Comparative comparison of SWMM and SMADA models to estimate flood hydrograph (case study: Zendan catchment area - Hormozgan province)
Subject Areas : Irrigation, drainage and water supply systemsMohammad Ebrahim Afifi 1 , Farshid Hashmipour Petkoi 2 , Vahid Sohrabi 3 *
1 - Department of Geography, Faculty of Humanities, Islamic Azad University, Larestan Branch, Fars, Iran.
2 - Department of Geography, Faculty of Humanities, Islamic Azad University, Larestan Branch, Fars, Iran.
3 - Department of Geography, Faculty of Humanities, Islamic Azad University, Larestan Branch, Fars, Iran.
Keywords: SWMM, SMADA, Flood hydrograph, Zendan Basin,
Abstract :
Forecasting peak discharge and simulating flood hydrographs in streams and rivers is a complex process in hydrology. This study utilizes the SWMM and SMADA precipitation-runoff models, incorporating meteorological data (such as precipitation curves and evaporation rates) along with the physical characteristics of the catchment area and drainage basins to simulate the outflow hydrograph of the Zendan catchment area in Hormozgan Province. The aim of this study is to compare the perforcemece of the SWMM and SMADA models in flood hydrograph simulation to determine the more suitable model for flood management. The research applications include flood mitigation strategies, risk reduction, and infrastructure planning. The watershed was divided into 11 single-branch sub-basins, with each sub-basin characterized by its physical properties, drainage characteristics of the sub-basin, and precipitation parameters. Each sub-basin was simulated as a nonlinear reservoir, and individual hydrographs were calculated based on the given characteristics. These hydrographs were then routed to the watershed outlet using the kinematic wave method to determine the final discharge. The SWMM model demonstrated a higher accuracy in flood hydrograph simulation, mainly due to its capability for calibration with various algorithms. While the SMADA model also produced flood hydrographs, it exhibited a larger discrepancy between simulated and observed floods. This is largely attributed to its reliance on older equations with higher error rates. The results indicate that, for this specific catchment, the SWMM model is more efficient than the SMADA model.
Ababaei, B., & Sohrabi-Mollayousef, T. (2009). Performance evaluation of SWAT model in Zayandeh Rood watershed. Soil and Water Conservation Research (Agricultural Sciences and Natural Resources), 16(3), 41-58. (In Persian)
Adams, B., & Papa, F. (2021). Urban stormwater management planning with analytical probabilistic models. 358 p. Wiley.
Ahmadi, L. (2019). Investigation of erosion and sedimentation in the dry river of Shiraz by non-permanent method, Master's Thesis, Faculty of Agriculture, Shiraz University. (In Persian)
Bahremand, A. (2019). Fundamentals of hydrological models. Master's Degree Coursebook, Watershed Management Department, Gorgan University of Agricultural Sciences and Natural Resources, 58 p. (In Persian)
Bridge, J.S. (2008). Rivers and Floodplains. Translated by Rezaei Moghadam, M., & Thaqafi, M. Vol 1: Dynamics and Processes, Ministry of Culture and Islamic Guidance Publications.
Darabi, M. (2014). Evaluation of the effects of watershed management projects on flood control and economic and social issues in the Khorami watershed, a tributary of the Sivand Dam in Fars Province. Proceedings of the Sixth National Conference on Watershed Science and Engineering and the Fourth National Conference on Erosion and Sedimentation, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, 8 p.
Dovonce, E. (2019). A physically based distributed hydrologic model. Master of Science Thesis, The Pennsylvania State University.
Eftekharian, M., & Khalilizadeh, M. (2013). Forecasting areas prone to flooding and proposing appropriate solutions for urban flood control (Case study: Jahrom city). Master's Thesis. Islamic Azad University - Larestan Branch. (In Persian)
Feyzi, M., Bagheri, M., & Azmati, H. (2007). Human-environmental approach in landscape architecture design, Technology of Education Journal, 1)2(, 89-96.(In Persian). https://doi.org/10.22061/tej.2007.1248
Gautam, M.R. (2019). Advances in data-based approaches for hydrologic modeling and forecasting. World Scientific.
Hajjarian, A. (2023). Comparative study of modeling flood-sensitive areas (Isfahan Province), Environmental Risk Management, 10(3), 199-214. (In Persian). http//doi.org/10.22059/jhsci.2023.362467.786
Hormozgan Regional Water Company. (2014). Control and Stability Report of Shamil and Nian Dams. (In Persian)
Hormozgan Regional Water Company. (2019). Control and Sustainability Report of Shamil and Nian Dams. (In Persian).
Hormozgan Regional Water Company. (2021). Hydrological studies of Ahmadi study area. Farsab Sanat Consulting Engineers Company. (In Persian)
Hosseinzadeh, M., Imamgholizadeh, S., Ganji, Z., & Samadi, H. (2016). Comparison of flood trends by MIKE model and 11 HEC-RAS models in Bazfat river, 15th National Hydraulic Conference of Iran. (In Persian)
Imam Gholizadeh, S., Bina, M., & Ghomshi, M. (2007). Investigation of the effect of reservoir water height and outlet flow rate from the lower discharger on the rate of sediment discharge in pressure washing. Agricultural Scientific Journal, 30(4-A), 61-76. (In Persian)
Kolte, A. (2019). Evaluation of the performance of the LISEM physical model in the representative and paired Kechik watersheds of Golestan province. Master's Thesis in watershed management, Gorgan University of Agricultural Sciences and Natural Resources, 104 p. (In Persian)
Lange, A.L, George, S., & Aley, T. (2014). Karst hydrogeology and human activities, impacts, consequences, and implications. McGraw Hill Professional - 751 p.
Lar Consulting Engineers Company. (2019). Report on Golestan Province Floods. (In Persian)
Mahdavi, M. (2019). Comprehensive watershed management. Fourth National Conference on Watershed Engineering and Watershed Management, Faculty of Natural Resources, University of Tehran, 1 p. (In Persian)
Mazandaranizadeh, H., & Khodabakhshi, F. (2024). Performance evaluation of CANFIS, MLPNN, MLR and M5 models in simulating meteorological drought index (Case study: Kermanshah synoptic station). Irrigation Science and Engineering, 47(1), 83-98. (In Persian). http//doi.org/10.22055/jise.2023.42231.2046
Mohammadi Motlagh, R., & Jalal Kamali, A. (2012). Investigating the role of sub-basin participation in flood severity, a case study of Dalaki watershed. Iranian Irrigation and Water Engineering, 4(13), 31-44.
Motlabi, A., & Khalilizadeh, M. (2016). Investigating land use changes and modeling floods in Jahrom city using GIS and SMADA model. Thesis, Islamic Azad University, Larestan Branch. (In Persian)
Mozaffari, J., & Kabarfard, M. (2016). Investigating the quantitative and qualitative management of urban floods with the EPA-SWMM Model, a Case study of Tehran Region 22. Iranian Irrigation and Water Engineering, 7(27), 47-59. (In Persian)
Nash, J. E., & Sutcliffe, J.V. (1970). River flow forecasting through conceptual models part I — A discussion of principles. Journal of Hydrology, 10(3), 282–290. https://doi.org/10.1016/0022-1694(70)90255-6
Ouyang, Y., Nkedi-Kizza, P., Wu, Q.T., Shinde, D., & Huang, C.H. (2012). Assessment of seasonal variations in surface water quality, Water Research, 40(20), 3800-3810.
Payab, M. (2025). Resilience of cities and risk of natural hazards. Monthly Journal of Expert Reports of the Research Center of the Islamic Consultative Assembly, 32(5). (In Persian)
Rahimzadeh, F., Hedayati Dezfuli, A., & Pourasgharian, A. (2011). Assessment of trends and extreme temperature and precipitation fluctuations in hormozgan province. Geography and Development, 9(21), 97-116. (In Persian)
Rajabizadeh, Y., Ayubzadeh, S.A., & Zahiri, A. (2018). Investigation of Golestan province flood in 2017-2018 and presentation of methods for its control and management in the future. Ecohydrology, 6(4), 921-942. (In Persian)
Razzaghi, A., Asgari Marnani, J., & Rouhanimanesh, M. S. (2021). Numerical evaluation of modified energy method in the analysis of structural problems with nonlinear geometry. Structural and Construction Engineering, 8(5), 83-109. (In Persian)
Shabanloo, S., & Karim Bakhsh, M. (2013). Simulation of flood events at the basin scale with the SWMM model, case study of Golestan province. Fourth Iranian Water Resources Management Conference in 2013 Hormozgan Regional Water Company. Report on the Control and Stability of Shamil and Nian Dams. (In Persian)
Sohrabi, V., Hashemipour-Petkoy, F., & Sheikhpour-Shahi, H. (2023). Sensitivity analysis of Manning's roughness coefficient of rivers in the HEC-RAS model for determining flood zones (Case study: Kor River - Fars Province). Quarterly Journal of Geographic Information System and Remote Sensing Application in Planning, 14(2).
