/0 |
28/0 |
30/0 |
33/0 |
35/0 |
|
بیشتر از 10 |
28/0 |
30/0 |
33/0 |
35/0 |
38/0 |
40/0 |
بافت خاک: با توجه به نقشهی بافت خاک تهیه شده 11 نوع بافت خاک برای منطقهی مورد مطالعه وجود دارد، بافت غالب در حوضهی آبخیز همدان- بهار، لومی رسی است و بافت غالب دشت همدان- بهار رسی است.
نقشهی کاربری اراضی: نقشه کاربری اراضی بر اساس استاندار مدل WETSPAS تهیه شد. کاربری غالب کشاورزی است که بیشتر تحت کشت گندم و سیب‌زمینی است.
نقشه‌های پوشش برف: نقشه‌های پوشش برف بر مبنای نسبت اختلاف بازتابندگی باند چهارسنجنده MODIS و باند ششسنجنده MODIS تقسیم بر مجموع بازتابندگی در این دو بانـد تحت عنوان شاخص NDSI مطابق رابـطهی (2) تهیه شدند (هال و همکاران، 2002: 184).
|
رابطهی (2) |
در شکل (2) نمونهای از نقشهها ارائه شده است.
شکل (2) نمونهای از نقشه‌های پوشش برف استخراجی از تصاویر ماهواره‌ای MODIS (پیکسل‌های دارای کد 1 پیکسل‌های برفدار و پیکسل‌های دارای کد 0 پیکسل‌های بدون برف می‌باشند)
مدل‌ها و سناریوهای انتخابی در بخش تغییر اقلیم: در این مطالعه از سه مدل اقلیمی HadCM3،NCCM و IPCM4 در مدل آماری LARS-WG استفاده شد. صحتسنجی نتایج مدل‌ها: بهمنظور ارزیابی مدل‌ها از شاخص‌های ضریب همبستگی[11] (R2)، میانگین مربعات خطا[12]، میانگین خطای مطلق، ناش ساتکلیف[13] (NSE) و اریب (BIAS) استفاده شد (عباسپور و همکاران[14]؛ 2007: 190).
|
رابطهی (3) |
|
|
|
|
|
رابطهی (4) |
|
|
|
|
|
رابطهی (5) |
|
|
|
|
|
رابطهی (6) |
که و به ترتیب i امین داده‌های مشاهداتی و شبیهسازیشده و ٬ میانگین داده‌های مشاهداتی و شبیهسازیشده و تعداد کل داده‌ها و Siداده‌های شبیهسازیشدهOiداده‌های مشاهداتی میباشد.
بررسی عدم قطعیت مدلهای اقلیمی: بر اساس روش وزندهی، مدل‌ها طبق رابطهی (7) وزندهی شدند.
|
رابطهی (7) |
که Wi وزن بـه دست آمده در ماه مورد نظر و ΔTiانـحراف میانگین طولانی مدت پارامتر اقلیمی شبیهسازیشده در دورهی پایـه از دادهی مشاهداتی و N تعداد مدلهای گردش عمومی است.
بحث و نتایج
کالیبراسیون و اعتبارسنجی مدل WETSPASS: نتایج کالیبراسیون (2003 تا 2008) و اعتبارسنجی (2008-2013) در شکل (3) ارائه شده است. کالیبراسیون مدل بر اساس چهار پارامتر α، LP، a و x مطابق بهترین برازش رواناب سطحی شبیهسازی شده و رواناب مشاهداتی، انجام شد (جدول 2)، در محاسبه دقت مدل، ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر 79/0 و 71/0 برای دورهی کالیبراسیون و 83/0 و 14/0 برای دوره اعتبارسنجی شد، که بیانگر مقبولیت مدل در شبیهسازی رواناب منطقه میباشد.
