ارزیابی الگوریتم های بارش ماهواره ای در شبیه سازی هیدرولوژیکی با استفاده از مدل IHACRES (مطالعه موردی حوضه آبریز رودخانه شش پیر استان فارس، ایران)

مقدمه مدل های هیدرولوژیکی ابزارهای قدرتمندی برای فهم و تخمین پاسخ های هیدرولوژیکی حوضه آبریز هستند. آن ها نقش حیاتی در مدیریت منابع آب، مهندسی رودخانه، کنترل و ذخیره سیلاب ایفا می کنند. ارزیابی جنبه های کمی و کیفی مدل های هیدرولوژیکی با رویکرد سیستماتیک ضروری است. متغیرهای کلیدی موثر بر چرخه هیدرولوژیکی شامل بارش، دما، کاربری اراضی، بافت خاک، ارتفاع و تبخیروتعرق هستند. اندرکنش پیچیده بین  این متغیرها، چرخه هیدرولوژیکی را به یک فرآیند نسبتا پیچیده تبدیل می کند و استفاده از مدل های هیدرولوژیکی را برای ارزیابی ضرروی می سازد. مهمترین پارامتر ورودی در فرآیندهای شبیه سازی هیدرولوژیکی بارش است. قابل دسترس بودن داده بارش مناسب در زمان ها و موقعیت های مختلف بسیار مهم است. امروزه، اغلب داده های بارش از ایستگاه های باران سنجی زمین-مبنا یا رادارهای هواشناسی جمع آوری می شود. مانند هزینه بالا، کمبود ابزرهای پایش در مناطق صعب العبور، توزیع نامناسب، فقدان داده، عملکرد نادرست دستگاه ها و خطاهای انسانی از جمله مشکلات همیشگی کاربران داده های بارش هستند. از این رو، فقدان داده های معتبر و کامل بارش یک چالش بزرگ در تحلیل و پیش بینی هیدرولوژیکی برای مدیریت منابع آب است. در نتیجه، پایش بارش در مقیاس های زمانی کوتاه و مقیاس های مکانی کوچک نقش مهمی در شبیه سازی های هیدرولوژیکی و در نهایت مدیریت منابع آب دارد. در سال های اخیر، استفاده از سنجش از دور و الگوریتم های تخمین بارش ماهواره ای توسعه یافته و به عنوان جایگزین پیشنهاد شده است. این فناوری ها پتانسیل ارائه داده های جامع تر و دقیق تر بارش را دارند که می تواند عملکرد مدل های هیدرولوژیکی را به طور قابل توجهی بهبود بخشد و سبب بهبود مدیریت منابع آب شود. مواد و روش ها این مطالعه بر ارزیابی هیدرولوژیکی چهار محصول بارش ماهواره ای TMPA-۳R۴۲V۷، TMPA-۳B۴۲RTV۷، PERSIANN و PERSIANN-CDR در مدل سازی بارش-رواناب رودخانه شش پیر (۵/۹۵۴ کیلومتر مربع) متمرکز است. حداقل ارتفاع حوضه ۱۵۲۷ متر و حداکثر آن ۳۶۶۶ متر از سطح دریا است. ایستگاه هیدرومتری در طول جغرافیایی ۵۱ درجه و ۴۳ دقیقه شرقی و عرض جغرافیایی ۳۰ درجه و ۰۱ دقیقه شمالی قرار دارد و داده های دبی روزانه مناسبی برای رودخانه دارد. برای دستیابی به اهداف تحقیق، مدل هیدرولوژیکی مفهومی و پیوسته IHACRES ابتدا با استفاده از اطلاعات بارش و دمای زمینی اندازه گیری شده در بازه زمانی ۲۲ سپتامبر ۲۰۰۴ تا ۳۱ دسامبر ۲۰۰۹ با استفاده از داده های واسنجی شده ایستگاه هیدرومتری تلمبه حسنی و پارامترهای مدل استخراج شد. سپس مدل IHACRES برای بازه زمانی ۱ ژانویه ۲۰۱۰ تا ۳۱ دسامبر ۲۰۱۳ اعتبارسنجی شد. IHACRES یک مدل مفهومی-متریک یکپارچه برای شبیه سازی بارش-رواناب است که از طریق تلاش های مشترک هیدرولوژیست ها از مرکز ارزیابی و مدیریت حوضه آبریز (ICAM) در دانشگاه ملی استرالیا و مرکز اکولوژی و هیدرولوژی (CEH) شورای تحقیقات محیط زیست طبیعی بریتانیا توسعه یافته است. IHACRES یک مدل موثر و کارآمد است که در طیف وسیعی از مناطق آب و هوایی، از جمله مناطق خشک و نیمه خشک، کاربرد داشته است. شاخص های ارزیابی مورد استفاده در این مطالعه شامل ضریب تعیین (R۲)، کارایی ناش-ساتکلیف (NSE)، ریشه میانگین مربعات خطا (RMSE) و کارایی ناش-ساتکلیف لگاریتمی (log NSE) است. نتایج و بحث نتایج واسنجی مدل برای حوضه آبریز شش پیر نشان داد که عملکرد قابل قبولی دارد، با شاخص های آماری