Sohrabi, V., & Afifi, M. A. (2023). Temporal and spatial modeling of groundwater level using Kriging models and artificial neural networks (Case study: Minab Plain). Journal of Technical Strategies in Water Systems, 1(4), 1-22. https://doi.org/https://doi.org/10.30486/TSWS.2024/1106197
Taheri Behbahani, M., & Bozorgzadeh, M. (1996). Urban floods. Publications of the Center for Urban Planning and Architecture Studies and Research, Iran, 536 pp. (In Persian)
Tajbakhsh, M., & Khodashenas, S. R. (2012). Review of surface runoff drainage network using simulation and application of delay ponds (Case study: East Iqbal Catchment Basin, Mashhad). Soil and Water Science Journal, 22, 109–123. (In Persian)
Telluri, A. R. )1996(. Hydrological models in simple language. Tehran University Press, 401 pp. (In Persian)
Westervelt, J. )2020(. Simulation modeling for watershed management. Springer Science & Business Media.
Zamani, N., &Khalilizadeh, M. (2014). Evaluation of the surface water collection network of Bastak city using the SWMM model and its integration with GIS. Master's Thesis, Islamic Azad University, Larestan Branch. (In Persian)
Zehtabian, G., Ali Portomaj, A., & Afakhah, M. (2001). Study of the application of artificial unit hydrographs in flood analysis in watersheds of the north of the country. Natural Resources of Iran, 54(4), 331-344. (In Persian)
Technical Strategies in Water Systems https://sanad.iau.ir/journal/tsws ISSN (Online): 2981-1449 Autumn 2024: Vol 2, Issue 3, 198-217 https://doi.org/10.30486/TSWS.2024.1126586 |
|
Research Artic |
|
|
Comparative comparison of SWMM and SMADA models to estimate flood hydrograph (case study: Zendan catchment area - Hormozgan province)
Mohammad Ibrahim Afifi , Farshid Hashemipour Petkoi , Vahid Sohrabi*
Department of Geography, Faculty of Humanities, Islamic Azad University, Larestan Branch, Fars, Iran.
Corresponding author: sohrabiv@ymail.com
© The Author)s( 2025
Received: 15 Jul 2024 | Accepted: 04 Feb 2025 | Published: 06 Feb 2025 |
Abstract
Forecasting peak discharge and simulating flood hydrographs in streams and rivers is a complex process in hydrology. This study utilizes the SWMM and SMADA precipitation-runoff models, incorporating meteorological data (such as precipitation curves and evaporation rates) along with the physical characteristics of the catchment area and drainage basins to simulate the outflow hydrograph of the Zendan catchment area in Hormozgan Province. The aim of this study is to compare the perforcemece of the SWMM and SMADA models in flood hydrograph simulation to determine the more suitable model for flood management. The research applications include flood mitigation strategies, risk reduction, and infrastructure planning. The watershed was divided into 11 single-branch sub-basins, with each sub-basin characterized by its physical properties, drainage characteristics of the sub-basin, and precipitation parameters. Each sub-basin was simulated as a nonlinear reservoir, and individual hydrographs were calculated based on the given characteristics. These hydrographs were then routed to the watershed outlet using the kinematic wave method to determine the final discharge. The SWMM model demonstrated a higher accuracy in flood hydrograph simulation, mainly due to its capability for calibration with various algorithms. While the SMADA model also produced flood hydrographs, it exhibited a larger discrepancy between simulated and observed floods. This is largely attributed to its reliance on older equations with higher error rates. The results indicate that, for this specific catchment, the SWMM model is more efficient than the SMADA model.
Keywords: SWMM, SMADA, Flood hydrograph, Zendan Basin
مقاله پژوهشی |
|
|
مقایسه تطبیقی مدلهای SWMM و SMADA جهت برآورد هیدرو گراف سیل
(مطالعه موردی: حوضه آبریز زندان - استان هرمزگان)
محمدابراهیم عفیفی، فرشید هاشمیپور پتکوئی، وحید سهرابی*
گروه جغرافیا، دانشکده علومانسانی، دانشگاه آزاد اسلامی واحد لارستان، فارس، ایران.
ایمیل نویسنده مسئول: sohrabiv@ymail.com
© The Authors 2025
چاپ: 18/11/1403 | پذیرش: 1403/11/16 | دریافت: 1403/04/25 |
چکیده
واژههای کلیدی: SWMM، SMADA، هیدرو گراف سیل، حوضه آبریز زندان
1- مقدمه
سیل همواره در ایران خسارات جانی و مالی فراوانی به همراه داشته است. در این زمینه میتوان به سیل سالهای 1380 تا 1384 استان گلستان اشاره نمود که تنها براثر سیل مردادماه 1380 حدود 217 نفر کشته، صدها نفر بیخانمان و حدود 500 میلیارد ریال به تأسیسات زیربنائی اعم از جاده و پل خسارت وارد شد (Lar Consulting Engineers Company, 2019). وقوع مکرر چنین سیلابهایی در هر منطقه سبب نگرانی شدید مردم و مسئولین شده تا جایی که بررسی این پدیده و ارائه راهکارهای مؤثر برای مقابله و یا پیشگیری از آن ضروری به نظر میرسد. بدیهی است جلوگیری از وقوع سیلاب و یا کنترل کامل آن ناممکن است ولی با اتخاذ تمهیداتی میتوان خسارات ناشی از آن را به حداقل رسانید. انجام این تمهیدات خود ملزم به پیشبینی نحوه وقوع سیلاب و مشخصات آن است. اطلاع از میزان و چگونگی تغییرات دبی و حجم در زمان و مکان اهمیت ویژهای در پیشبینی سیلاب دارد Hosseinzadeh et al., 2016)). حوضههای آبریز امروزه در بسياري از زمينههاي مديريتي در محيطهاي طبيعي مانند منابع طبيعي، آب، محيطزيست، كشاورزي و بلاياي طبيعي بهعنوان واحد برنامهريزي مورد پذیرش و استفاده قرارگرفتهاند، به نحوی که تمامي برنامهها در مقياس وسيع و برنامههاي اجرايي در مقياسهاي كوچكتر در اين حوضهها مدنظر قرار ميگيرند (Mahdavi, 2019). مديريت حوضه آبریز، يكي از حساسترين و درعینحال پيچيدهترين اشكال مديريت منابع و توليد است (Mohammadi Motlagh & Jalal Kamali 2012). مديريت حوضه آبریز براي کنترل يا کاهش جريان سطحي و تأثیر بر توليد رواناب انجام ميشود.
تلاش دانشمندان و محققان، در جهت درک بهتر از پديدههاي اساسي که رفتار فرایندهای ژئوفيزيکي در پيشگويي وضعيتهاي آتي را کنترل ميکنند و همچنين ترکيب اين وضعيتهاي پیشبینیشده براي طراحي، از موارد قابل توجه است. ازآنجاییکه اين فرایندها همواره در طبيعت پيچيده و پويا هستند، مدلهايي با درجات مختلف سادهسازي براي پيشبيني رفتار سيستم توسعه يافتند. از عوامل تأثیرگذاردر پیامد سیل ميتوان به رژیم بارش، دما، توپوگرافي، وضعیت پوش گیاهي، جنس خاک، رطوبت، ویژگيهای فیزیولوژیکي حوضهها و ناپایداری هوا اشاره کرد(Hajjarian, 2023). جهت حفاظت مناسب جامعه و محيط از اثرات وقوع سيلاب مانند: رواناب، فرسايش و آلودگي آب، انتخاب و کاربرد مدلهاي مناسب تجزیه و تحلیل مديريت سيلاب لازم و ضروري است. این قبیل مدلها بايستي ارائه مناسبي از رفتارهاي هيدرولوژيکي و هيدروليکي سيستمهاي زهکشي داشته باشند (Adams & Papa, 2021). به طور کلی اکوسیستمهای طبیعی همراه با پیچیدگی، پویایی و عدم قطعیت هستند( Mazandaranizadeh & Khodabakhshi, 2024). مدلهاي شبيهسازي مبناي کامپيوتري دارند که بخشي از معادلات چرخه آب را ارائه ميدهند و براي پيشبيني ميزان و عمق جريان آب، پتانسيل شستشو و بار رسوب استفاده ميشوند. مدلهاي مذکور بايد در برگيرنده محاسبات زبريهاي سطحي، مقاومت جريان، حرکت آب، شيبهاي سطحي، عمقهاي رودخانه و خصوصيات خاک باشند(Westervelt, 2020). پيشبيني دبي اوج و شبيهسازي هیدروگراف سيلاب در يک جريان آبراههاي يا رودخانهاي، يکي از فرآيندهاي پيچيده در هيدرولوژي است (Feyzi et al., 2007). هدف اصلي استفاده از مدلهاي هيدرولوژي، شبيهسازي رفتار حوضه آبریز و پيشبيني اثر تغييرات شرايط حوضه و متغيرها بر عملکرد سيستم آبریز است(Telluri, 1996). مدلهاي هيدرولوژي قادر به شبيهسازي فرآيندهاي هيدرولوژيکي سطح زمين به منظور بهبود مديريت منابع آب هستند (Dovonce, 2019). مدلهاي بارش - رواناب يكي از روشهاي تخمين رواناب و ابزاري مناسب براي مطالعه فرآيندهاي هيدرولوژيكي و ارزيابي منابع آبي هستند (Lange et al., 2014). دو كاربرد مهم مدلهاي بارش-رواناب، پيشبيني سيلاب و شبيهسازي فرایندهای هيدرولوژيكي است(Gautam, 2019). مهمترین نقش مدلهاي کامپيوتري حوضههاي آبریز، امکانپذير ساختن ارتباط منطقي بين فرایندهای هيدرولوژيکي، هيدروليکي، کيفيت آب و اقتصادي - اجتماعي با صرف هزينه معقول است. انتخاب مدل مناسب بايد پس از ارزيابي همهجانبه نيازها، شناسايي امکانات موجود و بررسي مدلهاي قابل دسترس صورت گيرد. استفاده از مدلهاي کامپيوتري در سيستمهاي جمعآوري و تخليه آبهاي مازاد غالباً با هدف بررسي وضعيت موجود يا تشخيص مشکلات و ارائه روش براي حل مشکلات صورت ميگيرد (Taheri Behbahani & Bozorgzadeh, 1996). یکی از وظایف مهم دولتها کاهش اثرات بلایای طبیعی هست. طبق بررسیهای بهعملآمده بیش از چهل نوع بلای طبیعی در سطح جهان تشخیص داده شده که وقوع 31 مورد آن در ایران ثبتشده است(Payab, 2025). بر اساس آمار ستاد حوادث غیرمترقبه کشور بالاترین میزان خسارات مالی ناشی از حوادث غیرمترقبه پس از خشکسالی بر اثر سیل بوده است. سیلاب یک پدیده طبیعی است که همواره جوامع انسانی را مورد تهدید قرار میدهد. لذا با استفاده از اقداماتی میتوان میزان یا اثرات منفی سیلاب را کاهش داده و حتیالمقدور از زیانهای وارده به انسان و املاک و داراییها جلوگیری به عمل آورد. اقدامات مربوط به جلوگیری از زیانهای سیلاب و مدیریت آن سعی بر آن دارد که اثرات سیلابی شدن را بر شرایط اجتماعی و اقتصادی که در اثر تغییر کاربری حوضه آبریز و بهویژه استفاده از سیلاب دشت به وجود آمده کاهش دهد. اقدامات جامع مدیریت و جلوگیری از زیانهای سیل شامل دودستهاند: اقدامات سازهای و غیرسازهای (مدیریتی). اقدامات سازهای، همانند بهسازی آبراه، ذخیره سیلاب و احداث گوره عموماً برای کاهش وقوع سیل یا جلوگیری از توسعه سیلزدگی انجام میگیرند. درحالیکه، اقدامات غیرسازهای، همانند بیمه سیل، طرحهای هشدار سیل، پهنهبندی سیلاب دشت و یا ترکیبی از آنها در اصل برای کاهش خسارت سیلاب هستند. سیلابهایی که در ایران اتفاق میافتد بهطورکلی به سه نوع، سیلابهای ناشی از انواع بارانها، ترکیب ذوب برف باران و در مواقعی تنها ذوب برف تعلق دارند. در نواحی گرم و خشک ایران از جمله مناطق جنوبی، شرقی و مرکزی سیلابهای ناشی از باران بهویژه بارانهای موسمی نیز دیده میشود. در مناطق معتدل و سرد کشور ازجمله شمال و شمال غربی و بخش وسیعی از غرب، سیلابهای ناشی از باران یا ترکیب ذوب برف باران وجه غالب سیلابها هستند. سيلابها، تند آبها و طغيانها عناوين مشابهي هستند كه در موارد متفاوت به کار برده میشوند. درحالیکه تعريف جامع و كاملي در اين خصوص ارائه نشده است(Shabanloo & Karim Bakhsh, 2013). برخي از متخصصين هيدرولوژي، طغيان را به دبیهایی اطلاق میکنند كه مساوي يا برابر مضربي از دبي متوسط ساليانه باشند مثلاً 4 تا 5 برابر، به عقيده برخي ديگر طغيان عبارت از يك دبي با احتمال وقوع كم مثلاً 1 تا 5 درصد است(Sohrabi et al., 2023). هر جريان سطحي صرفنظر از عامل ايجاد آن در صورتي سيل ناميده میشود كه برحسب عرف و نظر كلي با افزايش حجم زياد آب در يك مقطع مشخص همراه باشد. از تداوم زماني محدودي برخوردار گردد. معمولاً از بستر طبيعي سرريز شده و اراضي حاشيه را در برگيرد و خسارات مالي و جاني به دنبال داشته باشد(Sohrabi & Afifi, 2023). طغيان رودها را كه بر اساس آن ضمن بالا آمدن آب از حد معمول، اراضي مجاور را تحت پوشش قرار دهد سيل میگویند(Rajabizadeh et al., 2018). سيل پيامد جريان هرز آبی است كه براثر بارش باران يا ذوب شدن برف رخ داده و به اندازهای است كه از سطح معمولي آب در نهرها و رودخانهها بالاتر میآید(Ahmadi, 2019).
طغیان کردن جريان آب از يك رودخانه يا ديگر مجاري آب را كه باعث خسارت شود سيل میگویند. همچنين جريان رودخانهای نسبتاً زياد كه از مقطع طبيعي يا مصنوعي در يك بازه از رودخانه تجاوز كرده و سرريز شود را سيل مینامند (Hajjarian, 2023). کاهش اثرات سیل و پیش بینی اثرات سیلاب امری ضروری است در این راستا از مدل های مختلفی استفاده شده است به عنوان مثال (Ouyang et al., 2012)، در تحقیقی که در سطح شهر پکن انجام دادند، برای یک رخداد بارش نمونه، میزان غلظت اکسیژن موردنیاز(COD)، کل ذرات جامد معلق (TDS) و کل فسفر موجود (TP) را مورد بررسی قراردادند. آنها با استفاده از مدل بارش رواناب SWMM منطقه موردم طالعه را مدلسازی کردند، با مشخص کردن میزان نرخ بارگذاری آلایندهها در مدل در نهایت مدل را اجرا کردند. با مقایسه نتایج بهدستآمده با دادههای واقعی آنها اعلام کردند که باید 20 درصد میزان اولیه رواناب حاصل از بارش را در محاسبات وارد نکنند که این امر میتواند در توضیح چگونگی انتقال آلودگیها کمک کند. همچنین با بررسیهای بیشتر به این نتیجه رسیدند که میتوان با تنظیم سرعت جریان در منطقه بر روی کاهش دبی اوج و همچنین کاهش بار آلودگی تأثیر گذاشت.
(Zamani & Khalilizadeh, 2014)، درتحقیقی جهت ارزیابی شبکه جمعآوری آبهای سطحی در شهر بستک از مدل SWMM همراه با تلفیق آن با GIS استفاده نمودند. بر اساس نتایج بهدستآمده مشخص شد که 6 نقطه از شهر بستک با مشکل سیلگیری مواجه بوده که برای هرکدام از مناطق راهکار مناسب جهت کنترل سیلاب پیشنهاد گردید. نتایج تحقیق نشان داد که میتوان از مدلهایی نظیر SWMM جهت پیشبینی خطر آبگرفتگی، طراحی و برآورد مقدار و هزینه زهکشی، مدیریت حوزههای شهری و اولویتبندی مناطق جهت رفع مشکل آبگرفتگی استفاده نمود.
(Mozaffari & Kabarfard, 2016)، به تحلیل عدم قطعیت و آنالیز حساسیت عمق آب در منهولهای (فاضلابروهای زیرزمینی) مهم خط لولههای سیستمهای زهکشی پرداختند. در این مطالعه که در مرکز شهر تاریخی شیراز در جنوب غرب ایران انجام شده است، از مدل SWMM برای شبیهسازی فرایند بارش رواناب و روندیابی جریان در مجاری آب استفاده شد. همچنین شبیهسازی Monte-Carlo و روش LHS برای آنالیز عدم قطعیت بکار گرفته شد. نتایج این تحقیق نشان داد که ضریب عمق آب در منهولهای مختلف از 12 تا 66 درصد متغیر است. همچنین پارامترهای مربوط به زیر حوزهها و بارندگی بیشترین تأثیر را بر دبی پیک سیل و عدم قطعیت آن دارد.
(Motlabi & Khalilizadeh, 2016)، در تحقیقی جهت بررسی تغییرات کاربری اراضی و مدلسازی سیلابها در شهر جهرم از GIS و مدل SMADA استفاده کردند. ابتدا اقدام به تهیه نقشههای شهری مربوط به سالهای 1344 و 1385 نموده و سپس آنها را در محیط Arc GIS رقومی و کاربریهای مختلف روی هرکدام مشخص شدند. سپس با توجه به همین نقشهها اقدام به تهیه نقشه شماره منحنی (CN) برای هر دوره در محیط GIS گردند. سپس در نرمافزار SMADA هایتوگراف رگبارها در دورههای بازگشت مختلف برای تیپهای یک و دو ترسیم شدند. درنهایت کلیه دادهها در مدل حوزه آبریز شهری SMADA وارد شد و سیلاب تولیدی در حوزه به ازای تیپهای مختلف بارش و در دوره بازگشتهای مختلف یکبار برای سال 1344 و یکبار برای سال 1385 مشخص شدند. نتایج مدل نشان دادکه تغییر کاربری اراضی مخصوصاً تبدیل باغات، اراضی زراعی و مرتعی به مناطق مسکونی و تجاری میتواند اثر قابلتوجهی در دبی اوج و حجم سیلابها داشته باشد.
هدف از این پژوهش شبیهسازی هیدروگراف حوزه آبریز زندان استان هرمزگان با استفاده از مدل SWMM و SMADA و پیشبینی بهتر رفتار سيلابي حوزه آبریز زندان و انتخاب مدل برتر است.
2- مواد و روشها
در اين تحقيق از مدلهای کامپيوتري SWMM وSMADA براي شبيهسازي هیدروگراف جريان استفاده شده است. در اين مدلها با استفاده از اطلاعات بارش، مشخصات فيزيكي حوضه آبریز و زهكشهاي حوضه، هیدروگراف خروجي از حوضه شبيهسازي ميشود. پس از آماده کردن نقشههاي موردنیاز مانند: شيب، کاربري و پوشش اراضي، شماره منحني، شبکه زهکشي و همچنين دادههاي هواشناسي و هيدرولوژي، پارامترهاي موردنیاز مدل مانند اطلاعات بارش، خصوصيات فيزيکي حوضه و شبکه زهکشي حوضه بهعنوان اطلاعات ورودي به مدل وارد شده و مدل جهت شبيهسازي جريان اجرا ميگردد. حوضه آبریز به زیر حوضههای كوچكتر تقسیم شده و بهعنوان مخزن غيرخطي شبيهسازي گرديده و براي آن با توجه به اطلاعات داده شده، يك هیدروگراف واحد محاسبه شد. سپس اين هیدروگراف تا نقطه خروجي حوضه با روشهای مناسب روندیابی شده و دبي خروجي از زیرحوضه تعيين گردید. درنهایت با توجه به رویدادهای واقعی سیلاب و با استفاده از شاخصهای ارزیابی کارایی دو مدل با هم مقایسه شدند.
1-2- منطقه مورد مطالعه
گستره حوضه آبریز زندان در فاصله میان دو مدار جغرافیایی 27 درجه و 30 دقیقه تا 28 درجه و 9 دقیقه عرض شمالی و 56 درجه و 30 دقیقه تا 57 دقیقه و 3 دقیقه طول خاوری واقع است. جاده آسفالتی بندرعباس به میناب (قسمت جنوبی حوضه) و بندرعباس به سیرجان (قسمت شمالی حوضه) دو جاده اصلی هستند که خارج از گستره مورد بررسیاند و از راههای فرعی که از جادههای یادشده آغاز میشوند میتوان به حوضه آبریز رسید(Hormozgan Regional Water Company, 2014). وجود جلگهی پست و کم ارتفاع در کنار ارتفاعات کوتاه و بلند، دشتها و درههای نسبتاً بلند و مرتفع، شرایط اقلیمی ویژهای را برای این منطقه ایجاد نموده که ازنظر آب و هوایی در منطقه گرم و خشک ایران قرارگرفته و اقلیم آن تحت تأثیر آبوهوای بیابانی و نیمهبیابانی است. دمای متوسط سالانهی این منطقه حدود 27 درجه سلسیوس است. با توجه به قرارگیری استان در کمربند بیابانی متوسط بارش 188 میلیمتر در سال و یکی از مناطق کم آب و با درجه شوری نسبتاً زیاد است. تداوم دوره گرمای زیاد، تابستانهای شرجی، بارش کم و تنوعی از مناطق با ویژگیهای توپوگرافی متنوع، باعث ایجاد شرایط اقلیمی ویژهای در این منطقه شده است(Rahimzadeh et al., 2011). با کاهش میزان بارشهای سالانه و افزایش دمای هوا، میزان رواناب در مناطق کوهستانی مانند دهستان احمدی کاهش یافته است. با این حال، بارشهای ناگهانی و شدید، منجر به سیلابهای موقتی شدهاند که نفوذ آب به زمین را کاهش و تخریب زیستبومهای طبیعی را افزایش دادهاند(Rahimzadeh et al., 2011). دهستان احمدی باتوجه به تقسیمات کشوری سال 1382 یکی از مراکز دهستانهای شهرستان حاجیآباد است که شامل 49 آبادی است. با عنایت به آمار و اطلاعات حاصل از سرشماری نفوس و مسکن مرکز آمار ایران در سال 1385 استان هرمزگان شهرستان حاجیآباد دارای جمعیتی حدود 64897 نفر است که از این تعداد 11230 نفر در آبادیهای دهستان احمدی سکونت دارند (مهمترین مرکز جمعیتی محدوده طرح) (Hormozgan Regional Water Company, 2019). این آبادی در فاصله حدود 138 کیلومتری جنوب شرقی حاجیآباد و 168 کیلومتری شمال بندرعباس و در مسیر میمند-سراج قرارگرفته است. (Hormozgan Regional Water Company, 2021). کاهش بارشهای فصلی و افزایش دما در منطقه هرمزگان، تأثیر مستقیم بر منابع آبی داشته و روانابها کاهش یافته است. مطالعات اخیر نشان دادهاند که تغییرات شدید اقلیمی میتوانند منابع آب سطحی را تهدید کرده و موجب افزایش خشکسالی شوند(C.S. Pour, 2023).
2-2- مدل SWMM
ساختار مدل SWMM مشابه اكثر مدلهای هيدرولوژيكي بوده و در عين سادگي پيشرفته است. در اين مدل هر حوضه آبريز به زیر حوضههای آبريز کوچکتر تك شاخهای تقسیمشده و خصوصيات فيزيكي هر زيرحوضه، مشخصات زهكش زيرحوضه آبريز و مشخصات بارش بهعنوان اطلاعات ورودي به آن داده میشود. در اين مدل هر زيرحوضه آبريز بهعنوان مخزن غیرخطی شبیهسازی و سپس براي آن با توجه به مشخصات داده شده، يك هیدروگراف واحد محاسبه میشود. سپس اين هیدروگراف تا نقطه خروجي حوضه آبريز بهصورت موج سينماتيكي روندیابی شده و درنهایت دبي خروجي از زيرحوضه تعيين میشود.
1-2-2- مفهوم مخزن غیرخطی
بهمنظور تشريح مخزن غیرخطی، ابتدا بايد مفهوم مخزن خطي ارائه شود. يك مخزن خطي به منبعي اطلاق میگردد كه ميزان حجم و ذخيره آب در آن با دبي خروجي از مخزن رابطه خطي داشته باشد (معادله 1) .
(1) |
| ||||||||||
(2) |
|
(3) | V=A.y |
از ترکیب رابطه پیوستگی و مانینگ در مخزن غیرخطی یک رابطه دیفرانسیل غیرخطی حاصل میشود که در این رابطه عمق (y) مجهول است و بهصورت زیر تقریب زده میشود ( معادله 4 و 5).
