ارزیابی مدل SWAT در مدلسازی هیدرولوژیکی حوضه های آبریز و مقایسه دقت مدل در استفاده از داده های روزانه و ماهانه - مطالعه موردی حوضه آبریز مارون
محورهای موضوعی : برگرفته از پایان نامهمصطفی میرمهدی 1 , مجتبی شوریان 2 , احمد شرافتی 3
1 - دانشجوی دکتری تخصصی عمران-آب گروه مهندسی عمران ، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی، تهران، ایران
2 - دانشیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
3 - دانشیار گروه مهندسی عمران، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: واسنجی, اعتبارسنجی, مارون, ابزار SWAT, الگوریتم SUFI-2,
چکیده مقاله :
مقدمه: در سال های اخیر مدلسازی هیدرولوژیکی حوضه های آبریز از جمله مسائل مهمی بوده که نتایج آن تاثیر قابل توجهی در برنامه ریزی منابع آب و استحصال منابع آب شیرین در حوضه های آبریز دارد. یکی از ابزارهای کاربردی در مدلسازی هیدرولوژیکی حوضه های آبریز، ابزار SWAT(Soil and Water Assessment Tools) است این ابزار به صورت یک Extension در نرم افزار GIS قابل استفاده است. هدف از این تحقیق بررسی دقت ابزار SWAT مدلسازی هیدرولوژیکی حوضه های آبریز است. حوضه آبریز مورد مطالعه، حوضه آبریز سد مخزنی مارون به عنوان بخش مهمی از حوضه آبریز زهره و جراحی است.
روش: برای انجام واسنجی از داده‌های جریان اندازه‌گیری شده در ایستگاه ایدنک و تنگ تکاب بازه زمانی سال های آبی 71-1370 لغایت 79-1378 و برای اعتبارسنجی ایستگاه ایدنک بازه زمانی سال های آبی 80-1379 لغایت 96-1395و در ایستگاه تنگ تکاب بازه زمانی سال های آبی 80-1379 لغایت 85-1384 استفاده شد.
نتیجه گیری: نتایج نشان داد دقت مدل در استفاده از داده های روزانه نسبت به استفاده از داده های ماهانه کمتر است. دلیل کاهش ضریب دقت روزانه نسبت به ماهانه این است که داده های کالیبره شده روزانه در هر ایستگاه 3450 عدد بوده و برای حالت ماهانه 108 عدد است. نتایج شبیه سازی بیانگر آن است که از یک سو ابزار SWAT در شبیه‌سازی هیدرولوژیکی حوضه های آبریز بزرگ با ماهیت کوهستانی توانایی قابل قبولی داشته و روند تغییرات جریان در مرحله واسنجی و اعتبارسنجی به خوبی شبیه‌سازی شده است.
Introduction: In recent years, basins hydrological modeling has been one of the important issues, which its results have a significant impact on water resource planning. One of the tools in basins hydrological modeling is SWAT (Soil and Water Assessment Tools), this tool can be used as an extension in GIS software. The purpose of this research is to evaluate the accuracy of SWAT in Maroon basin hydrological modeling.
Methods: The calibration and validation of model, used from the flow data measured at the Idenak and Tange-Takab stations in the period of 1991 to 2017
Findings: The results showed that the accuracy of the model in using daily data is lower than monthly data. The reason of the reduction of the accuracy in using of daily data compared to using of monthly data is that the daily calibrated data in each hydro-station is 3450 numbers and for the monthly data is 108 numbers. The simulation results show that the SWAT has an acceptable ability in the basins hydrological simulation with a mountainous nature and the process of flow changes in the calibration and validation stage is simulated with acceptable accuracy.
1. Abbaspour, K. C., Yang, J., Maximov, I., Siber, R., Bogner, K., Mieleitner, J., Zobrist, J., Srinivasan, R. and Reichert, P. (2007). Modelling of hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT. Journal of Hydrology. 333, 413–430.
2. Ahl, R. S., Woods, S. W. and Zuuring, H. R. (2008). Hydrologic calibration and validation of SWAT in a snow-dominated Rocky Mountain watershed, Montana, USA. Journal of the American Water Resources Association, 44(6), 1411–1430.
