ارزیابی مولفه های هیدرولوژیکی حوضه با کمک مدل مفهومی پیوسته بارش- رواناب شماره منحنی اصلاح شده

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 430

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSC-24-1_001

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

سابقه و هدف: مدل های شبیه سازی هیدرولوژیکی پیوسته و روزانه یکی از بهترین ابزارهای برآورد رواناب حاصل از بارندگی می باشند. این مدل ها با شبیه سازی فرایند تبدیل بارش به رواناب قادر به تخمین میزان رواناب حوضه های آب ریز فاقد ایستگاه اندازه گیری با کمترین زمان و هزینه ممکن می باشند. هدف این مقاله معرفی یک روش مدلسازی پیوسته، مفهومی و روزانه بارش-رواناب بر مبنای روش شماره منحنی تغییر یافته است که با استفاده از آن بتوان علاوه بر رواناب خروجی حوضه ، غالب یا مغلوب بودن فرآیند های هیدرولوژیکی مدل را نیز مشخص کرد. مواد و روش ها: درتحقیق حاضر مدل بارش-رواناب بر اساس مدل شماره منحنی اصلاح شده ،به صورت یکپارچه، مفهومی و در مقیاس روزانه در محیط برنامه نویسی متلب کدنویسی شد و با استفاده ازالگوریتم بهینه سازیPSO و تابع هدف ناش-ساتکلیف (NSE) واسنجی گردید. واسنجی مدل توسط الگور یتم PSO (کدنویسی شده در زبان برنامه نویسی متلب) و با تکرار نه هزار مرتبه اجرای مدل، انجام شد. بدین ترتیب که ، ابتدا متغیرهای تصمیم (پارامترهای مدل )در محدوده مشخص شده به صورت تصادفی مقداردهی اولیه شده و سپس الگوریتم PSOاجرا اشده و سری پارامتر بهینه محاسبه گردید. ضمن آنکه در مرحله شبیه سازی مدل ذکر شده با استفاده از داده های ایستگاه معرف جهانی برای حوضه لیف واقع در شمال شهرکالینز در ایالت می سی سی پی آمریکا و همچنین یکی از زیرحوضه های کرخه در داخل کشور واسنجی و صحت سنجی شده است. یافته ها : مقایسه مقادیر رواناب مشاهده شده و شبیه سازی شده در حوضه لیف با کمک آماره های ریشه میانگین مربعات خطا (RMSE) ، ضریب ناش-ساتکلیف (NSE) و معیار کلینگ گوپتا (KGE) به ترتیب در دوره ی واسنجی 4/1 ، 81/0و 87/0 و در دوره ی صحت سنجی 53/2، 83/0 و 86/0 نشان از عملکرد مناسب و قابل قبول مدل داشت. نتایج معیارهای مذکور در زیر حوضه قره سو نیز قابل قبول برآورد گردید ولی به دلیل کیفیت بالاتر داده های حوضه لیف نتایج آن نسبتا بهتر ارزیابی می گردد. نتایج مدل حاضر با خروجی های مشابه از مدل مفهومی بارش– رواناب روزانه Hymod (و با حیث ورودی های یکسان) مقایسه گردید. به طور کلی برتری نسبی مدل Hymod در مقایسه نتایج در هر دو حوضه به چشم می خورد که دلیل آن را شاید بتوان در عدم قطعیت کمتر ناشی از تعداد کمتر پارامترها و روابط ساده تر مدل Hymod جستجو کرد. ضمن آنکه مدل ارائه شده مبتنی بر شماره منحنی علی رغم دارا بودن معیارهای کمتر از مدل hymod به دلیل محاسبه مولفه های مختلف هیدرولوژیکی شامل جریان میانی، جریان پایه، تلفات اولیه، نفوذ زیرسطحی، زهکشی و رواناب سطحی از اهمیت ویژه ای برخوردار بوده و اطلاعات دقیق تری از فرآیند های غالب موثر در رژیم هیدرولوژیکی زیرحوضه ها را در اختیار قرار می دهد. نتیجه گیری: مدل (SCS–CN)اصلاح شده مدلی مفهومی بوده که رواناب را با استفاده از داده های بارش و تبخیر- تعرق پتانسیل روزانه و با دقت مناسب محاسبه می نماید. مزیت اصلی این مدل نسبت به سایر مدل های مفهومی (به عنوان مثال hymod در این تحقیق) برآورد اجزای هیدرولوژیکی مدل و تعیین پروسه غالب حوضه آبریز مورد مطالعه می باشد. در این تحقیق می توان سه جز اصلی نفوذ، تبخیر و رواناب سطحی را به ترتیب فرآیندهای غالب در حوضه آبریز لیف و همان فرآیندها ولی با ترتیب از آخر به اول را فرآیندهای غالب در زیر حوضه قره سو دانست. بنابراین مدیریت حوضه آبریز با کمک خروجی های خاص ناشی از این نوع مدل ها (درصد مقادیر اجزاء مختلف رابطه بیلان هیدرولوژیکی) به نحو بسیار موثرتری قابل حصول می باشد.