(4) |
| ||||||||||
(5) |
| ||||||||||
(6) | R(∆t)=R(I)+R(P) |
هرکدام از پارامترهای موصوف در رابطه (6) در رابطههای ذیل به دست میآید:
(7) | R(I)=d p(∆t) |
(8) | R(P)=(1-d) {p(∆t)-F(∆t)} |
ب- هیدروگراف لحظهای، بهوسیله ضرب كردن ارتفاع كل رواناب براي هر پريود زماني ∆t در سطح حوضهA و تقسيم آن به زمان تجمعي ∆t محاسبه میشود(رابطه 9).
(9) | I(∆t)=R(∆t)A /∆t |
ج- هیدروگراف جريان خروجي بهوسیله روندیابی هیدروگراف لحظهای I(∆t) با يك مخزن فرضي بازمان تأخیری برابر زمان تمرکز حوضه tc به دست میآید. اين روندیابی سيل با استفاده از روابط (10 و 11) انجام میگیرد.
(10) | Q(2)=Q(1)+Kr{I(1)+I(2)-2Q(I)} |
(11) | Kr= ∆t/ (2tc+∆t) |
با توجه به روابط فوق مشخص میشود كه براي استفاده از روش هیدروگراف شهري سانتاباربارا بايد زمان تمركز باران، طراحي و ميزان تلفات بارش محاسبه گردد كه براي محاسبه تلفات بارش از روش شماره منحني (CN) استفاده میگردد.
2-3-2- مراحل ورود اطلاعات به مدل SMADA جهت شبیهسازی هیدروگراف سیل
الف- اطلاعات ورودی حوضه آبریز
در اين بخش، ویژگیهای حوضه آبریز به برنامه وارد میشود. در اين روش حوضه به دو بخش قابلنفوذ و غیرقابلنفوذ تفكيك میگردد. در بخش غیر قابلنفوذ، اتلاف اوليه صورت میگیرد ولي نفوذ وجود ندارد. قسمتي از بخش غیرقابلنفوذ كه بارندگي در آن مستقيماً به دهانه خروجی حوضه هدايت میشود، بخش غیرقابلنفوذ واصل به آبراهه ناميده میشود. اتلاف اوليه با استفاده از روش شماره منحني و برابر S2/0 در نظر گرفتهشد.
ب- اطلاعات ورودي بارندگي
در اين بخش بايد اطلاعات مربوط به ارتفاع بارندگي، زمان تداوم و نوع توزيع زماني بارندگي به برنامه وارد شود. زمان تداوم بارندگي برابر زمان تمرکز حوضه در نظر گرفته شد. فواصل زماني كه بارندگي بر اساس آنها تقسيم میگردد، 15 دقيقه و به دليل اینکه نوع توزيع زماني بارندگي منطقه کاملاً مشخص نیست، از توزيع بارندگي تیپ یک و دو به صورت جداگانه استفاده شد. در مورد ارتفاع بارندگي نيز با استفاده از جدول شدت - مدت - فراواني، ارتفاع بارندگي در هر دوره بازگشت وارد شده و درنتیجه هیدروگراف مربوط به آن دوره بازگشت با توجه به تیپ بارش بهدستآمد.
ج-تهيه هیدرو گراف سیل
با انتقال اطلاعات ورودی حوضه آبریز و بارندگي به بخش تهيه هیدروگراف، پس از انتخاب روش موردنظر (سانتاباربارا) هیدرو گراف سيل مربوط به آن به دست میآید. لازم به ذکر است که در این تحقیق به ازای بارشهای طراحی، هیدروگرافها استخراج شدند.
2-4- شاخصهاي ارزيابي کارايي مدل هيدرولوژي
براي ارزيابي کارايي مدل شاخصهاي مختلفي وجود دارد. بهمنظور ارزيابي کارايي مدل در دو مرحله واسنجي و اعتبارسنجي از شاخصهای زیر استفاده شد.
الف) شاخص كارايي ناش – ساتكليف3: (Nash & Sutcliffe, 1970) يك ضريب بیبُعد به نام كارايي مدل NS ارائه دادند. که مقدار آن از منفي بينهايت تا يک متغير است و مقدار يک در اين شاخص، نشاندهنده تطابق کامل هیدروگراف شبیهسازیشده و مشاهداتي است (رابطه12) .(Kolte, 2019; Ababaei & Sohrabi, 2008; Bridge, 2019; Bahremand, 2019)
(12) |
|
ب) ضريب تبيين4: ضريب تبيين همبستگي بين مقادير شبیهسازی شده و مشاهداتي را نشان ميدهد. هرچه اين ضريب به يک نزدیکتر باشد بيانگر همبستگي بيشتر دادههاي شبیهسازیشده با مشاهداتي است(رابطه 13). (Ababaei & Sohrabi, 2008; Bridge, 2019)
(13) |
|
ج) ميانگين حداقل مربعات خطا5: ميانگين حداقل مربعات خطا در ارزيابي هیدروگرافهای مشاهداتي و شبیهسازی شده اختلاف دو هیدروگراف را بهصورت مقدار اختلاف رواناب نشان ميدهد. هرچه ميزان ميانگين حداقل مربعات خطا کمتر باشد، شبيهسازي صورت گرفته به واقعيت نزديکتر خواهد بود(رابطه 14) (Ababaei & Sohrabi, 2008; Darabi, 2014)
(14) |
|
3- نتایج و بحث
3-1- مدل رقومي ارتفاعي حوضه
ارتفاع حوضه در ميزان بارش، دما، تبخير و تعرق، تشعشعات خورشيدي، تيپ آبوهوایی و به همراه آن در تشكيل و توسعه خاك و تراكم پوشش گياهي آن اثر دارد. بنابراين اطلاع از ارتفاع متوسط حوضه و نحوه توزيع سطح با ارتفاع به شناخت خصوصيات آبي حوضه آبخيز كمك میکند (جدول 1).
همانگونه كه در جدول(1) مشاهده میگردد، طبقه ارتفاعي 3 (1500-1000) بيشترين مساحت و طبقه ارتفاعي 5 (2600-2000 متر) كمترين مساحت را در بين طبقات ارتفاعي دارد.
جدول 1- توزیع کلاسهای ارتفاعی در حوضه آبخیز زندان
Table 1. Altitude classes distribution in the Zendan watershed
طبقه ارتفاع | طبقه ارتفاعی (متر) | مساحت (درصد) |
1 | 500 - 198 | 5/1 |
2 | 1000- 500 | 7/34 |
3 | 1500 - 1000 | 7/48 |
4 | 2000-1500 | 8/13 |
5 | 2600-2000 | 3/1 |
2-3- خصوصيات فيزيوگرافيك زيرحوضهها
پس از تهيه مدل رقومي ارتفاعي، خصوصيات فيزيوگرافيك مورد نیاز در هر زير حوضه با استفاده از نرمافزار HEC-GeoHMS استخراج و محاسبه گرديد، كه در جدول (2) ارائه شده است. همچنين تقسيمات مربوط به زير حوضهها و شماره آنها در شكل (2) نشان داده شده است.
جدول 2- خصوصيات فيزيوگرافيك زير حوضههای زندان
Table 2. Physiographic characteristics of the Zendan catchment sub-basins
نام زير حوضه
| مساحت | محيط | ارتفاع حداكثر | ارتفاع حداقل | ارتفاع متوسط وزني | شيب متوسط حوضه | شيب متوسط وزني آبراهه | طول آبراهه اصلي |
کیلومترمربع | كيلومتر | متر | متر | متر | درصد | درصد | كيلومتر | |
120W | 26/511 | 51/166 | 2537 | 727 | 1318 | 21/19 | 77/1 | 43/64 |
130W | 90/334 | 13/139 | 2338 | 882 | 1297 | 10/21 | 79/1 | 98/51 |
140W | 13/153 | 33/93 | 2315 | 882 | 1309 | 66/37 | 94/2 | 17/37 |
150W | 92/26 | 61/40 | 999 | 802 | 883 | 50/20 | 19/1 | 34/14 |
160W | 19/139 | 03/87 | 1881 | 799 | 1071 | 26/27 | 12/4 | 15/25 |
170W | 81/42 | 68/50 | 1103 | 727 | 862 | 67/31 | 71/1 | 76/15 |
180W | 33/59 | 57/52 | 1494 | 573 | 865 | 05/21 | 57/2 | 11/21 |
190W | 07/104 | 76/74 | 1465 | 570 | 952 | 17/27 | 95/1 | 80/26 |
3-3- نتايج مربوط به تهيه نقشه و تعيين شماره منحني (CN)
نتايج اين بخش در شكل (3) و جدول (3) ارائه شده است. لازم به ذكر است كه نقشهها و اعداد شماره منحني مربوط به شرايط متوسط رطوبت خاك است.
جدول 3- شماره منحني وزني محاسبهشده در هر زير حوضه در حوضه آبریز زندان
Table 3. Weighted curve number calculated for each sub-basin in the Zendan catchment area
شماره زير حوضه | 120W | 130W | 140W | 150W | 160W | 170W | 180W | 190W | 200W | 210W | 220W |
شماره منحني متوسط وزني | 5/77 | 5/77 | 4/77 | 4/79 | 4/79 | 9/79 | 80 | 86 | 86 | 86 | 5/79 |
3-4- توزيع مكاني بارش مولد سيل
مقدار بارندگي در زمان رويداد سيل در ایستگاههای بارانسنجی داخل و اطراف حوضه رودخانه زندان در جدول (4) نشان داده شده است. همچنين مقدار متوسط بارش در زير حوضههای بالادست ايستگاه هيدرومتري تنگه زندان نيز در جدول (5) ارائه شده است. اشكال (7 و8 ) نيز نمونهای از توزيع مكاني بارش را در رويدادها نشان میدهد.
شکل 2- تصوير نقشه تقسيمات زير حوضهها و شماره آنها
Fig 2. Map of sub-basin divisions and their numbers
شکل 3- نقشه شماره منحني حوضه زندان
Fig 3. The map of the curve number of the Zendan basin
جدول 4- مقدار بارندگي به میلیمتر در زمان رويداد سيل در ايستگاههاي بارانسنجی
Table 4. The amount of rainfall in millimeters at the time of the flood event in the rain gauge stations
ايستگاه بارانسنجی داخل و اطراف حوضه | تاريخ وقوع سيل در ايستگاه هيدرومتري "تنگه زندان" | |||
| 08/12/88 | 07/12/90 | 15/11/92 | 20/12/93 |
پوراحمدی | 01/10 | 5/36 | 5/24 | 53 |
بر رودسر گز احمدی | 19 | 5/1 | 5/26 | 46 |
گردكان احمدي | 35 | 42 | 24 | 50 |
متوسط | 34/21 | 67/26 | 25 | 67/49 |
جدول 5- مقدار بارندگي به میلیمتر در زمان رويداد سيل در زیر حوضهها
Table 5. The amount of rainfall in millimeters at the time of the flood event in the sub-basins
نام زير حوضه | مقدار متوسط بارش مولد سيل در زیر حوضهها | |||
08/12/88 | 07/12/90 | 15/11/92 | 20/12/93 | |
120W | 01/10 | 01/40 | 9/24 | 53 |
130W | 19 | 5/1 | 5/26 | 46 |
140W | 19 | 5/1 | 5/26 | 46 |
150W | 19 | 5/1 | 5/26 | 46 |
160W | 27 | 75/21 | 25/25 | 48 |
170W | 35 | 42 | 24 | 50 |
180W | 35 | 42 | 24 | 50 |
190W | 35 | 42 | 24 | 50 |
200W | 35 | 42 | 24 | 50 |
210W | 35 | 42 | 24 | 50 |
220W | 35 | 42 | 24 | 50 |
3-5- توزيع زماني بارش مولد سيلاب
توزيع زماني بارش مولد سيلاب، با استفاده از توزيع زماني بارشهای همزمان در ايستگاه بارانسنج ثبات پوراحمدی تعیینشده است. شکل 4 نمونهای از منحني تراكمي بارش را براي رويدادهاي سيل در ايستگاه بارانسنج ثبات پوراحمدی نشان میدهد. در مرحله بعد توزيع زماني بارش مربوط به هر رويداد به بارش متوسط زير حوضههای مربوطه انتقال داده شد.
3-6- نتايج اجراي مدل SWMM براي رويدادهاي مشاهدهشده
باتوجه به اینکه در این تحقیق از 4 رویداد سیل مشاهده شده در ايستگاه هيدرومتري تنگه زندان استفاده شد. نتایج اجرای مدل به تفکیک هر رویداد در ایستگاه مربوطه ارائه میشود. در اکثر رویدادهای بررسی شده شکل هیدروگراف خروجی شبیهسازی شده از حوضه مطابقت چندانی با شکل هیدروگراف خروجی واقعی نداشته است که ازجمله دلایل این امر را میتوان به علت کالیبره نبودن مدل اشاره کرد که باید برای منطقه مورد مطالعه این امر صورت بگیرد و از جمله دلایل دیگر میتوان به اشکالات در برداشتهای ایستگاه هیدرومتری و همچنین ایستگاه بارانسنجی (به دلیل استفاده از آمار گذشته) اشاره کرد. بنابراین با کالیبراسیون مدل SWMM این مسئله تا حد امکان اصلاح گردید. شکلهای (5 تا 8) هیدروگرافهای رخ داده و شبیهسازی شده را نشان میدهد. جدول (6) نیز نتایج را پس از کالیبراسیون نشان میدهد.
شکل 4- نمودار منحني بارش تجمعي ايستگاه بارانسنجی پوراحمدی در رويدادهاي سيل
در تاريخ 08/12/88 | در تاريخ 07/12/90 |
|
|
|
|
در تاريخ 15/11/92 | در تاريخ 20/12/93 |
|
|
Fig 4. Cumulative precipitation curve diagram of Pourahmadi baranometer station at the time of the flood event
شکل 5- هیدروگرافهای سیل محاسباتي و مشاهداتي سال 88
Fig 5. Computational and observational flood hydrographs in 2010
شکل 6- هیدروگرافهای سیل محاسباتي و مشاهداتي سال90
Fig. 6 Computational and observational flood hydrographs in 2012
شکل 7- هیدروگرافهای سیل محاسباتي و مشاهداتي سال92
Fig. 7 Computational and observational flood hydrographs in 2014
شکل 8- هیدروگرافهای سیل محاسباتي و مشاهداتي سال93
Fig 8. Computational and observational flood hydrographs in 2015
جدول 6- مقايسه پارامترهاي هیدروگرافهای شبيهسازي و مشاهداتي سیلهای انتخابي در مدل SWMM
دبي اوج (مترمکعب بر ثانيه) | زمان تا اوج (ساعت) | حجم جريان (ميليون مترمکعب) | |||||||
رويداد | مشاهداتي | شبیهسازی شده | اختلاف (درصد) | مشاهداتي | شبیهسازی شده | اختلاف (درصد) | مشاهداتي | شبیهسازی شده | اختلاف (درصد) |
8/12/1388 | 67/3 | 73/3 | 6/1- | 22 | 8 | 6/63 | 429/0 | 353/0 | 85/17 |
7/12/1390 | 8/19 | 711/19 | 4/0 | 18 | 17 | 6/5 | 347/1 | 887/0 | 15/34 |
15/11/1392 | 64/5 | 71/5 | 2/1- | 18 | 20 | 1/11- | 453/0 | 643/0 | 96/41- |
20/12/1393 | 5/26 | 68/23 | 6/10 | 32 | 25 | 9/21 | 885/1 | 513/1 | 74/19 |
Table 6- Comparison of parameters of simulated and observed hydrographs of selected floods in SWMM model
3-7- نتايج اجراي مدل SMADA
باتوجه به اطلاعات ورودی به مدل از قبیل نقشههای شماره منحنی مربوط و همچنین هیدروگرافهای با الگوی زمانی تیپ دو، هیدروگرافهای متناظر با 4 رویداد از مدل SMADA استخراجشده که نتایج آن در جدول (7) نشان دادهشده است.
جدول 7- مقايسه پارامترهاي هیدروگرافهای شبيهسازي و مشاهداتي سیلهای انتخابي در مدل SMADA
Table 7. Comparison of parameters of simulated and observed hydrographs of selected floods in SMADA model
پارامتر | دبي اوج (مترمکعب بر ثانيه) | زمان تا اوج (ساعت) | حجم جريان (ميليون مترمکعب) | |||||||
رويداد | مشاهداتي | شبیهسازی شده | اختلاف (درصد) | مشاهداتي | شبیهسازی شده | اختلاف (درصد) | مشاهداتي | شبیهسازی شده | اختلاف (درصد) | |
8/12/1388 | 67/3 | 12/18 | 7/79+ | 22 | 5 | 17- | 429/0 | 621/0 | 31+ | |
7/12/1390 | 8/19 | 10/22 | 8/18+ | 18 | 12 | 6/5 | 347/1 | 887/1 | 61/28+ | |
15/11/1392 | 64/5 | 83/11 | 3/52+ | 18 | 11 | 1/11- | 453/0 | 741/0 | 86/38+ | |
20/12/1393 | 5/26 | 65/32 | 6/10+ | 32 | 20 | 9/21 | 885/1 | 926/1 | 12/2+ | |
3-8- مقایسه مدلهای SWMM و SMADA در برآورد سیلاب
بهمنظور ارزيابي کارايي مدلها میتوان از شاخصهای آماری استفاده کرد که این مقادير برای مدل SWMM در جدول (8) و برای مدل SMADA در جدول (9) نشان داده شده است. نگاهی اجمالی به جداول ذکرشده بهخوبی نشان میدهد که مدل SWMM بهخوبی توانسته است به تکامل لازم برسد. شاخص ناش – ساتکلیف در اکثر رویدادهای SMADA خیلی خوب نبودهاند این شاخص در مدل SWMM کارایی خوبی از مدل داشته است. شاخص ضریب تبیین نیز به خوبی این موضوع را تأیید میکند.