3. Arabi, M., Govindaraju, R. S., Engel, B. and Hantush, M. (2007). Multiobjective sensitivity analysis of sediment and nitrogen processes with a watershed model. Water Resources Research, 43(6), 1–11.
4. Arnold, J.G., Kiniry, J.R., Srinivasan, R., Williams, J.R., Haney, E.B. and Neitsch, S.L., (2011). Soil and water assessment tool input/output file documentation version 2009. Texas Water Resources Institute.
5. Boithias, L., Sauvage, S., Lenica, A., Roux, H., Abbaspour, K.C., Larnier, K., Dartus, D. and Sánchez-Pérez, J.M. (2017). Simulating flash floods at hourly time-step using the SWAT model. Journal of Water, 9(12), 929.
6. Borrelli, P., Alewell, C., Alvarez, P., Anache, J. A. A., Baartman, J., Ballabio, C., Bezak, N., Biddoccu, M., Cerda, A., Chalise, D., Chen, S., Chen, W., De Girolamo, A. M., Gessesse, G. D., Deumlich, D., Diodato, N., Efthimiou, N., Erpul, G., Fiener, P., . . . Panagos, P. (2021). Soil erosion modelling: A global review and statistical analysis. Science of the Total Environment, 780, 146494-146512.
7. Demirel, M.C., Venancio, A. and Kahya, E., (2009). Flow forecast by SWAT model and ANN in Pracana basin, Portugal. Advances in Engineering Software, 40(7), pp.467-473.
8. Shourian, M., Zomorodyan, M.A., (2013). Hydrological simulation of Firoozabad basin by SWAT. Journal of Irrigation and Water Engineering.
9. Fohrer, N., Haverkamp, S., Eckhardt, K. and Frede, H. G. (2001). Hydrologic response to land use changes on the catchment scale. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 26(7–8), 577–582.
10. Moriasi, D. N. Arnold, J. G. Van Liew, M. W. Bingner, R. L. Harmel, R. D. and Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Journal of Transactions of the ASABE, 50(3), 885–900.
11. Naghshine, M.H., Raof, F.F. and Khoshrftar, A., (2013). The study of flood hydraulics before the building of Maroon Dam by HEC-RAS, Maskingam and Muskingum-Cunge method.
12. Neitsch, S.L., Arnold, J.G., Kiniry, J.R. and Williams, J.R., (2011). Soil and water assessment tool theoretical documentation version 2009. Texas Water Resources Institute.
13. Panagos, P., & Katsoyiannis, A. (2019). Soil erosion modelling: The new challenges as the result of policy developments in Europe. Environmental Research, 172, 470-474.
14. Rahman, K. Maringanti, C. Beniston, M. Widmer, F. Abbaspour, K. and Lehmann, A. (2013). Streamflow modeling in a highly managed mountainous glacier watershed using SWAT: the Upper Rhone River watershed case in Switzerland. Journal of Water resources management, 27(2), 323-339.
15. Tuo, Y., Marcolini, G., Disse, M. and Chiogna, G. (2018). A multi-objective approach to improve SWAT model calibration in alpine catchments. Journal of hydrology, 559, 347-360.
16. Zalaki-Badil, N., Eslamian, S., Sayyad, G.A., Hosseini, S.E., Asadilour, M., Ostad-Ali-Askari, K., Singh, V.P. and Dehghan, S. (2017). Using SWAT Model to determine runoff, sediment yield in maroon-dam catchment. Int J Res Studies Agri Sci, 3, pp.31-41.
Water Resources Engineering Journal Summer 2024. Vol 17. Issue 62
Research Paper | |
Evaluation of SWAT in Hydrological Modeling and Comparison of Model Accuracy in Using of Daily and Monthly Data, Case Study of Maroon Basin | |
Mostafa Mirmehdi1, Mojtaba Shourian 2*, Ahmad Sharafati 3 1. Ph.D. Candidate, Department of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran 2. Associate Prof., Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran 3. Associate Prof., Department of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran | |
Received: 2023/10/19 Revised: 2023/11/02 Accepted: 2024/02/02 | Abstract Introduction: In recent years, basins hydrological modeling has been one of the important issues, which its results have a significant impact on water resource planning. One of the tools in basins hydrological modeling is SWAT (Soil and Water Assessment Tools), this tool can be used as an extension in GIS software. The purpose of this research is to evaluate the accuracy of SWAT in Maroon basin hydrological modeling. Methods: The calibration and validation of model, used from the flow data measured at the Idenak and Tange-Takab stations in the period of 1991 to 2017. Findings: The results showed that the accuracy of the model in using daily data is lower than monthly data. The reason of the reduction of the accuracy in using of daily data compared to using of monthly data is that the daily calibrated data in each hydro-station is 3450 numbers and for the monthly data is 108 numbers. The simulation results show that the SWAT has an acceptable ability in the basins hydrological simulation with a mountainous nature and the process of flow changes in the calibration and validation stage is simulated with acceptable accuracy.
