مدل سازی رواناب با استفاده از داده های بارش ماهواره TRMM در حوزه آبخیز چهل چای

بارش یکی از مهمترین ورودی ­ها در مدل­ سازی رواناب است. وجود داده ­های بارش با دقت زمانی و مکانی مناسب، برای حوزه­ های آبخیز با ایستگاه های باران­سنجی اندک و پراکنده، بسیار مهم و ضروری است. در حال حاضر ماهواره­ های اقلیمی از منابع مهم در برآورد بارش هستند. در این پژوهش، ابتدا کارایی داده­ های بارش ماهواره TRMM در سری زمانی ماهانه حوزه آبخیز چهل چای با استفاده از شاخص­ های آماری R۲، RMSE، NSE و Bias از طریق مقایسه با داده های بارش ایستگاه های باران ­سنجی (مشاهده شده) مورد ارزیابی قرار گرفت که مقدار این شاخص های آماری به ترتیب ۰.۵۴، ۲۲.۷۰، ۰.۴۴ و ۱۴.۸۶- به ­دست آمد. با توجه به مقدار ضریب تبیین (R۲)، می توان نتیجه گرفت که ماهواره TRMM توانسته ۰.۵۴ بارش مشاهده شده را برآورد کند. در گام بعدی به ­منظور برآورد رواناب ماهانه از سه مدل­ داده مبنا شامل MLP، ANFIS و SVR استفاده شد. دو نوع ترکیب ورودی به مدل های داده مبنا شامل: ۱) داده های بارش مشاهده شده در گام ­های زمانی t و ۱-t و رواناب در گام زمانی ۱-t و ۲) داده ­های بارش ماهواره­ای در گام های زمانی t و ۱-t و رواناب در گام زمانی ۱-t انتخاب شد. برای مقایسه میزان دقت و خطای مدل ها از R۲ و RMSE مرحله صحت سنجی استفاده شد که مدل ANFIS با مقدار R۲ و RMSE به ترتیب برای ترکیب ورودی نوع اول ۰.۸۰ و ۰.۹۷ و همچنین، برای ترکیب ورودی نوع دوم  ۰.۷۸ و ۱.۰۲ به ­عنوان مدل منفرد مناسب در منطقه مورد مطالعه برای برآورد رواناب انتخاب شد. از روش میانگین­ گیری وزنی در رویکرد ترکیب داده­ ها به­ منظور مدل­ سازی و ارائه یک مدل­ ترکیبی داده­­ مبنا استفاده شد که این مدل ترکیبی داده مبنا باعث بهبود مقادیر۰.۸۱= R۲ و ۴.۸۵- =Bias برای ترکیب ورودی نوع اول و همچنین، بهبود مقدار ۰.۷۹=R۲ برای ترکیب ورودی نوع دوم شد و این روش ضعف مدل های منفرد را پوشش داده است.

کلیدواژه ها:

شاخص های آماری ، مدل های داده مبنا ، روش میانگین گیری وزنی ، رویکرد ترکیب داده ، TRMM