با توجه به نتایج این تحقیق مدل هیدرولوژی SWMM قادر به شبیهسازی هیدروگراف سیلاب تا حد قابلقبولی(با توجه به درصد بهدستآمده) است که باتوجه به جدول (6) در مورد رویدادهای سیل اختلاف دبی حداکثر لحظهای حدوداً 10 درصد در رویداد سال 93 است. این مسئله اصولاً به این دلیل است که این مدل میتواند با الگوریتمهای مختلف مورد کالیبراسیون قرار گیرد. نتایج این تحقیق نشان میدهد که مدل SMADA نیز توانسته هیدروگراف سیلاب را تا حدی شبیهسازی نماید؛ اما به دلایل مختلف اختلاف بین سیلابهای رخ داده و شبیهسازی شده توسط مدل نسبتاً زیاد است. از دلایل مهم این اختلاف میتوان به استفاده این مدل از چند رابطه که نسبتاً قدیمی و درصد خطای آنها بالاست اشاره نمود. باتوجهبه جداول 6 و 7 میتوان به این نتیجه رسید که مدل SMADA در مقایسه با مدل SWMM تمایل به برآورد بیشتر دبی اوج سیلاب دارد. این مسئله میتواند به این دلیل باشد که در مدل SMADA عواملی که باعث اتلاف بارش میشوند را کمتر در نظر میگیرد درنتیجه دبی رواناب بیشتر خواهد شد. میتوان برای مقایسه بهتر جدول (10) را مشاهده نمود. همچنین در جدول (10) مقادیر دبی اوج 4 رویداد انتخابی در کنار یکدیگر ارائهشده است.
جدول 8- مقادير شاخصهاي کارايي مدل SWMM در رویدادهای انتخابی
Table 8. Values of SWMM model performance indicators in selected events
شاخصهای آماری | رویدادهای انتخابشده | |||
8/12/1388 | 7/12/1390 | 15/11/1392 | 20/12/1393 | |
شاخص ناش – ساتکليف (NS) | 86/0 | 81/0 | 84/0 | 73/0 |
ضريب تبيين (R2) | 94/0 | 92/0 | 92/0 | 75/0 |
ميانگين حداقل مربعات خطا (MSE) | 00/1 | 55/1 | 41/0 | 87/6 |
جدول 9- مقادير شاخصهاي کارايي مدل SMADA در رویدادهای انتخابی
Table 9. Values of performance indices of SMADA model in selected events
شاخصهای آماری | رویدادهای انتخابشده | |||
8/12/1388 | 7/12/1390 | 15/11/1392 | 20/12/1393 | |
شاخص ناش – ساتکليف (NS) | 52/0 | 55/0 | 39/0 | 71/0 |
ضريب تبيين (R2) | 58/0 | 67/0 | 62/0 | 56/0 |
ميانگين حداقل مربعات خطا (MSE) | 09/1 | 32/1 | 07/3 | 51/5 |
جدول 10- مقایسه دبی اوج شبیهسازیشده توسط دو مدل هیدرولوژیک
Table 10. Comparison of peak discharge simulated by two hydrological models
پارامتر | دبي اوج (مترمکعب بر ثانيه) | ||
رويداد | مشاهداتي | شبیهسازیشده (SWMM) | شبیهسازیشده (SMADA) |
8/12/1388 | 67/3 | 73/3 | 12/18 |
7/12/1390 | 8/19 | 711/19 | 10/22 |
15/11/1392 | 64/5 | 71/5 | 83/11 |
20/12/1393 | 5/26 | 68/23 | 65/32 |
در هر دو مدل در برآورد فاکتور زمان تا اوج سیلاب بهخوبی عملنکردهاند و در مورد حجم کل سیلاب نیز تقریباً نتایج شبیه برآورد دبی اوج سیلاب است. درنهایت باتوجه به مقادیر مربوط به شاخصهای کارایی مدلها در جداول مربوط به رویدادهای متوسط میزان شاخص ناش – ساتکلیف در مدل SWMM برابر با 81/0 و برای مدل SMADA برابر با 31/0 است که این نشاندهنده دقت مناسب مدل SWMM است (شاخص از منفی بینهایت تا یک است، هرچه به یک نزدیکتر باشد بیانگر دقت بیشتر مدل است).
شاخص ضریب تبیین نیز در مدل SWMM برابر با 88/0 و در مدل SMADA برابر با 6/0 است که باز هم نشاندهنده دقت خوب مدل SWMM در شبیهسازی هیدروگراف سیل است و همچنین با مراجعه به شاخص میانگین حداقل مربعات خطا، میزان خطای برآوردی نیز نشاندهنده دقت بیشتر مدل SWMM است. بهطورکلی نتایج حاصل از این تحقیق با نتایج تحقیق (Tajbakhsh & Khodashenas, 2012)مطابقت دارد. در تحقیق ایشان علاوه بر استفاده از مدل SWMM موقعیت مکانی هر یک از زیر حوضهها نیز در سیلخیز بودن حوضه در نظر گرفته شده است. در مقایسه نتایج تحقیق حاضر با تحقیق (Eftekharian & Khalilizadeh, 2013) نیز حاکی دقت نسبتاً بالای مدل SWMM است.
4- نتیجهگیری
مدلهاي هيدرولوژي قادر به شبيهسازي فرایندهای هيدرولوژيکي سطح زمين بهمنظور بهبود مديريت منابع آب هستند. مدلهاي بارش-رواناب يكي از روشهاي تخمين رواناب و ابزاري مناسب براي مطالعه فرآيندهاي هيدرولوژيكي و ارزيابي منابع آبي هستند. تجزیهوتحلیل نتايج مدلهای هيدرولوژي ازجمله SWMM و SMADA در پيشبيني سيلاب و برنامهريزي بهمنظور کنترل سيل، تغييرات کاربري و پوشش اراضي، بهصورت گستردهاي مورد استفاده قرار ميگيرد. استفاده از GIS بهمنظور مديريت دادهها و سنتز نقشههاي لازم در اين تحقيق سبب افزايش سرعت و دقت محاسبات پارامترهاي مورد نیاز شبيهسازي جريان گرديده است. با توجه به نتایج این تحقیق مدل هیدرولوژی SWMM قادر به شبیهسازی هیدروگراف سیلاب تا حد قابلقبولی است.این تحقیق با استفاده از به کارگیری مدل SWMM انجام شد و باتوجه به اینکه حوضه زندان در بالادست سدهای شمیل ونیان واقعشده بنابراین پیشنهاد میشود از این مدل در پیشبینی سیلابهایی که میتواند این سدها را تحت تأثیر قرار دهند استفاده نمود.
باتوجه به استفاده مدل SMADA در این تحقیق و مقایسه آن با مدل SWMM که نشاندهنده عدم کارایی مناسب این مدل در حوضههای طبیعی است، پیشنهاد میشود باتوجه به سوابق استفاده از آن بیشتر در حوضههای شهری بکار گرفته شود. درنهایت میتوان گفت هرگونه اقدام کنترل سیلاب رودخانهها باید با توجه به تبعات و تأثیرات آن اقدام در دیگر نواحی حوضه انجام پذیرد، بنابراین اقدامات موضعی برای مقابله با خسارت سیل را باید در برنامهای عمومی و جامعی ادغام کرد که سراسر حوضه آبریز رودخانه، رژیم سیلابی، مراکز سیلگیر و پیامدهای انواع اقدامات را مدنظر قرار میدهد. در غیر این صورت با این اقدامات موضعی فقط مشکل سیلاب را از یک نقطه به نقطه دیگر منتقل کرده و کاهش سیلاب در یک نقطه باعث افزایش سیلاب در نقطه دیگر میشود.
5- تضاد منافع نویسندگان
نویسندگان این مقاله اعلام میدارند که هیچ تضاد منافعی در رابطه با نویسندگی و یا انتشار این مقاله ندارند.
