تهیۀ نقشه شماره منحنی و برآورد ارتفاع رواناب با استفاده از سامانه اطلاعات جغرافیایی و سنجش از دور در حوضۀ کارون شمالی

محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری

سید حسین روشان ¹ , محمود حبیب نژاد روشن ² , کاکا شاهدی ³ , یاروسلاو کُرمانسکی ⁴

1 - دانش‌آموخته دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبعی ساری، ساری، ایران
2 - استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبعی ساری، ساری، ایران
3 - دانشیار، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبعی ساری، ساری، ایران
4 - استاد گروه سنجش از دور و تحقیقات محیطی، دانشکده مهندسی عمران و محیط زیست، دانشگاه علوم زیستی ورشو، ورشو، لهستان

تاریخ دریافت : 1400/05/09 تاریخ پذیرش : 1400/06/27 تاریخ انتشار : 1401/07/01

کلید واژه: سیستم اطلاعات جغرافیایی, حوضۀ کارون شمالی, خصوصیات هیدرولوژیکی, تخمین رواناب,

چکیده مقاله :

پیشینه و هدف حوضۀ آبخیز کارون شمالی یکی از زیرحوضه‌های مهم حوضۀ کارون بزرگ است. در سال‌های اخیر وقوع سیلاب‌های شدید پایین‌دست این حوضه منجر به ایجاد خسارات جانی و مالی زیادی شده است. جهت انجام مطالعه پایه در کنترل و تخفیف سیلاب‌ها تخمین مقدار رواناب تولیدی از بارش گام اصلی و اساسی به شمار می‌رود. تخمین مقدار رواناب یکی از مهم‌ترین مراحل مطالعه هیدرولوژی حوضه‌های آبخیز به‌منظور مدیریت سیلاب، مدیریت منابع آب و فعالیت‌های حفاظت خاک است. رواناب در نتیجه مازاد بارش بر میزان نفوذ در خاک و نگهداشت سطحی تولید می‌گردد و به عواملی مختلفی از جمله خصوصیات فیزیکی حوضه، میزان بارش و نفوذ بستگی دارد. ارتباط بارش-رواناب توسط دانشمندان و محققان مورد بررسی قرار گرفته، و مدل‌های زیادی جهت شبیه‌سازی این فرآیند پیشنهاد شده است. یکی از مدل‌های اولیه و اساسی در این زمینه مدل روش شماره منحنی است که توسط سرویس حفاظت خاک آمریکا پیشنهاد داده شد و شمارۀ منحنی سرویس حفاظت خاک آمریکا یا SCS-CN نامگذاری گردید. مدل SCS-CN یکی از مدل‌های ساده و تجربی در زمینه بارش-رواناب است که به‌طور گسترده در برآورد ارتفاع رواناب در سراسر جهان مورد استفاده قرار می‌گیرد. شماره منحنی (CN) هر حوضه نشانگر رفتار هیدرولوژیکی و توان تولید رواناب آن حوضه در مواقع بارندگی است و مقدار آن از روی جدول استاندارد برآورد می‌شود که در آن‌ها، خصوصیات خاک با یک عامل هیدرولوژیکی که نشان دهنده حداقل سرعت نفوذپذیری در حالت مرطوب بودن طولانی مدت خاک است، بیان می‌شود. بر این اساس سرویس حفاظت خاک آمریکا تمام خاک‌ها را در چهار گروه اصلی، A، B، C و D به‌ترتیب با شدت نفوذپذیری بالا، متوسط، کم و خیلی کم تقسیم کرده است. با توجه به وقت و زمان مصرفی بالا در محاسبه این روش به‌صورت سنتی و دستی محققان از فناوری‌های سنجش از دور و سامانه اطلاعات مکانی برای محاسبه آن بهره گرفتند. به این منظور الحاقیه‌ای با عنوان ArcCN-Runoff را طراحی که قابلیت اضافه شدن به محیط سامانه اطلاعات جغرافیایی را دارد. هدف این مطالعه تولید نقشه شمار منحنی (CN) و برآورد ارتفاع رواناب در سطح حوضه کارون شمالی با استفاده از فناوری‌های سنجش از دور (RS) و سامانه اطلاعات جغرافیایی (GIS) و روش SCS-CN است.