|
Use your device to scan and read the article online
| |
Keywords: Calibration, Validation, Maroon, SWAT, SUFI-2 algorithm | |
Citation: Mirmehdi M, Shourian M, Sharafati A. Evaluation of SWAT in hydrological modeling and comparison of model accuracy in using of daily and monthly data, case study of Maroon basin. Water Resources Engineering Journal. 2024; 17 (62): 29- 39. | |
*Corresponding author: Mojtaba Shourian Address: Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran Tell: +989123259857 Email: m_shourian@sbu.ac.ir | |
Extended Abstract
Introduction
The correct management of basin in the country is one of the most important issues in the use of water and soil resources. In this regard, comprehensive reports of different management and implementation methods are needed. Most of the basin in our country, especially the mountainous and inaccessible basin, do not have enough hydrometer measurement stations. Since the statistics and information of these stations are needed for the protection and management programs of catchment basins, the simulation of hydrological phenomena in basins is the optimal solution for this lack and often the only practical method of evaluating the changes made in the basins and they are managerial scenarios. Therefore, according to the importance of the subject and with the aim of helping the management of water resources in the region, in this research, the hydrological model of the Maroon basin was developed with the help of the semi-distributive SWAT model using meteorological information, soil characteristics, topography, observed discharge from the basin, land use changes. Lands and types of vegetation have been prepared. In general, the purpose of this research is the application of the SWAT model, its calibration and evaluation to predict the amount of runoff in the Maroon basin.
Materials and Methods
The Maroon basin is located in the southwestern part of Iran, with an area of 3808 square kilometers, in the province of Khuzestan, Kohgiluyeh, and Boyer-Ahmad, in the range of the Zagros slopes. Maroon River located in the Maroon basin is one of the important and major branches of Jarrahi River. This river is formed after connecting the branches of Shabliz, Ludab and Saqaweh and after traveling a distance of 120 km, it reaches Maroon dam lake, and after passing through the Takab gorge, it enters the Behbahan plain and through the Shahada diversion dam, the Behbahan irrigation network. and through the Jayzan diverting dam, it drinks the Jayzan plain and Fajr. Determine the hydrology separately and then calculate its value for the entire target basin. To simulate the hydrological cycle in the SWAT model, in the first step, by defining the Dem map with an accuracy of 30 meters to the model and generating the flow network by the model itself, based on the threshold limit of 15,000 hectares. As the minimum drainage level and specifying the Idank and Tang-Takab Behbahan hydrometric stations as the outlets of the basin, the Maroon basin was divided into 15 sub-basins.
Findings
In this research, the Nash-Sutcliffe coefficient was used as the objective function for optimization. The uncertainty of the model simulation results was also calculated by the uncertainty of 95% estimation. The coefficient of explanation (R²) and Nash-Sutcliffe (N-S) indices were also used to evaluate the efficiency of the SWAT model in the calibration and validation stages. The parameter of infiltration curve number in medium humidity conditions (CN2) has had the greatest effect on the outflow from the basin, which is greatly influenced by the land use and soil type of the region. Therefore, it has a major effect on the water balance components. After the CN2 parameter, the SMTMP and SMFMN parameters, which are the snow melting base temperature and the snow melting factor, respectively, are ranked next. Considering that the study area is mountainous, the SMTMP and SMFMN parameters showed more sensitivity than other parameters, and by changing this parameter in the calibration process, optimal values were obtained, Therefore, this parameter shows higher values during calibration.