6- منابع
Ababaei, B., & Sohrabi-Mollayousef, T. (2009). Performance evaluation of SWAT model in Zayandeh Rood watershed. Soil and Water Conservation Research (Agricultural Sciences and Natural Resources), 16(3), 41-58. (In Persian)
Adams, B., & Papa, F. (2021). Urban stormwater management planning with analytical probabilistic models. 358 p. Wiley.
Ahmadi, L. (2019). Investigation of erosion and sedimentation in the dry river of Shiraz by non-permanent method, Master's Thesis, Faculty of Agriculture, Shiraz University. (In Persian)
Bahremand, A. (2019). Fundamentals of hydrological models. Master's Degree Coursebook, Watershed Management Department, Gorgan University of Agricultural Sciences and Natural Resources, 58 p. (In Persian)
Bridge, J.S. (2008). Rivers and Floodplains. Translated by Rezaei Moghadam, M., & Thaqafi, M. Vol 1: Dynamics and Processes, Ministry of Culture and Islamic Guidance Publications.
Darabi, M. (2014). Evaluation of the effects of watershed management projects on flood control and economic and social issues in the Khorami watershed, a tributary of the Sivand Dam in Fars Province. Proceedings of the Sixth National Conference on Watershed Science and Engineering and the Fourth National Conference on Erosion and Sedimentation, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, 8 p.
Dovonce, E. (2019). A physically based distributed hydrologic model. Master of Science Thesis, The Pennsylvania State University.
Eftekharian, M., & Khalilizadeh, M. (2013). Forecasting areas prone to flooding and proposing appropriate solutions for urban flood control (Case study: Jahrom city). Master's Thesis. Islamic Azad University - Larestan Branch. (In Persian)
Feyzi, M., Bagheri, M., & Azmati, H. (2007). Human-environmental approach in landscape architecture design, Technology of Education Journal, 1)2(, 89-96.(In Persian). https://doi.org/10.22061/tej.2007.1248
Gautam, M.R. (2019). Advances in data-based approaches for hydrologic modeling and forecasting. World Scientific.
Hajjarian, A. (2023). Comparative study of modeling flood-sensitive areas (Isfahan Province), Environmental Risk Management, 10(3), 199-214. (In Persian). http//doi.org/10.22059/jhsci.2023.362467.786
Hormozgan Regional Water Company. (2014). Control and Stability Report of Shamil and Nian Dams. (In Persian)
Hormozgan Regional Water Company. (2019). Control and Sustainability Report of Shamil and Nian Dams. (In Persian).
Hormozgan Regional Water Company. (2021). Hydrological studies of Ahmadi study area. Farsab Sanat Consulting Engineers Company. (In Persian)
Hosseinzadeh, M., Imamgholizadeh, S., Ganji, Z., & Samadi, H. (2016). Comparison of flood trends by MIKE model and 11 HEC-RAS models in Bazfat river, 15th National Hydraulic Conference of Iran. (In Persian)
Imam Gholizadeh, S., Bina, M., & Ghomshi, M. (2007). Investigation of the effect of reservoir water height and outlet flow rate from the lower discharger on the rate of sediment discharge in pressure washing. Agricultural Scientific Journal, 30(4-A), 61-76. (In Persian)
Kolte, A. (2019). Evaluation of the performance of the LISEM physical model in the representative and paired Kechik watersheds of Golestan province. Master's Thesis in watershed management, Gorgan University of Agricultural Sciences and Natural Resources, 104 p. (In Persian)
Lange, A.L, George, S., & Aley, T. (2014). Karst hydrogeology and human activities, impacts, consequences, and implications. McGraw Hill Professional - 751 p.
Lar Consulting Engineers Company. (2019). Report on Golestan Province Floods. (In Persian)
Mahdavi, M. (2019). Comprehensive watershed management. Fourth National Conference on Watershed Engineering and Watershed Management, Faculty of Natural Resources, University of Tehran, 1 p. (In Persian)
Mazandaranizadeh, H., & Khodabakhshi, F. (2024). Performance evaluation of CANFIS, MLPNN, MLR and M5 models in simulating meteorological drought index (Case study: Kermanshah synoptic station). Irrigation Science and Engineering, 47(1), 83-98. (In Persian). http//doi.org/10.22055/jise.2023.42231.2046
Mohammadi Motlagh, R., & Jalal Kamali, A. (2012). Investigating the role of sub-basin participation in flood severity, a case study of Dalaki watershed. Iranian Irrigation and Water Engineering, 4(13), 31-44.
Motlabi, A., & Khalilizadeh, M. (2016). Investigating land use changes and modeling floods in Jahrom city using GIS and SMADA model. Thesis, Islamic Azad University, Larestan Branch. (In Persian)
Mozaffari, J., & Kabarfard, M. (2016). Investigating the quantitative and qualitative management of urban floods with the EPA-SWMM Model, a Case study of Tehran Region 22. Iranian Irrigation and Water Engineering, 7(27), 47-59. (In Persian)
Nash, J. E., & Sutcliffe, J.V. (1970). River flow forecasting through conceptual models part I — A discussion of principles. Journal of Hydrology, 10(3), 282–290. https://doi.org/10.1016/0022-1694(70)90255-6
Ouyang, Y., Nkedi-Kizza, P., Wu, Q.T., Shinde, D., & Huang, C.H. (2012). Assessment of seasonal variations in surface water quality, Water Research, 40(20), 3800-3810.
Payab, M. (2025). Resilience of cities and risk of natural hazards. Monthly Journal of Expert Reports of the Research Center of the Islamic Consultative Assembly, 32(5). (In Persian)
Rahimzadeh, F., Hedayati Dezfuli, A., & Pourasgharian, A. (2011). Assessment of trends and extreme temperature and precipitation fluctuations in hormozgan province. Geography and Development, 9(21), 97-116. (In Persian)
Rajabizadeh, Y., Ayubzadeh, S.A., & Zahiri, A. (2018). Investigation of Golestan province flood in 2017-2018 and presentation of methods for its control and management in the future. Ecohydrology, 6(4), 921-942. (In Persian)
Razzaghi, A., Asgari Marnani, J., & Rouhanimanesh, M. S. (2021). Numerical evaluation of modified energy method in the analysis of structural problems with nonlinear geometry. Structural and Construction Engineering, 8(5), 83-109. (In Persian)
Shabanloo, S., & Karim Bakhsh, M. (2013). Simulation of flood events at the basin scale with the SWMM model, case study of Golestan province. Fourth Iranian Water Resources Management Conference in 2013 Hormozgan Regional Water Company. Report on the Control and Stability of Shamil and Nian Dams. (In Persian)
Sohrabi, V., Hashemipour-Petkoy, F., & Sheikhpour-Shahi, H. (2023). Sensitivity analysis of Manning's roughness coefficient of rivers in the HEC-RAS model for determining flood zones (Case study: Kor River - Fars Province). Quarterly Journal of Geographic Information System and Remote Sensing Application in Planning, 14(2).
Sohrabi, V., & Afifi, M. A. (2023). Temporal and spatial modeling of groundwater level using Kriging models and artificial neural networks (Case study: Minab Plain). Journal of Technical Strategies in Water Systems, 1(4), 1-22. https://doi.org/https://doi.org/10.30486/TSWS.2024/1106197
Taheri Behbahani, M., & Bozorgzadeh, M. (1996). Urban floods. Publications of the Center for Urban Planning and Architecture Studies and Research, Iran, 536 pp. (In Persian)
Tajbakhsh, M., & Khodashenas, S. R. (2012). Review of surface runoff drainage network using simulation and application of delay ponds (Case study: East Iqbal Catchment Basin, Mashhad). Soil and Water Science Journal, 22, 109–123. (In Persian)
Telluri, A. R. )1996(. Hydrological models in simple language. Tehran University Press, 401 pp. (In Persian)
Westervelt, J. )2020(. Simulation modeling for watershed management. Springer Science & Business Media.
Zamani, N., &Khalilizadeh, M. (2014). Evaluation of the surface water collection network of Bastak city using the SWMM model and its integration with GIS. Master's Thesis, Islamic Azad University, Larestan Branch. (In Persian)
Zehtabian, G., Ali Portomaj, A., & Afakhah, M. (2001). Study of the application of artificial unit hydrographs in flood analysis in watersheds of the north of the country. Natural Resources of Iran, 54(4), 331-344. (In Persian)
2
[1] Eaglin
[2] Santa Barbara Urban Hydrograph Method
[3] Nash-Sutcliff Efficiency Coefficient
[4] Coefficient of Determination
[5] Root Mean Squared Error