ارزیابی کارایی مدل WRF-Hydro در توسعه سامانه های پیش بینی و هشدار سیلاب (مطالعه موردی حوضه آبریز کشکان)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 228
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-16-4_015
تاریخ نمایه سازی: 29 بهمن 1401
چکیده مقاله:
جفت شدن مناسب مدل های عددی هواشناسی با مدل های توزیعی هیدرولوژیکی و کاهش عدم قطعیت مربوط به ریزمقیاس نمایی آنها یکی از چالش های اساسی در پیش بینی دقیق سیلاب است. بنابراین در این تحقیق با هدف پیش بینی سیلاب، امکان جفت شدن مدل عددی هواشناسی WRF با مدل WRF-Hydro، که مدلی هیدرولوژیکی-هیدرولیکی، توزیعی و فیزیکی است، بررسی میشود. به منظور واسنجی مدل، حوضه آبریز کشکان بدلیل پتانسیل بالای سیل خیزی بعنوان منطقه مطالعاتی انتخاب شده است. باتوجه به داده های هیدروگراف سیل مشاهداتی در محدوده مطالعاتی، دو واقعه سیلابی شدید در سه ایستگاه هیدرومتری برای واسنجی مدل WRF-Hydro انتخاب گردید. بر اساس تحلیل حساسیت مدل، پارامترهای کنترل نفوذ، عمق نگهداشت آب سطحی، ضریب زبری سطحی و ضریب زبری کانال بعنوان تاثیرگذارترین پارامترها در شبیه سازی جریان شناسایی شدند. استفاده از این پارامترها در فرآیند واسنجی، قابلیت واسنجی حجم و شکل هیدروگراف سیلاب را برای حصول به نتایج دقیق تر امکانپذیر خواهد ساخت. سپس با استفاده از روش گام به گام، مقادیر بهینه پارامترهای شناسایی شده در تحلیل حساسیت برای یکی از وقایع در ایستگاه هیدرومتری پلدختر در خروجی حوضه تعیین گردید. در گام بعدی مدل بر اساس پارامترهای بهینه تعیین شده برای سایر ایستگاهها و وقایع سیلابی ارزیابی گردید.
کلیدواژه ها:
نویسندگان
سمیه ایمانی
پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب وزارت نیرو، تهران، ایران
سیدامیرمحمد حسن لی
کارشناس پژوهشی، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران
اشکان فرخ نیا
عضو هیئت علمی، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران
فاطمه جوادی
کارشناس پژوهشی، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران
محمد سعید نجفی
عضو هیئت علمی، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :