پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,117,735 |
| تعداد دریافت فایل اصل مقاله | 97,223,480 |
تلفیق مدل بارش-رواناب مفهومی Sacramento و دادههای بازتحلیل شده مدلهای جهانی برای شبیهسازی رواناب | ||
| تحقیقات آب و خاک ایران | ||
| دوره 53، شماره 4، تیر 1401، صفحه 821-833 اصل مقاله (1.32 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2022.339096.669208 | ||
| نویسندگان | ||
| ملیحه بایرام1؛ اصغر عزیزیان* 2 | ||
| 1دانشجوی کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین | ||
| 2استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین | ||
| چکیده | ||
| برآورد صحیح رواناب برای تصمیم‌گیری در خصوص پروژه‌های منابع آب از اهمیت بالائی برخوردار است. یکی از راههای تخمین رواناب، استفاده از مدلهای هیدرولوژیکی مفهومی میباشد. علت استفاده از چنین مدلهایی در بسیاری از مطالعات، ساختار نسبتاً ساده و تعداد دادههای ورودی کم آنها میباشد. هدف اصلی این پژوهش بررسی عملکرد مدل بارش-رواناب مفهومی Sacramento در شبیهسازی رواناب خروجی از حوضه آبریز شاپور و نیز تعیین مناسبترین داده بازتحلیل شده جهت تخمین تبخیروتعرق در بازه مطالعاتی میباشد. در پژوهش حاضر از نتایج چهار مدل باز تحلیل شده HBV-SIMREG، ORCHIDEE، PCR-GLOBW ،WATERGAP3 و W3RA جهت برآورد سری زمانی تبخیروتعرق که یکی از مهمترین ورودیهای مدل Sacramento میباشد، استفاده شده است. همچنین برای تخمین متوسط وزنی بارش در سطح حوضه، از دادههای بارش روزانه ثبت شده در ایستگاه‌های باران‌سنجی موجود در بازه مطالعاتی و روش Thiessen استفاده شده است. نتایج حاکی از آن است که دادههای تبخیروتعرق بدست آمده از بیشتر مدلهای بازتحلیل شده مذکور، منجربه عملکرد مناسب مدل بارش-رواناب Sacramento در شبیهسازی دبی جریان روزانه میشود. هرچند لازم به ذکر است که عملکرد دادههای W3RA، WATERGAP3 و PCR-GLOBW در هر دو مرحله واسنجی و صحتسنجی نسبت به دیگر دادهها از کارائی به مراتب بیشتری برخوردار میباشند. مقادیر شاخص آماری NSE برای سه مدل برتر در دو مرحله واسنجی و صحتسنجی به ترتیب همواره بالاتر از 87/0 و 60/0 میباشد. همچنین نتایج بدست آمده بر اساس دادههای W3RA نشان داد که میزان خطای مدل Sacramento در تخمین حجم رواناب و دبیهای اوج سیلاب به کمترین مقدار خود میرسد. میزان خطای مدل در برآورد دبی اوج سیلاب و حجم رواناب در صورت استفاده از دادههای W3RA به ترتیب کمتر از 11 و 15 درصد میباشد. در یک جمعبندی کلی میتوان چنین عنوان نمود که دادههای بدست آمده از مدلهای بازتحلیل شده میتواند به عنوان یک داده مکمل و حتی جایگزین به ویژه در حوضههای فاقد آمار و یا آمار ناکافی برای استفاده در مطالعات منابع آب و شبیهسازی رواناب مدنظر محققین قرار گیرد. | ||
| کلیدواژه‌ها | ||
| مدل بارش ـ رواناب؛ یکپارچه؛ سنجش از دور؛ منابع آب؛ سیلاب | ||
| عنوان مقاله [English] | ||
| Integrating the Sacramento Conceptual Rainfall-Runoff Model and Reanalyzed Datasets for Runoff Simulation | ||
| نویسندگان [English] | ||
| Malihe Bayram1؛ Asghar Azizian2 | ||
| 1MSc student in Water Resources Engineering, Water engineering Dept., Imam Khomeini International University, Qazvin, Iran. | ||
| 2Assistant Professor in Water Engineering Department/ Imam Khomeini International University | ||
| چکیده [English] | ||
| Accurate estimation of runoff plays an important role in water resources and hydrological studies. Due to simple structure and minimum data requirements, the conceptual hydrologic models are the best way to estimate runoff. The main objective of this study is to investigate the performance of Sacramento model in runoff simulation and determining the best reanalyzed evapotranspiration dataset for using in the model. In this study, four different datasets including HBV, ORCHIDEE, PCR-GLOBW, WATERGAP3 and W3RA are used in Sacramento model. Also, for estimation of basin-averaged rainfall time seri, the Thiessen method was used based on ground gage observations. Results indicate that using most of the reanalyzed datasets in Sacramento model lead to reliable outputs and the performance of model in simulation of daily stream flow is relatively high. However, the performance of model in the case of using W3RA and WATERGAP3 is better than the other data sources, and in both calibration and verification phases the Nash-Sutcliffe efficiency (NSE) is higher than 0.60 and 0.87, respectively. Moreover, findings show that the W3RA dataset is the best one for estimation of runoff volume, high flows (peak floods) and the time to peak flows. Overall, based on the outputs of this research, the reanalyzed datasets can be considered as an alternative or complementary in data-limited regions for water resources and hydrological studies. | ||
| کلیدواژه‌ها [English] | ||
| Rainfall-Runoff Model, Lumped, Remote Sensing, Water Resources, Flood | ||
| مراجع | ||
|
