ارزیابی الگوریتم‌های بارش ماهواره ای در شبیه سازی جریان روزانه‌ی رود ساروق چای با استفاده از شبیه IHACRES

الموضوعات :

آرمان عبدالهی پور ¹ , صابر معظمی گودرزی ² , محمود ذاکری نیری ³

1 - دانشجوی کارشناسی ارشد مهندسی عمران آب، گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران
2 - استادیار، دکتری مهندسی عمران آب، گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران
3 - استادیار، دکتری مهندسی عمران آب، گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران

تاريخ الإرسال : 22 الأربعاء , جمادى الأولى, 1437 تاريخ التأكيد : 22 الأربعاء , جمادى الأولى, 1437 تاريخ الإصدار : 11 السبت , جمادى الأولى, 1437

الکلمات المفتاحية: شبیه سازی, جریان روزانه, الگوریتم‌های بارش ماهواره ای, IHACRES, حوضه‌ی آبخیز,

ملخص المقالة :

با توجه به کمبود ایستگاههای آبسنجی در بیشتر حوضه های آبخیز کشور، توسعه­ی روشهایی که بتوانند آبدهی را در مقیاس زمانی روزانه براورد کنند، از موارد ضروری است که به بهبود اطلاعات مورد نیاز برای اهداف مدیریتی مرتبط با منابع آب منجر می گردد. این روشها معمولا از بارش به عنوان ورودی شبیه­های آبشناسی استفاده می کنند. جهت اندازه گیری بارش به عنوان متغیر اصلی در براورد رواناب، می توان از الگوریتم­های ماهواره ای، که دارای پوشش زمانی و مکانی مناسبی می­باشند، استفاده کرد. شبیه­های متعددی برای تخمین بده ارائه شده­اند، که در این بین IHACRES یکی از انواع ساده­ی آنهاست، که در آن تنها از داده­های بارش و دما برای به دست آوردن رواناب استفاده می شود؛ بنابراین، در تحقیق حاضر ابتدا شبیه سازی جریان روزانه­ی رود ساروق چای از حوضه­ی آبخیز زرینه رود باکاربرد شبیه IHACRES و داده­های زمینی روزانه­ی بارش، دما و آبدهی برای سالهای 1367 تا 1387 انجام شد، و شبیه در دو دوره واسنجی و صحت سنجی گردید. سپس جهت ارزیابی کارایی الگوریتم­های بارش ماهواره ای در شبیه سازی بده، که هدف این تحقیق است، داده­های ماهواره ای روزانه­ی سه الگوریتم PERSIANN، TMPA-3B42V7 و CMORPH در فاصله­ی سالهای 1382 تا 1387 به عنوان ورودی شبیه واسنجی شده مزبور مورد استفاده قرار گرفت. با در نظر گرفتن ضریب همبستگی CC، و شاخصهای خطای RMSE، MAE و RBias برای ارزیابیها، نتایج گویای توانایی بالاتر الگوریتم  TMPA-3B42V7در شبیه سازی رواناب حوضه نسبت به دو الگوریتم دیگر می­باشد.

المصادر:

1. آشفته، پ. س. ع. مساح بوانی، 1389. تأثیر تغییر اقلیم بر بده های حداکثر (مطالعه موردی: حوضه آیدوغموش آذربایجان شرقی). مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. 14 :25-39.


2. بارانی زاده، ا. م. ب. بهیار، س. جوانمرد، و ی. عابدینی، 1390. صحت سنجی برآوردهای بارندگی الگوریتم ماهواره ای PERSIANN باداده های بارش زمینی شبکه بندی شده (APHRODITE) درایران. مقاله نامه کنفرانس فیزیک ایران، فیزیک میان رشته ای. 2615-2618.


3. خیرفام ح، مصطفی زاده ر، صادقی س ح ر، 1392. تخمین بده روزانه با استفاده از شبیه IHACRES در برخی از حوزه های آبخیز استان گلستان. پژوهشنامه مدیریت حوزه آبخیز سال چهارم. شماره 7.


4. دوستی، م. شاهدی، ک. حبیب نژاد روشن، م. و م. ح میر یعقوب زاده،. 1393. استفاده از شبیه نیمه مفهومی IHACRES در شبیه سازی جریان روزانه (مطالعه موردی: حوزه آبخیز تمر) . دانشگاه علوم کشاورزی و منابع طبیعی گرگان، نشریه پژوهشهای حفاظت آب و خاک. 21 :277-292.


5. زارعی، م. قنبرپور، م. ر. حبیب نژادروشن، م. و ک. شاهدی، 1388. شبیه سازی جریان رودخانه با استفاده ار شبیه بارش – رواناب IHACRES (مطالعه موردی: حوزه آبخیز کسیلیان). مجله علوم و مهندسی آبخیزداری ایران. 3 :11-20.