جدول (2) پارامترهای ورودی به مدل به منظور کالیبراسیون
|
پارامتر |
مقدار تعیین شده |
دامنهی معمول |
|
a |
5/4 |
3/0 تا 6 |
|
LP |
85/0 |
4/0 تا 1 |
|
x |
5/0 |
0 تا 1 |
|
α |
5/1 |
3/0 تا بیشتر از 3 |
شکل (3) رواناب ماهانه شبیهسازیشده در مقایسه با رواناب مشاهداتی (دورهی کالیبراسیون و اعتبارسنجی)
بررسی عملکرد مدل LARS-WG در شبیهسازی دما و بارش: با توجه به شکل (5) مدل در شبیهسازی دماهای کمینه، بیشینه، و تابش از صحت بالایی برخوردار است. با این حال در مدل‌سازی بارش ضعف کمی در شبیهسازی ماه‌های ژانویه، مارس، و دسامبر وجود دارد. در ماه دسامبر بارش شبیهسازی 6/7 میلی‌متر بیشتر از مقدار مشاهداتی، و در ماه‌های ژانویه، فوریه و مارس به ترتیب 5/4 ، 9/3 و 2/4 میلی‌متر کمتر از مقدار مشاهداتی است. بر اساس نتایج جدول 3 مقدار ضریب تبیین برای دو متغیر میانگین دمای حداقل و حداکثر برابر 99/0 و مقدار خطای RMSE به ترتیب برابر 162/0 و 21/0 است. همچنین بر اساس مقادیرPvalue محاسبه شده برای این دو متغیر، اختلاف مقادیر شبیهسازی و مشاهداتی در سطح 5 درصد معنی‌دار نمیباشد که بیانگر تطابق نسبتاً بالای میانگین دمای حداقل و حداکثر شبیهسازی و مشاهداتی است. در مورد بارش باوجود بیشترین اختلاف در ماه دسامبر بااین‌حال براساس جدول (3) و مقادیرPvalue تفاوت معنی‌داری وجود ندارد و همچنین مقدار ضریب تبین برابر 98/0 میباشد و سایر شاخص‌های خطا نیز نسبتاً کوچک است که مقبولیت مدل در شبیهسازی این متغیر را نشان میدهد. همچنین در مورد متغیر تابش به جز ماه‌های نوامبر و دسامبر برای سایر ماه‌ها تفاوت معنی‌دار مشاهده نشد و از طرفی بر اساس معیارهای خطا سنجی داده‌های تابش شبیهسازی و مشاهداتی تطابق خوبی با هم دارند.
شکل (4) مقایسه مقادیر مدل شده و مشاهداتی برای پارامترهای دما حداقل، حداکثر، بارش و تابش در ایستگاه سینوپتیک همدان فرودگاه برای دورهی پایه (1980-2013)
جدول (3) نتایج ارزیابی و اعتبارسنجی مدل ریزمقیاس نمایی LARS-WGبر اساس شاخص‌های مورد نظر
|
معیارهای خطاسنجی |
دمای حداقل |
دمای حداکثر |
بارش |
تابش |
||||||||
|
R2 |
999/0 |
999/0 |
98/0 |
999/0 |
||||||||
|
NSE |
999/0 |
999/0 |
987/0 |
998/0 |
||||||||
|
RMSE |
162/0 |
211/0 |
245/2 |
293/0 |
||||||||
|
MAE |
146/0 |
21/0 |
41/1 |
21/0 |
||||||||
|
BIAS |
001/0- |
027/0- |
641/0 |
158/0- |
||||||||
|
مقدامیانگین Pvalue |
ژانویه |
فوریه |
مارس |
آوریل |
می |
ژوئن |
ژولای |
آگوست |
سپتامبر |
اکتبر |
نوامبر |
دسامبر |
|
دمای حداقل |
55/0 |
67/0 |
59/0 |
77/0 |
16/0 |
19/0 |
1/0 |
42/0 |
41/0 |
85/0 |
89/0 |
27/0 |
|
دمای حداکثر |
47/0 |
78/0 |
67/0 |
60/0 |
60/0 |
85/0 |
81/0 |
93/0 |
42/0 |
63/0 |
59/0 |
61/0 |
|
بارش |
27/0 |
35/0 |
23/0 |
61/0 |
91/0 |
80/0 |
83/0 |
75/0 |
94/0 |
81/0 |
92/0 |
60/0 |
|
تابش |
58/0 |
57/0 |
04/0 |
83/0 |
61/0 |
76/0 |
10/0 |
27/0 |
86/0 |
87/0 |
040/0 |
30/0 |
پیشبینی متغیرهای بارش و دما برای آینده: در جدول (4) مقادیر مربوط به شاخص‌های آماری برای هر مدل آورده شده است. بهترین مدل در شبیهسازی هر کدام از متغیرها طبق جدول مدل HadCM3میباشد. طبق نتایج شکل (5)، چنانکه انتظار می‌رفت بیشترین وزن دربارهی تمامی متغیرها به مدل HadCM3 که کمترین خطا را داشت، تعلق گرفت. بنابراین مدل HadCM3 بیشترین کارایی را در شبیهسازی بارش و دما برای منطقهی مطالعاتی دارد.