Abbott M. B., Bathurst J. C., Cunge J. A., O’Connell P. E. and Rasmussen J. (1986) An introduction to the European Hydrological System – Systeme Hydrologique Europ ` een (SHE): 1. History and philosophy of a physically- ´ based, distributed modelling system. Journal of Hydrology, 87:45–59. Beven K. J., Warren R. and Zaoui J. SHE. (1987) Towards a methodology for physically-based distributed forecasting in hydrology. Int. Assoc. Sci. Hydrol. Publ. No., 129:133–137. Bhuiyan, M.A.E. (2018). Uncertainty of Global Precipitation Datasets and Its Propagation in Hydrological Simulations (Doctoral dissertation, University of Connecticut). Devia, G.K., Ganasri, B.P. and Dwarakish, G.S. (2015). A review on hydrological models. Aquatic procedia, 4, 1001-1007. d'Orgeval, T., Polcher, J., and de Rosnay, P. (2008). Sensitivity of the West African hydrological cycle in ORCHIDEE to infiltration processes, Hydrol. Earth Syst. Sci., 12, 1387-1401, doi:10.5194/hess-12-1387-2008. Dutra, E. (2015). Report on the current state-of-the-art Water Resources Reanalysis, Earth2observe deliverable no. D. 5.1. Eisner, S. (2016). Comprehensive evaluation of the WaterGAP3 model across climatic, physiographic, and anthropogenic gradients (Doctoral dissertation). Grayson, R. and Blöschl, G. (2001). Spatial patterns in catchment hydrology: observations and modelling. CUP Archive. Gupta, H.V., Kling, H., Yilmaz, K.K. and Martinez, G.F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of hydrology, 377(1-2), 80-91. Gupta, H.V., Sorooshian, S. and Yapo, P.O. (1999). Status of automatic calibration for hydrologic models: Comparison with multilevel expert calibration. Journal of hydrologic engineering, 4(2), 135-143. Haddeland, I., Clark, D.B., Franssen, W., Ludwig, F., Vo, F., Arnell, N.W., Bertrand, N., Best, S., Gerten, D. and Gomes, S. (2011). Multimodel estimate of the global terrestrial water balance: Setup and first results. Journal of Hydrometeorology, 12(5), 869-884. Kratzert, F., Klotz, D., Brenner, C., Schulz, K. and Herrnegger, M. (2018). Rainfall–runoff modelling using long short-term memory (LSTM) networks. Hydrology and Earth System Sciences, 22(11), 6005-6022. Krinner, G., Viovy, N., N., de Noblet-Ducoudré, N., Ogée, J., Polcher, J., F riedlingstein, P., Ciais, P., Stich, S., and Prentice, I. C. (2005). A dynamic global vegetation model for studies of the coupledatmosphere-biosphere system, Global Biogeochem. Cy, 19 (1), 10-25. Leisenring, M. (2011). Implications of Hydrologic Data Assimilation in Improving Suspended Sediment Load Estimation in Lake Tahoe, California. Li, H., Zhang, Y., Chiew, F.H.S., Xu, S. (2009). Predicting runoff in ungauged catchments by using Xinanjiang model with MODIS leaf area index. Journal of hydrology, 370 (1–4), 155–162. Li, Y., Grimaldi, S., Pauwels, V.R. and Walker, J.P. (2018). Hydrologic model calibration using remotely sensed soil moisture and discharge measurements: The impact on predictions at gauged and ungauged locations. Journal of hydrology, 557, 897-909. Lindström, G., Johansson, B., Persson, M., Gardelin, M. and Bergström, S. (1997). Development and test of the distributed HBV-96 hydrological model. Journal of hydrology, 201(1-4), 272-288. Meng, X.Y., Wang, H., Cai, S.Y., Zhang, X.S., Leng, G.Y., Lei, X.H., Shi, C.X., Liu, S.Y. and Shang, Y. (2017). The China meteorological assimilation driving datasets for the SWAT model (CMADS) application in China: A case study in Heihe river basin. Muthuwatta, L.P. et al. (2009). Calibration of a semi-distributed hydrological model using discharge and remote sensing data. In: Yilmaz, K.K. et al. (Eds.), New Approaches to Hydrologiocal Prediction in Data-Sparse Regions. IAHS, Hydrabad, 52–58. Nash, J.E. and Sutcliffe, J.V. (1970). River flow forecasting through conceptual models’ part I—A discussion of principles. Journal of hydrology, 10(3), 282-290. Ngo-Duc, T., Laval, K., Ramillien, G., Polcher, J., and Cazenave, A. (2007). Validation of the land water storage simulated by Organising Carbon and Hydrology in Dynamic Ecosystems (ORCHIDEE) with Gravity Recovery and Climate Experiment (GRACE) data, Water Resour. Res, 43, 4-20. Perrin, C., Michel, C. and Andréassian, V. (2003). Improvement of a parsimonious model for streamflow simulation. Journal of hydrology, 279(1-4), 275-289. Podger, G., 2004. Rainfall runoff library user guide. Cooperative Research Centre for Catchment Hydrology. Qi, W., et al. (2016). Evaluation of global fine-resolution precipitation products and their uncertainty quantification in ensemble discharge simulations. Hydrology and Earth System Sciences, 20, 903–920. Sood, A. and Smakhtin, V. (2015). Global hydrological models: a review. Hydrological Sciences Journal, 60(4), 549-565. Van Beek, L.P.H., Bierkens, M.F.P. (2009). The Global Hydrological Model PCR-GLOBWB: Conceptualization, Parameterization and Verification. Department of Physical Geography, Faculty of Earth Sciences Utrecht University. | ||
|
آمار تعداد مشاهده مقاله: 352 تعداد دریافت فایل اصل مقاله: 242 |
||