کارایی نش ساتکلیف (NSE) و ضریب تعیین (R۲) به ترتیب ۸/۰ و ۸/۰، و نتایج اعتبارسنجی بر اساس شاخص های آماری فوق به ترتیب ۶۲/۰ و ۶۶/۰، که نشان دهنده عملکرد قابل قبول مدل هیدرولوژیکی IHACRES است. سپس، محصولات بارش ماهواره ای که هدف این مطالعه معرفی آن ها به عنوان جایگزین بارش میانگین ایستگاهی استفاده شدند، بر اساس شاخص های آماری نتایج نشان می دهد که PERSIANN-CDR توانایی بالاتری در شبیه سازی بارش-رواناب نسبت به سایر الگوریتم ها دارد. ضریب تعیین برای الگوریتم PERSIANN-CDR  ۷۹/۰ و برای الگوریتم های TMPA-۳B۴۲V۷، TMPA-۳B۴۲RTV۷، PERSIANN به ترتیب ۶۷/۰، ۶۱/۰، ۱/۰ است. همچنین، بر اساس شاخص آماری NSE، ارزیابی مدل های هیدرولوژیکی برای شبیه سازی مدل بارش-رواناب با الگوریتم PERSIAN-CDR، در دوره کالیبراسیون ۷۰/۰ و در دوره اعتبارسنجی ۶۹/۰ است، که نشان دهنده عملکرد مناسب مدل بارش-رواناب IHACRES با الگوریتم بارش PERSIANN-CDR است. الگوریتم PERSIANN-CDR توانایی بالاتری نسبت به سایر الگوریتم ها دارد؛ از طرف دیگر، عملیات اصلاح خطای مدل PERSIANN-CDR موفق است، اما استفاده از مدل با تاخیر زمانی TMPA-۳B۴۲V۷ تاثیر قابل توجهی بر نزدیک شدن مدل به زمان واقعی ندارد. به طور کلی، مدل IHACRES، همراه با محصول بارش ماهواره ای PERSIANN-CDR، نتایج امیدوارکننده ای در شبیه سازی فرآیندهای بارش-رواناب در حوضه آبریز شش پیر، که در منطقه آب و هوایی نیمه خشک قرار دارد، نشان داد. این مطالعه پتانسیل استفاده از داده های بارش ماهواره ای به عنوان جایگزین قابل قبول برای مشاهدات زمینی در مدل سازی هیدرولوژیکی در مناطقی با داده کم را برجسته کرد. نتیجه گیری نتایج این تحقیق نشان می دهد که مدل IHACRES از توانایی بالایی در شبیه سازی هیدرولوژیکی حوزه آبخیز و برآورد جریان به صورت یکپارچه برخوردار است. این مطالعه همچنین پتانسیل الگوریتم های بارش ماهواره ای برای جایگزینی داده های مشاهداتی زمینی در مواردی که چنین داده هایی کم یا در دسترس نیستند را نشان می دهد. یکی از یافته های کلیدی پژوهش حاضر، تاثیر عملیات اصلاح خطا بر عملکرد محصولات بارش ماهواره ای است. مطالعه نشان می دهد که اصلاح خطا در محصول PERSIANN-CDR منجر به بهبود قابل توجهی در عملکرد آن شده است، در حالی که تنظیمات مشابه در محصول TMPA-۳B۴۲V۷ چنین نتایج چشم گیری به دنبال نداشته است. ارزیابی چهار الگوریتم بارش ماهواره ای  PERSIANN، PERSIANN-CDR، TMPA-۳B۴۲V۷ و TMPA-۳B۴۲RT - در زمینه مدل ‎سازی هیدرولوژیکی نشان می دهد که الگوریتم PERSIANN-CDR در میان الگوریتم های مورد آزمایش، بیشترین قابلیت را دارد. برعکس، عملکرد الگوریتم PERSIANN بسیار ضعیف بوده و استفاده از آن در مدل سازی هیدرولوژیکی توصیه نمی شود. این یافته ها دارای پیامدهای مهمی برای مدیریت منابع آب و تصمیم گیری است. توانایی استفاده موثر از داده های بارش ماهواره ای در مدل سازی هیدرولوژیکی می تواند به ویژه در مناطقی که داده های مشاهداتی زمینی محدود هستند، ارزشمند باشد. همچنین، بینش های به دست آمده از تحلیل مقایسه ای الگوریتم های بارش ماهواره ای می تواند در انتخاب و کاربرد مناسب ترین محصول برای اهداف خاص مدل سازی هیدرولوژیکی راهنما باشد. به طور کلی، این تحقیق درک جامعی از عملکرد مدل IHACRES و الگوریتم های بارش ماهواره ای در شبیه سازی هیدرولوژی حوزه آبخیز و برآورد جریان آب ارائه می دهد.

کلیدواژه ها:

Rainfall Runoff Modeling ، Satellite Precipitation Algorithms ، Assessment ، Sheshpir Watershed of Fars ، : مدل سازی بارش-رواناب ، الگوریتم بارش ماهواره ای ، ارزیابی ، حوضه شش پیر فارس