6. صادقی س ح ر، یثربی ب،  نورمحمدی ف، 1384. تهیه و تحلیل شبیه های بارش - رواناب ماهانه حوزه آبخیز هراز در استان مازندران. پژوهشنامه علوم کشاورزی و منابع طبیعی خزر.3(1): 1-12.


7. غضنفری مقدم، .م ص. علیزاده، ا. موسوی بایگی، س. م. فرید حسینی، ع. ر. و م. بنایان اول، 1389. مقایسه شبیه PERSIANN با روشهای درون یابی به منظور کاربرد در تخمین مقادیر بارندگی روزانه (مطالعه موردی: خراسان شمالی). نشریه آب و خاک (علوم و صنایع کشاورزی). جلد 25: 207- 215.


8. کتیرایی بروجردی، پ. س. 1392 .مقایسه داده های بارش ماهانه ماهواره ای و زمینی در شبکه ای با تفکیک زیاد روی ایران. مجله ژئوفیزیک ایران. 4: 149-160.


9. نجفی، م. 1387. سیستمهای هیدرولوژیکی (شبیه­سازی بارندگی – رواناب). جلد 1، انتشارات دانشگاه تهران.
   
   
   1. Behrangi A, B. Khakbaz, TC, Jaw. A. AghaKouchak, K. Hsu, and S. Sorooshian, 2011. Hydrologic evaluation of satellite precipitation products over a mid-size basin. J. Hydrol. 397:225–237.
   
   
   2. Beven, K. J. 2001. Rainfall-runoff modelling: The Primer, John Wiley and Sons Press, Department of   Geography Royal Holloway, University of London Egham, Surrey.
   
   
   3. Carcano, E. C., P. Bartolini, M. Muselli, and L. Piroddi, 2008. Jordan recurrent neural network versus IHACRES in modelling daily streamflows. J. Hydrol. 362: 291– 307.
   
   
   4. Collischonn, B., W. Collischonn, and C. E. Morelli Tucci, 2008. Daily hydrological modeling in the Amazon basin using TRMM rainfall estimates. J. Hydrol. 360: 207-216.
   
   
   5. Croke, B. F. W. and A. J. Jakeman, 2008. Use of the IHACRES rainfall-runoff model in arid and semi-arid regions. P41-48. In Hydrological modelling in arid and semi-arid areas. Cambridge University Press Cambridge.
   
   
   6. Croke, B. F. W., R. A. Letcher, and A. J. Jakeman, 2006. Development of a distributed flow model for underpinning assessment of water allocation options in the Naomi River Basin, Australia. J. Hydrol. 319: 51-71
   
   
   7. Dye, P. J. and Croke, B. F. W. 2003. Evaluation of stream flow predictions by the IHACRES rainfall-runoff model in two South African catchments. Environm. Model. Softw.18:705-712.
   
   
   8. Jakeman,  A. J. and G. M. Hornberger, 1993. how much complexity is warranted in a rainfall runoff model?. Water Resour. Res. 29: 2637-2649.
   
   
   9. Jiang, Sh. L. Ren, Y. Hong, B. Yong, X. Yang, F. Yuan, and M. Ma, 2012. Comprehensive evaluation of multisatellite precipitation products with a dense rain gauge network and optimally merging their simulated hydrological flows using the Bayesian model averaging method. J. Hydrol. 452-453:213-225.
   
   
   10. Li, X. Q. Zhang, and Ch. Xu,  2012. Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment, Poyang lake basin. J. Hydrol. 426- 427:28-38.
   
   
   11. Li, X. Zhang, Q. and Ch. Xu, 2013. Assessing the performance of satellite based precipitation products and its dependence on topography over Poyang Lake basin. Theor Appl. Climatol. 115:713–729.
   
   
   12. Littlewood, I. G. R. T. Clarke, W. Collischonn, and B. F. W. Croke, 2007. Predicting daily streamflow using rainfall forecasts, a simple loss module and unit hydrographs: Two Brazilian catchments. Environm. Model. Softw. 22: 1229-1239.
   
   
   13. Motovilov, Y. G. L. Gottschalk, K. Engeland, and A. Rohde, 1999. Validation of a distributed hydrological model against spatial observations. Agric. Forest Meteorol. 98-99: 257-277.
   
   
   14. Moazami, S. S. Golian, M. R. Kavianpour, and Y. Hong, 2013. Comparison of PERSIANN and V7 TRMM multi-satellite precipitation analysis (TMPA) products with rain gauge data over Iran. Int. J. Remote Sens. 34: 8156–8171.
   
   
   15. Stisen, S. and I. Sandholt, 2010. Evaluation of remote-sensing-based rainfall products through predictive capability in hydrological runoff modeling. J. Hydrol. Process. 24:879–891.