مواد و روش ها حوضۀ آبخیز کارون شمالی یکی از مهم‌ترین حوزه‌های آبخیز کشور در تأمین منابع آبی است که در موقعیت جغرافیایی '35 49⁰ تا '47 51⁰ طول شرقی و '28 30⁰ تا '40 32⁰ عرض شمالی قرار دارد. این حوضه دارای مساحتی حدود 23299.31 کیلومتر‌مربع است که در استان‌های کهگیلویه و بویراحمد، چهارمحال و بختیاری، اصفهان، خوزستان و بخشی از استان فارس گستره دارد. به منظور تولید نقشه‌های شماره منحنی و برآورد ارتفاع رواناب ابتدا نقشه‌های کاربری اراضی با استفاده از تصاویر ماهواره‌ای لندست 8 سنجنده OLI مربوط به سال 1396 به روش طبقه‌بندی نظارت شده و الگوریتم حداکثر احتمال بدست آمد. سپس لایه خاک و گروه‌های هیدرولوژیکی خاک حوضه بر اساس نقشه خاک جهانی تولید شده توسط سازمان خواروبار و کشاورزی جهانی (فائو) و جدول استاندارد SCS برای گروه‌های مختلف هیدرولوژیکی خاک تهیه گردید. با تلفیق نقشه‌های کاربری اراضی و گروه‌های هیدرولوژیکی خاک با دستور Perform Intersect در الحاقیه ArcCN-Runoff محیط GIS، نقشه شماره منحنی (CN) تولید و بر اساس جدول SCS-CN ویرایش و نهایی گردید. سرانجام، با تولید نقشه توزیع مکانی بارش با روش IDW در سطح حوضه، ارتفاع رواناب یا ارتفاع بارش مازاد از روش SCS-CN بدست آمد. نقشه نهایی ارتفاع رواناب در پنج طبقه‌ خیلی کم، کم، متوسط، زیاد و خیلی زیاد تقسیم‌بندی گردید.نتایج و بحث نتایج نشان داد که سطحی زیادی از حوضه دارای شیب بالای 30 درصد است. شیب را می‌توان مهمترین عامل فیزیوگرافی در تولید رواناب در حوزه‌های آبخیز دانست. بر اساس نقشه کاربری اراضی بیشترین سطح کاربری مربوط به جنگل‌های بلوط زاگرس و مراتع است. با توجه به نوع جنگل‌های بلوط که دارای تراکم کمی هستند و همچنین مراتع ضعیف حوضه بدلیل چرای بیش از حد دام، تولید رواناب در این کاربری‌ها زیاد است. همچنین نقشه شماره منحنی بیانگر آنست که بیشترین و کمترین مقدار شماره منحنی در حوضه 98 و صفر است. در مناطق با شماره منحنی بالا پتانسیل تولید رواناب بالا بوده و این نواحی مربوط به مناطق با پوشش گیاهی ضعیف در حوضه است. مناطق با مقدار بالای شماره منحنی و تولید رواناب زیاد بیشتر مربوط به سازندهای آهکی حوضه شامل سازندهای آهکی بختیاری و آسماری است که ارتفاعات بالای حوضه از جمله کوه‌های دنا را تشکیل داده است. همچنین مناطق با CN متوسط و پایین بیشتر مربوط به کاربری‌های جنگل و مراتع است که پتانسیل تولید رواناب در این کاربری‌ها متوسط است. از طرفی با توجه به اینکه اغلب بارش در ارتفاعات حوضه به‌صورت برف است فرصت نفوذ به داخل خاک فراهم است و در نتیجه مقدار تولید رواناب کمتر است. سازندهای آهکی موجود در حوضه که اغلب ارتفاعات زاگرس را تشکیل داده است از طریق منافذ و شکستگی‌ها بارش در آن‌ها نفوذ پیدا کرده و آب‌های زیرزمینی را تغذیه می‌نماید به همین دلیل است که اغلب در این مناطق با تعداد زیاد چشمه‌ها مواجه هستیم. از طرفی نتایج نقشه رواناب بیانگر این است که ارتفاعات زاگرس که دارای شیب بالایی هستند در تولید رواناب نقش عمده دارند، این مناطق بیشتر در مناطق جنوبی حوضه و جنوب شرق و همچنین شمال غرب حوضه واقع شده‌اند و بر روی نقشه شماره منحنی به رنگ زرد قابل مشاهده هستند.نتیجه گیری سطح وسیعی از حوضه دارای پتانسیل تولید رواناب متوسط است که می‌تواند منجر به ایجاد سیلاب در پایین دست حوضه شود. بنابراین لازم است اقدامات حفاظتی و آبخیزداری در سرشاخه‌ها و مناطقی که شروع جریان رخ داده اجرا شوند. با توجه به اینکه مبنای محاسبات در تهیه نقشه‌های شماره منحنی و ارتفاع رواناب، لایه‌های رستری بوده که هر پیکسل آن دارای ارزش است لذا محاسبات انجام شده و نتایج آن خیلی به واقعیت نزدیک‌تر بوده و در هزینه و زمان صرفه‌جویی می‌شود.

