واسنجی مدل هیدرولوژیکی VIC-۳L با استفاده از داده های ماهواره ای رطوبت سطحی خاک

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 134

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-15-4_004

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

پژوهش حاضر با هدف ارزیابی کارائی داده های ماهواره ای رطوبت سطحی خاک ASCAT در واسنجی مدل هیدرولوژیکی VIC-۳L در سطح حوضه آبریز سفیدرود به انجام رسیده است. نتایج بدست آمده در گام زمانی روزانه حاکی از آن است که در صورت استفاده از منبع رطوبتی ASCAT مقدار ضریب همبستگی بین رواناب شبیه سازی شده و مشاهداتی در حدود ۷۵/۰ می باشد و این در حالیست که در صورت استفاده از داده های جریان مشاهداتی برای واسنجی مدل، مقدار ضریب همبستگی در حدود ۸۰/۰ می باشد. در گام زمانی ماهانه نیز استفاده از داده های ماهواره ای رطوبت سطحی خاک، منجربه افزایش عملکرد مدل VIC-۳L در شبیه سازی رواناب خروجی از حوضه شده است. همچنین از آنجائی که میزان خطای مدل در برآورد حجم رواناب در گام زمانی ماهانه (۲/۱۷ درصد) نسبت به گام زمانی روزانه (۵/۳۸ درصد) به مراتب کمتر می باشد، از این روش واسنجی می توان برای تخمین آورد ماهانه با دقت قابل استفاده بعمل آورد. یکی از مزیت های واسنجی مدل با استفاده از داده های ماهواره ای رطوبت خاک بر خلاف واسنجی با استفاده از داده های جریان مشاهداتی این است که می توان تغییرات مکانی پارامترهای مدل در سطح حوضه را نیز برآورد نمود که این مساله خود می تواند دید بهتری از عملکرد مدل در سطح حوضه را فراهم نماید. هچنین عدم وجود داده های دبی ثبت شده در بسیاری از حوضه ها، امکان واسنجی مدلهای هیدرولوژیکی را با محدودیت اساسی روبرو می نماید و این در حالیست که منابع ماهواره ای با دارا بودن توان تفکیک زمانی و مکانی وسیع از کارائی بسیار زیادی برخوردار می باشند.

نویسندگان

سکینه کوهی

دانشجوی کارشناسی ارشد / مهندسی منابع آب، دانشگاه بین المللی امام خمینی (ره)، قزوین

اصغر عزیزیان

عضو هئیت علمی گروه مهندسی آب / دانشگاه بین المللی خمینی (ره)، قزوین

لوکا بروکا

پژوشگر / موسسه تحقیقات ژئو هیدرولوژی IRPI و عضو هیئت علمی دانشگاه پروجا

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 :