جدول (4) نتایج ارزیابی و اعتبارسنجی مدلهای اقلیمی
|
بارش |
MAE |
RMSE |
NSE |
R2 |
BIAS |
|
HadCM |
45/0- |
12/4 |
95/0 |
95/0 |
22/0 |
|
NCCM |
17/1- |
67/3 |
95/0 |
95/0 |
097/0 |
|
IPCM4 |
87/0 |
59/3 |
95/0 |
97/0 |
58/1 |
|
دمای حداقل |
MAE |
RMSE |
NSE |
R2 |
BIAS |
|
HadCM3 |
013/0 |
18/0 |
99/0 |
99/0 |
02/0 |
|
NCCM |
065/0- |
20/0 |
99/0 |
99/0 |
053/0 |
|
IPCM4 |
019/0- |
12/0 |
99/0 |
99/0 |
015/0 |
|
دمای حداکثر |
MAE |
RMSE |
NSE |
R2 |
BIAS |
|
HadCM3 |
045/0- |
15/0 |
99/0 |
99/0 |
008/0- |
|
NCCM |
016/0- |
069/0 |
99/0 |
99/0 |
011/0- |
|
IPCM4 |
078/0- |
164/0 |
99/0 |
99/0 |
066/0- |
شکل (5) مقایسه ضرایب وزنی سناریوهای مدلهای اقلیمی
از مدل HadCM3 بهمنظور پیشبینی متغیرهای اقلیمی استفاده شد. با توجه به شکل (6)، میانگین دما حداکثر و حداقل نسبت به دورهی پایه برای تمامی ماه‌ها به‌ویژه در مورد دمای حداقل برای ماه‌های سرد سال رو به افزایش است. مقایسهی میانگین مجموع بارش ماهانه در دوره‌های پایه و آتی نشان میدهد که در اکثر ماه‌های سال بارندگی دوره آتی نسبت به دورهی پایه کاهش خواهد یافت. در هر سه سناریو بیشترین کاهش مربوط به ماه‌های آوریل، می و ژوئن است که از لحاظ کشاورزی نیز زمان مهمی است. همچنین، افزایش دما در فصل زمستان و پاییز باعث کاهش بارش به‌صورت برف در منطقه خواهد شد و حجم ذخیره برفی کاهش خواهد یافت. درنتیجه بارش در فصل زمستان به رواناب تبدیل خواهد شد و در مقابل با کاهش بارش در فصل بهار و کاهش رواناب ناشی از ذوب برف، کاهش جریان در فصل بهار رخ خواهد داد.
شکل (6) نمودار تغییرات میانگین ماهانهی بارش، دما حداقل و دما حداکثر در دورهی 2043-2014 نسبت به دورهی پایه (1980-2013).
پیشبینی رواناب تحت تأثیر تغییر متغیرهای اقلیمی دما و بارش: پیشبینی اثر تغییر متغیرهای دما و بارش بر روی رواناب در شکل (7) ارائه‌شده است. مطابق شکل، حجم رواناب سالانه پیش‌بینی‌شده زیر حوضهی شماره (3) نسبت به دو زیرحوضهی دیگر بیشتر میباشد. تحت سناریو B1 حجم رواناب بیشتر از سناریو A2 برای تمامی زیرحوضه‌ها شد، همچنین با توجه به شکل (6) میزان کاهش بارش تحت سناریو A2 نبت به سناریو برای دوره آتی بیشتر خواهد بـود که یکی از دلایل کاهـش بیشتر حجم رواناب تحت سناریو A2است. بررسـی‌های حاصـله از جدول شمارهی (5) برای هر سه زیر حوضه حاصل از تاثیر تغییر اقلیم بر رواناب نشان داد، حجم رواناب برای هر سه زیرحوضه تحت سناریو A2 کاهش و تحت سناریو B1برای زیرحوضهی 1 و 2 کاهش و برای زیرحوضهی 3 افزایش خواهد یافت. کاهش رواناب در زیرحوضهی 1و2 بیانگر کاهش رواناب در سر شاخههای حوضهی آبخیز همدان-بهار میباشد که همان‌طور قبلاً بیان شد علاوه بر کاهش بارش بهاره، با افزایش دما در فصل زمستان و پاییز، کاهش بارش به صورت برف در منطقه رخ خواهد داد و به دنبال آن رواناب بهاره کاهش می‌یابد. این موضوع نیز می‌تواند یکی از دلایل کاهش رواناب در دو زیرحوضه واقع در سرشاخهی حوضه باشد. در مجموع رواناب ورودی به دشت تحت سناریو A2، 36 درصد کاهش و B1، 8 درصد افزایش خواهد یافت، بنابراین تغییر اقلیم، تغییرات سیستم منابع آب حوضه را تحت تأثیر قرار خواهد داد.