چکیده انگلیسی:

Background and Objective North Karun watershed is one of the important sub-basins of the Great Karun River basin. In recent years, the occurrence of severe downstream floods in this basin has caused a lot of human and financial losses. Estimating the amount of runoff produced by rainfall is the main step in conducting a study on flood control and mitigation. Runoff estimation is one of the most important steps in the study of watershed hydrology for flood management, water resources management and soil conservation activities. Runoff is produced as a result of excess rainfall on soil infiltration and surface maintenance and depends on various factors such as physical characteristics of the basin, rainfall and infiltration. The rainfall-runoff relationship has been studied by scientists and researchers and many models have been proposed to simulate this process. One of the basic models in this field is the curved number method model that was proposed by the US Soil Conservation Service and was named the Soil Conservation Service Curve Number or SCS-CN. The SCS-CN model is one of the simple and empirical models in the field of rainfall-runoff that is widely used in estimating runoff height around the world. The curve number (CN) of each basin indicates the hydrological behaviour and runoff generation capacity of that basin during rainfall and its value is estimated from the standard table in which the soil properties with a hydrological factor that indicates the minimum infiltration rate in the long-wet state. It is the duration of the soil, it is expressed. Accordingly, the US Soil Conservation Service has divided all soils into four main groups, A, B, C and D, with high, medium, low and very low infiltration rates, respectively. Due to the high time consumed in calculating this method, traditionally and manually, researchers used remote sensing and geographical information systems technologies to calculate it. To do this, they designed an extension called ArcCN-Runoff that can be added to the GIS environment. The purpose of this study is to generate a curve mapping (CN) and estimate the runoff height in the North Karun Basin using Remote Sensing (RS) and Geographic Information System (GIS) technologies and the SCS-CN method.Materials and Methods North Karun watershed is one of the most important watersheds in the country in providing water resources, which is located in the geographical position of 49o 35' to 51o 47' E longitude and 30 o 28' to 32 o 40' N latitude. This basin has an area of 23299.31 Km2, which is located in Kohgiluyeh and Boyer-Ahmad, Chaharmahal and Bakhtiari, Isfahan, Khuzestan and part of Fars province. In order to produce curve number maps and estimate runoff height, first land use maps were generated using a supervised classification method using Landsat 8 satellite images of OLI sensors related to 2017 and the maximum likelihood algorithm was obtained. Then, the soil layer and soil hydrological groups of the basin were prepared based on the global soil map produced by the Food and Agriculture Organization (FAO) and the SCS standard table for different soil hydrological groups. By combining land use maps and soil hydrological groups with the Perform Intersect command in the ArcCN-Runoff GIS environment, a curved number (CN) map was generated and edited and finalized based on the SCS-CN table. Finally, by generating a spatial distribution map of precipitation by IDW method at the basin level, runoff height or excess precipitation height was obtained by the SCS-CN method. The final runoff height map was divided into five categories: very low, low, medium, high and very high.Results and Discussion The results showed that a large area of the basin has a slope of more than 30%. Slope can be considered the most important physiographic factor in runoff production in watersheds. According to the land use map, the highest level of use is related to the oak forests of Zagros and rangelands. Due to the type of oak forests that have low density and also poor pastures in the basin due to overgrazing, runoff production is high in these uses. The curve number map also indicates that the maximum and minimum curve number values are in basins 98 and zero. In areas with high curve numbers, the potential for runoff production is high and these areas are related to areas with poor vegetation in the basin. Areas with high curve numbers and high runoff production are mostly related to the calcareous formations of the basin, including the Bakhtiari and Asmari formations, which have formed the high altitudes of the basin, including the Dena Mountains. Also, areas with medium and low CN are mostly related to forest and pasture uses, in which the potential for runoff production is moderate. On the other hand, due to the fact that most of the precipitation in the basin heights is snow, there is an opportunity to penetrate into the soil and as a result, the amount of runoff production is less. The calcareous formations in the basin, which form most of the Zagros highlands, penetrate rainfall through pores and fractures and feed groundwater, which is why we often encounter a large number of springs in these areas. On the other hand, the results of the runoff map indicate that the Zagros heights, which have a high slope, play a major role in runoff production. These areas are mostly located in the southern and southeastern areas of the basin, as well as northwest of the basin.Conclusion A large area of the basin has the potential to produce moderate runoff, which can lead to flooding downstream of the basin. Therefore, it is necessary to implement conservation and watershed management measures in the branches and areas where the flow occurred. Due to the fact that the basis of calculations in preparing maps of curve number and runoff height are raster layers, each pixel of which has a value, the calculations are done and the results are much closer to reality and save time and money.

