شبیه سازی هیدرولوژیکی بارش-رواناب با استفاده از الگوریتم های بارش ماهواره ای اصلاح شده، مطالعه موردی: حوضه سد وشمگیر، گلستان

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 121

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-14-3_013

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

این مطالعه به ارزیابی پتانسیل اطلاعات بارش ماهواره ای برای توسعه مدل معتبر بارش-رواناب جهت تولید اطلاعات هشدار سیلاب در حوضه سد وشمگیر در ایران می پردازد. دو محصول بارش ماهواره ای (TRMM و PERSIANN) مورد ارزیابی قرار گرفتند تا مشخص شود که کدام محصول الگوی بارش واقعی و شدت آن را در حوضه بهتر نشان می دهد. بعد از انجام ارزیابی بر پایه پارامترهای آماری همچون RMSE، MAE، MBE و R۲ تخمین های TRMM برای شبیه سازی بارش-رواناب انتخاب شد. در میان شش سال حاوی اطلاعات دبی (۲۰۰۲ تا ۲۰۰۷)، بازه ۲۰۰۲ تا ۲۰۰۴ برای واسنجی و بازه ۲۰۰۵ تا ۲۰۰۷ برای صحت سنجی استفاده شد. علاوه بر توسعه مدل روزانه بارش-رواناب در HEC-HMS، مدلی بر پایه رخداد نیز توسعه یافت. همچنین شبیه سازی بر اساس اطلاعات روزانه TRMM در مقابل اطلاعات ۳ ساعته آن نیز مورد مقایسه قرار گرفت تا بتوان تاثیر گام های زمانی در نتایج را نیز مورد ارزیابی قرار داد. نتایج نشان داد که مدل تلفات deficit constant در بازه واسنجی (NSE= ۰.۴۱۳ ,R۲=۰.۴۸۲, RVE= -۰.۲۴۶ %) و بازه صحت سنجی (NSE= ۰.۶۲۱ ,R۲=۰.۶۷۰, RVE= -۰.۳۲۹ %) مقدار رواناب و همچنین مقدار دبی روزانه حداکثر را بهتر تخمین می زند. همچنین مدل کاربردی مقیاس های ماهانه و بزرگتر را بهتر از مقیاس روزانه تخمین خواهد زد. به علاوه مدل کاربردی HEC-HMS بر پایه رخداد در گام های زمانی سه ساعته دبی حداکثر را بهتر تخمین می زند. این مطالعه بیانگر مناسب بودن مدل HEC-HMS برای شبیه سازی رواناب پیوسته در حوضه های پیچیده می باشد.

نویسندگان

پیمان پریسوژ

دانشجوی کارشناسی ارشد عمران آب، دانشکده فنی، دانشگاه آزاد اسلامی واحد اسلامشهر

حمید گهرنژاد

Islamic Azad University

صابر معظمی

استادیار گروه مهندسی عمران و رییس مرکز تحقیقات علوم زیست محیطی، واحد اسلامشهر دانشگاه آزاد اسلامی

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 :