شکل (7) پیشبینی اثر تغییر متغیرهایدما و بارش بر روی رواناب
جدول (5) متوسط حجم رواناب برای سناریوهای مختلف نسبت به دورهی پایه
|
ایستگاه مطالعاتی |
میانگین روانابدر دوره پایه ( میلیون متر مکعب در سال) |
میانگین روانابدر دوره آتی تحت سناریو B1 |
میانگین روانابدر دوره آتی تحت سناریو سناریو A2 |
|
بهادربیگ (زیرحوضه 1) |
3/2 |
59/1 |
48/1 |
|
قره آقاچ (زیرحوضه 2) |
1/4 |
9/3 |
3/2 |
|
کوشکآباد (زیرحوضه 3) |
3/27 |
75/28 |
59/16 |
نتیجهگیری
مطالعات زیادی در سراسر جهان، تغییر رواناب بسیاری از رودخانه‌ها را در مقیاس‌های زمانی مختلف با توجه به تغییرات آب و هوایی گزارش دادهاند. تغییرات در رواناب آتی به چالش‌های فوری برای برنامه‌ریزی و مدیریت منابع آب تبدیل شده است. نتایج مطالعهی حاضر ضمن تأیید کارایی مدل LARS-WG، نشان داد که در شرایط اقلیمی آینده برای دورهی زمانی2014-2043 دما و بارندگی نسبت به دورهی مشاهداتی (2003- 2014) به ترتیب افزایش و کاهش خواهد یافت. همچنین مدل هیدرولوژیکی WETSPASSبرای اولین بار در ایران برای حوضهی آبخیز مورد مطالعه تست شد. نتایج حاصل از دورهی واسنجی و اعتبارسنجی بیانگر مقبولیت مدل در شبیهسازی رواناب سطحی زیرحوضهی آبخیز مورد مطالعه بود. با ورود خروجی مدل اقلیمی HadCM3 به مدل WETSPASSبه این نتیجه رسیده شد که رواناب در دوره آتی نسبت به دوره مشاهداتی برای سه زیر حوضهی مورد مطالعه تحت سناریو A2 کاهش و تحت سناریو B1 برای زیرحوضهی شمارهی 1 و 2 نسبت به دورهی پایه کاهش و برای زیرحوضهی شمارهی 3 افزایش خواهد یافت و نشان از تأثیر تغییر اقلیم بر رواناب حوضه در دورهی آتی خواهد بود که با نتایج مطالعه سهرابیان و همکاران (۱۳۹۴)، بختیاری و همکاران (۱۳۹۲) عباسپور و همکاران (۲۰۰۷) و ژیانگ و همکاران (۲۰۱۵) همخوانی دارد. نکته مهم در این بررسی و نتایج حاصله از مقایسهی بارش و دمای حداقل و حداکثر در دورهی پایه و دورهی آتی بر هم خوردن توزیع زمانی بارش و افزایش دما است که این موضوع و تبعات ناشی از آن مهمتر از کاهش بارش است، چرا که آثار منفی آن قابل توجه خواهد بود. در این تحقیق، در مدل هیدرولوژیکی مورد استفاده فقط پارامتر بارش و دما تغییر داده شد و پارامتر مربوط به کاربری و پوشش زمین و درصد مناطق نفوذناپذیر ثابت در نظر گرفته شد، بنابراین ممکن است به علت افزایش مناطق نفوذناپذیر و صنعتی و کاهش پوشش گیاهی مقدار رواناب افزایش یابد. در نتیجه نتایج این تحقیق تنها با اتکا به نتایج تغییر اقلیم است. بنابراین توصیه میشود در مطالعات بعدی نقش سناریوهای تغییر کاربری نیز در نظر گرفته شود. همچنین با توجه به اینکه مدل برای اولین بار در ایران تست شده است توصیه میشود در سایر نقاط ایران تست شود.
[1]- Vinnikov et al.,
[2]- Li et al.,
[3]- Osman et al.,
[4]- Mango et al.,
[5]- Katherine et al.,
[6]- Jiang et al.,
[7]- Water and Energy Transfer between Soil, Plants and the Atmosphere under quasi-Steady State
[8]- Batelaan & Smedt
[9]- Batelaan & Woldeamlak
[10]- Wang et al.,
[11]- Coefficient of correlation
[12]- Root Mean Square Error
[13]- Mean Square Error
[14]- Abbaspour et al.,
)