منابع و مأخذ:

Ajmal M, Moon GW, Ahn JH, Kim TW. 2015. Investigation of SCS-CN and its inspired modified models for runoff estimation in South Korean watersheds. Journal of Hydro-environment Research, (1-2): 1-12. doi:https://doi.org/10.1016/j.jher.2014.11.003.

Akhavan Foumani S, and Ali Nia H, Vazefehdoost M. 2011. Determining the number of runoff curve using remote sensing, Geomatics Conference, 15-19 May, National Cartographic Center, Tehran, 1-9. (In Persian).

Al-Ghobari H, Dewidar A, Alataway A. 2020. Estimation of surface water runoff for a semi-arid area using RS and GIS-based SCS-CN method. Water, 12(7):1924. doi:https://doi.org/10.3390/w12071924.

Anusree K, Varghese KO. 2016. Streamflow Prediction of Karuvannur River Basin Using ANFIS, ANN and MNLR Models. Procedia Technology, 24: 101-108. doi:https://doi.org/10.1016/j.protcy.2016.05.015.

Chandler DG, Walter MF. 1998. Runoff responses among common land uses in the uplands of Matalom, Leyte, Philippines. Transactions of the American Society of Agricultural Engineers, 41(6): 1635–1641.

Chauhan, N. B., Gadhavi, M. S., Prakash, I. and Mehmood, K. 2016. Determination of Surface Runoff in Amreli District Gujarat, India using GIS based SCS Curve Number Method. International Journal of Science Technology & Engineering, 2(11): 367-372.

Chow V.T., Maidment D.R. and Mays L.W. 1988. Applied Hydrology. First Edition, McGraw-Hill international editions civil Engineering series, 572. ISBN: 0-07-100174-3.

Goodarzi, MR, Zahabiyoun B, Massah Bavani AR, Kamal AR. 2012. Performance comparison of three hydrological models SWAT, IHACRES and SIMHYD for the runoff simulation of Gharesou basin. Journal of Water and Irrigation Management, 2(1): 25-40. (In Persian). doi: https://dx.doi.org/10.22059/jwim.2012.25090.

Hosseinzadeh MM, Nosrati K, Imeni S. 2018. Determining Curve Number and Estimating Runoff Yield in HESARAK Catchment. Scientific Journals Management System, 18(51): 133-150. doi:https://doi.org/10.29252/jgs.18.51.133. (In Persian).

Hosseinzadeh MM. 2012. Estimated height and peak runoff rate in a stream erosion in Kojoor region Nowshahr–North Alborz. Scientific-Research Quarterly Journal of Environmental Erosion Researches, 2 (7):1-15. (In Persian).

Inci Tekel, Y., Akguul, S., Dengiz, O. and Akuzum, T. 2006. Estimation of flood discharge for small watershed using SCS curve number and geographic information system. River Basin Flood Management Journal, 527-538.

Jahan K, Pradhanang SM and Bhuiyan M.A.E. 2021. Surface Runoff Responses to Suburban Growth: An Integration of Remote Sensing, GIS, and Curve Number. Land, 10(5): 452-460.

Jamab consulting Engineers Co. 2009. Review of Comprehensive Water Studies, Karun Basin, Ministry of Energy. (In Persian).

Kaufman YJ, A. Wald AE, Remer LA, Gao BC, Li RR, Flynn L. 1997. The MODIS 2.1-/spl mu/m channel-correlation with visible reflectance for use in remote sensing of aerosol. IEEE Transactions on Geoscience and Remote Sensing, 35(5): 1286-1298. doi: https://doi.org/10.1109/36.628795.

Lal M, Mishra SK, Pandey A, Pandey RP, Meena PK, Chaudhary A, Jha RK, Shreevastava AK, Kumar Y. 2017. Evaluation of the Soil Conservation Service curve number methodology using data from agricultural plots. Hydrogeology Journal, 25(1):151-67. doi:https://doi.org/10.1007/s10040-016-1460-5.

