بررسی رفتار تصادفی الگوی بارش توسط مدلRDP در حوضه آبریز رودخانه سیمره
محورهای موضوعی : مدیریت محیط زیست
احمد شرافتی
1
(استادیار دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران*(مسوول مکاتبات).)
محمدرضا خزائی
2
(استادیار گروه مهندسی عمران، دانشگاه پیام نور، تهران، ایران)
کلید واژه: مدل RDP, عدم قطعیت, الگوی بارش,
چکیده مقاله :
زمینه و هدف : الگوی بارش از متغیرهای مهم و موثر در شبیه سازی سیلاب محسوب می‌شود. تغییرات شدت بارش در طول مدت آن توسط الگوی بارش تبیین می‌گردد. رفتار تصادفی الگوی بارش ناشی از متغیر تصادفی موثر بر آن است. با توجه به تاثیر الگوی بارش بر سیلاب، جهت تحلیل عدم قطعیت سیلاب نیاز به بررسی رفتار تصادفی متغیرهای موثر بر الگوی بارش و تحلیل عدم قطعیت آن‌ها است. روش بررسی: در این تحقیق با معرفی مدل [1]RDP علاوه بر ارزیابی متغیرهای مؤثر بر الگوی بارش نظیرعمق و مدت بارش، رفتار تصادفی الگوی بارش نیز در حوضه آبریز رودخانه سیمره بررسی‌شده است. نتایج: با بررسی نتایج مشخص گردید که وقایع بارش با مدت و عمق بارش بیشتر، دارای نوسانات شدت بارش کمتری هستند. به عبارت دیگر بارش‌های فوق دارای الگوی یکنواخت هستند. هم چنین بیش از 60 درصد وقایع بارش در حوضه سیمره، از نوع 1و 2 هستد. بحث و نتیجه گیری: نتایج نشان داد؛ با افزایش مدت بارش، نرخ افزایش عمق تجمعی در ابتدا کاهش سپس افزایش می‌یابد. هم چنین با افزایش نوع بارش، نرخ افزایش عمق تجمعی افزایش می‌یابد. بارش‌های از نوع بارش 2، عمق بارش کمتر، زمان تداوم بیشتر دارای عدم قطعیت کمتری هستند. 3- Rain Data Processer
Background and Objective: Rainfall pattern is one of the most important and effective variable in flood simulation. Variation of rainfall intensity in each event is illustrated by rainfall pattern. Many random variable cause the stochastic property of rainfall pattern. According to the relation between rainfall pattern and flood, uncertainty of flood is related to the variability of rainfall pattern. Method: In this study, the RDP (Rainfall Data Processor), is used to quantify randomness characteristic of rainfall pattern in Symareh catchment. Findings: The obtain result shown, the Brust factor in rainfall events with long time duration and more depth is less than others. Also, more than 60 percent of observed events in Symareh catchment are belong to type 1 and 2 categories. Discussionand Conclusion the obtained result shown, the fraction of cumulative rainfall depth has not the same pattern. Also, the minimum uncertainty are related to the rainfall patterns that belong to the type 2 and has less depth and also more duration.
- Yen, B. C. and V. T. Chow. (1980). Design hyetographs for small drainage stmctures. Joumal of the Hydraulics Division, Vol. 106, No. HY 6, pp. 1055-1076.
- Preul, H. C. and Papadakis, C. N. (1973). Development of design storm hyetographs for Cincinnati, Ohio. Water Resources Bulletin, American Water Resources Association.Vol. 9, No. 2, pp: 291-300.
- Huff, F. A. (1967). Time distribution of rainfall in heavy storms. Water Resources Research, 3(4): 1007-1019.
- Wu.S.J, Yang.J.C and Tung Y.K, (2006).’ Identification and stochastic generation of representative rainfall temporal patterns in Hong Kong territory’, Stoch Environ Res Risk Assess.20,PP. 171–183
- Wu.S.J, Yang.J.C and Tung Y.K, (2006).’ Stochastic generation of hourly rainstorm events’, Stoch Environ Res Risk Assess.21,PP. 195–212
- Sharafati, A., and Zahabiyoun, B. (2014). Rainfall Threshold Curves Extraction by Considering Rainfall-Runoff Model Uncertainty. Arabian Journal for Science and Engineering, 39(10), 6835-6849.
- Al-Saadi.R, (2002). “HYETOGRAPH ESTIMATION FOR THE STATE OF TEXAS”, MSc Thesis in Civil Eng, Texas Tech University
- Ramires.J.N. (2007(, Assessment of uncertainty in flow model parameter ,channel hydraulics properties and rainfall data of lumped watershed model , P.H.D thesis in civil Eng, Mississippi state university.