کلیدواژه ها:

شبیه سازی بلند مدت بارش-رواناب ، شماره منحنی ، اجزاء رابطه بیلان هیدرولوژیکی ، الگوریتم بهینه سازی PSO ، مدل مفهومی hymod

نویسندگان

محسن پوررضا

عض هیئت علمی

عباس خاشعی سیوکی

عضو هیئت علمی

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 :
  • Arnold, J.G., Engel, B.A., and Srinivasan, R. 1993. Continuous time, ...
  • application of advanced information technologies. Effective management of natural resources. ...
  • ASAE Publication, 04–93. American Society of Agricultural Engineers, Pp: 267-278. ...
  • Boughton, W.C. 1966. A mathematical model for relating runoff to ...
  • Civil Engineering Trans I.E Australia, 38: 2. 779-787. ...
  • Boughton, W.C. 1968. A mathematical catchment model for estimating runoff. ...
  • New Zealand), Pp: 75-100. ...
  • Boyle, D.P., Gupta, H.V., and Sorooshian, S. 2000. Toward improved ...
  • hydrologic models: Combining the strengths of manual and automatic methods. ...
  • Resources Research, 36: 12. 3663-3674. ...
  • Choi, J.Y., Engel, B.A., and Chung, H.W. 2002. Daily streamflow ...
  • based on the curve-number technique. Hydrological Processes, 16: 16. 3131-3150. ...
  • Cooper, V.A., Nguyen, V.T.V., and Nicell, J.A. 2007. Calibration of ...
  • runoff models using global optimisation methods with hydrologic process-based parameter ...
  • constraints. J. Hydrol. 334: 3. 455-466. ...
  • Crawford, N.H., and Linsley, R.K. 1966. Digital Simulation in Hydrology ...
  • Douglas, E.M., Jacobs, J.M., Sumner, D.M., and Ray, R.L. 2009. ...
  • for estimating potential evapotranspiration for Florida land cover types. J. ...
  • Geetha, K., Mishra, S.K., Eldho, T.I., Rastogi, A.K., and Pandey, ...
  • continuous simulation model for hydrologic forecasting. Water Resources Management, ...
  • Gupta, H.V., Kling, H., Yilmaz, K.K., and Martinez, G.F. 2009. ...
  • squared error and NSE performance criteria: Implications for improving hydrological ...
  • modelling. J. Hydrol. 377: 1. 80-91. ...
  • Heaney, J.P., Sample, D., Wright, L., and Koustas, R. 1999. ...
  • systems, decision support systems and urban stormwater management. US Environmental ...
  • Protection Agency, National Risk Management Research Laboratory, Office of Research ...
  • James, D. 1970. An Evaluation of Relationships Between Streamflow Patterns ...
  • Watershed Characteristics Through the Use of OPSET: A Self Calibrating ...
  • Stanford Watershed Model. ...
  • James, L.D. 1972. Hydrologic modeling, parameter estimation and watershed characteristics. ...
  • J. Hydrol. 17: 4. 283-307. ...
  • Liou, E.Y. 1970. Opset: program for computerized selection of watershed ...
  • for the Stanford watershed model. ...
  • Mandeville, A.N., O connell, P.E., Sutcliffe, J.V., and Nash, J.E. ...
  • forecasting through conceptual models part III-The Ray catchment at Grendon ...
  • J. Hydrol. 11: 2. 109-128. ...
  • Michel, C., Andréassian, V., and Perrin, C. 2005. Soil conservation ...
  • method: how to mend a wrong soil moisture accounting procedure ...
  • Mishra, S.K. 1998. Long-term hydrologic simulation using SCS-CN method. Tech ...
  • National Institute of Hydrology, Roorkee-247 667. UP, India. ...
  • Mishra, S.K., and Singh, V. 2013. Soil conservation service curve ...
  • methodology (Vol. 42). Springer Science and Business Media. ...
  • Mishra, S.K., and Singh, V.P. 2002. SCS-CN-based hydrologic simulation package. ...
  • Mathematical Models of Small Watershed Hydrology and Applications, Water Resources ...
  • Publs., LLC, Highlands Ranch, Pp: 391-464. ...
  • Mishra, S.K., and Singh, V.P. 2004a. Long-term hydrological simulation based ...
  • Conservation Service curve number. Hydrological Processes, 18: 7. 1291-1313. ...
  • Mishra, S.K., and Singh, V.P. 2004b. Validity and extension of ...
  • computing infiltration and rainfall-excess rates. Hydrological Processes, 18: 17. 3323-3345. ...
  • Nash, J.E., and Sutcliffe, J.V. 1970. River flow forecasting through ...
  • Ponce, V.M., and Hawkins, R.H. 1996. Runoff curve number: Has ...
  • Hydrol. Engin. 1: 1. 11-19. ...
  • Saghafian, B., Noroozpour, S., Kiani, M., and Nasab, A.R. 2016. ...
  • number rainfall-runon-runoff model. Arab. J. Geosci. 9: 4. 1-13. ...
  • Singh, V.P. 1989. Hydrologic systems: watershed modeling (Vol. 2). Prentice ...
  • Singh, V.P. 1995. Computer Models of Watershed Hydrology1 Water Resources ...
  • Publications. Littleton, Colorado. ...
  • Singh, V.P., Frevert, D.K., Rieker, J.D., Leverson, V., Meyer, S., ...
  • Hydrologic modeling inventory: cooperative research effort. J. Irrig. Drain. Engin. ...
  • Vrugt, J.A., Gupta, H.V., Bouten, W., and Sorooshian, S. 2003. ...
  • Evolution Metropolis algorithm for optimization and uncertainty assessment of hydrologic ...
  • model parameters. Water Resources Research, 39: 8. ...
  • Vrugt, J.A., Ter Braak, C.J., Gupta, H.V., and Robinson, B.A. ...
  • DREAM) and informal (GLUE) Bayesian approaches in hydrologic modeling . ...
  • environmental research and risk assessment, 23: 7. 1011-1026. ...
  • Wagener, T., Boyle, D.P., Lees, M.J., Wheater, H.S., Gupta, H.V., ...
  • A framework for development and application of hydrological models. Hydrology ...
  • System Sciences, 5: 1. 13-26. ...
  • نمایش کامل مراجع