Li, F., Zhang, Y., Xu, Z., Teng, J., Liu, C., Liu, W. and Mpelasoka, F. 2013. The impact of climate change on runoff in the southeastern Tibetan Plateau. Journal of Hydrology, 505: 188-201. doi:https://doi.org/10.1016/j.jhydrol.2013.09.052.

Malekian A, Mohseni Saravi M, Mahdavi M. 2004. Evaluation of the efficiency of the curve number method in estimating runoff depth.  Journal of Natural Environment (Iranian Journal of Natural Resources, 57(4): 621-633. (In Persian).

Mir Alizadeh SR, Mansouri S. 2019. Evaluation of indicators of remote sensing measurement in quantitative and qualitative studies of surface water with Landsat-8 satellite images (Case study: South of Khuzestan province). RS & GIS for Natural Resources, 10(2): 63-84. (In Persian).

Mishra, S. K. and Singh, V. P. 2013. Soil conservation service curve number (SCS-CN) methodology (Vol. 42). Springer Science & Business Media.

Mohammad, F.S. and Adamowski, J. 2015. Interfacing the geographic information system, remote sensing, and the soil conservation service–curve number method to estimate curve number and runoff volume in the Asir region of Saudi Arabia. Arabian Journal of Geosciences, 8(12):11093-11105. doi:https://doi.org/10.1007/s12517-015-1994-1.

Moharampour E, Nazarnejad H, Babaei S. 2018. Estimation of the Curve Number and Runoff Height Using Arc GIS Software with the Arc CN-Runoff Tool (Case study: Nazluchai Basin of Urmia). Watershed Management Research, 31(2): 41-49. doi: https://dx.doi.org/10.22092/wmej.2018.120753.1083. (In Persian).

Molayi A. 2003. Assessment of curve number for estimation of runoff volume using GIS. Proceeding of 6th International Conference on River engineering. Shahid Chamran University, 1139–1144. (In Persian).

Pathak S, Ojha CS, Garg RD, Liu M, Jato-Espino D, Singh RP. 2020. Spatiotemporal Analysis of Water Resources in the Haridwar Region of Uttarakhand, India. Sustainability,12(20):8449. doi:https://doi.org/10.3390/su12208449.

Saffari A, Qanavati A, Beheshti Javid, AA. Hosseini H. 2013. Estimate and zoning of runoff due 24-hour rainfall with use SCS-CN model (case study: dam catchment Yamchi, Ardabil, Iran). Geography, 11(8): 217-201. (In Persian).

SCS. 1985. National engineering handbook, section 4: Hydrology. Washington, DC: US Soil Conservation Service, USDA.

Shadeed, S. and Almasri, M. 2010. Application of GIS-based SCS-CN method in West Bank catchments, Palestine. Water Science and Engineering, 3(1): 1-13. doi:https://doi.org/10.3882/j.issn.1674-2370.2010.01.001.

Sherman LK. 1949. The unit hydrograph method. Physics of the Earth, Dover Publications, Inc., New York, 514-525.

Singh AK, Sharma S. Jain AO. 2011. Mapping and Prediction of surface Run-off using SCS CN Method. Geomatics-2011 National Conference on Impact of Climate Chang with Special Emphasis on Desertification, February 3-5, 2011 Ajmer, India.

Valizadeh Kamran K, Delire Hasannia R, Azari Amgani Kh. 2019. Flood zoning and its impact on land use in the surrounding area using unmanned aerial vehicles (UAV) images and GIS. RS & GIS for Natural Resources, 10(3): 59-75. (In Persian).

Xia J, Wang GS. Ye AZ. 2005. A distributed monthly water balance model for analyzing impacts of land cover change on flow regimes. Pedosphere, 15(6): 761–767. doi:https://doi.org/10.1007/s12665-017-6512-1.

Yuan J, Niu Zh. 2008. Evaluation of atmospheric correction using FLAASH. International Workshop on Earth Observation and Remote Sensing Applications, 30 June-2 July 2008. Beijing, China. 1-6. doi:https://doi.org/10.1109/EORSA.2008.4620341

Zhang S, Pan B. 2014. An urban storm-inundation simulation method based on GIS. Journal of Hydrology, 517: 260-268. doi:https://doi.org/10.1016/j.jhydrol.2014.05.044.

Zhang Xi, Huang ML. 2004. ArcCN-Runoff: An ArcGIS tool for generating curve number and runoff maps. Environmental Modelling and Software, 19: 875-879. doi:https://doi.org/10.1016/j.envsoft.2004.03.001.