Discussion
In these simulations, the parameters of the SWAT model have been obtained independently. The results of the simulation show that the SWAT tool has an acceptable ability in the hydrological simulation of large basin with a mountainous nature, and the process of flow changes in the calibration and validation stage has been well simulated. Also, the results showed that the prepared model is not able to accurately simulate the maximum flows, and during peak times, the amount of runoff is estimated to be less than its actual value. Among the reasons for the weakness of the model in simulating the maximum flow in some months, we can mention the weak snow melting simulation of the SWAT model for this mountainous basin and the assumptions of the model in the transfer of flow in frozen and saturated layers, in general, in addition to the weaknesses that each model in the simulation of the real world, in this research, there are other reasons for the difference between the model simulations and the observed values. Among these cases, we can mention the relatively large climatic changes, especially from the north to the south of the basin, which adds to the uncertainty of the climatic input parameters of the model, the presence of water-filled springs in the catchment basin, the lack of sufficient information about them, the lack of information about harvesting unauthorized use of water from the water resources of the catchment basin, the short statistical period of most stations and the lack of hydrometric stations are also the reasons. On the other hand, watershed simulation models show poor performance in estimating low flow values. This problem can be attributed to the simplifications of such models in simulating and the complex interaction between runoff and subsurface flow in rainfall events with low altitude.
Conclusion
Quarterly Journal of Women and Society 2021; 12(45): 1- 13 3 |
Quarterly Journal of Women and Society 2021; 12(45): 1- 13 3 |
Quarterly Journal of Women and Society 2021; 12(45): 1- 13 3 |
Ethical Considerations compliance with ethical guidelines
The cooperation of the participants in the present study was voluntary and accompanied by their consent.
Funding
No funding.
Authors' contributions
Design and conceptualization: Mostafa Mirmehdi, Mojtaba Shourian, Ahmad Sharafati.
Methodology and data analysis: Mostafa Mirmehdi, Mojtaba Shourian, Ahmad Sharafati.
Supervision and final writing: Mojtaba Shourian.
Conflicts of interest
The authors declared no conflict of interest.
| |
ارزیابی مدل SWAT در مدلسازی هیدرولوژیکی حوضه های آبریز و مقایسه دقت مدل در استفاده از داده های روزانه و ماهانه - مطالعه موردی حوضه آبریز مارون | |
مصطفی میرمهدی1، مجتبی شوریان2*، احمد شرافتی3 1. دانشجوی دکتری تخصصی عمران-آب گروه مهندسی عمران ، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی، تهران، ایران 2. دانشیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران 3. دانشیار گروه مهندسی عمران، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | |
تاریخ دریافت: 27/07/1402 تاریخ داوری: 11/08/1402 تاریخ پذیرش: 13/11/1402 | چکیده مقدمه: در سال های اخیر مدلسازی هیدرولوژیکی حوضه های آبریز از جمله مسائل مهمی بوده که نتایج آن تاثیر قابل توجهی در برنامه ریزی منابع آب و استحصال منابع آب شیرین در حوضه های آبریز دارد. یکی از ابزارهای کاربردی در مدلسازی هیدرولوژیکی حوضه های آبریز، ابزار SWAT(Soil and Water Assessment Tools) است این ابزار به صورت یک Extension در نرم افزار GIS قابل استفاده است. هدف از این تحقیق بررسی دقت ابزار SWAT مدلسازی هیدرولوژیکی حوضه های آبریز است. حوضه آبریز مورد مطالعه، حوضه آبریز سد مخزنی مارون به عنوان بخش مهمی از حوضه آبریز زهره و جراحی است. روش: برای انجام واسنجی از داده‌های جریان اندازه‌گیری شده در ایستگاه ایدنک و تنگ تکاب بازه زمانی سال های آبی 71-1370 لغایت 79-1378 و برای اعتبارسنجی ایستگاه ایدنک بازه زمانی سال های آبی 80-1379 لغایت 96-1395و در ایستگاه تنگ تکاب بازه زمانی سال های آبی 80-1379 لغایت 85-1384 استفاده شد. نتیجهگیری: نتایج نشان داد دقت مدل در استفاده از داده های روزانه نسبت به استفاده از داده های ماهانه کمتر است. دلیل کاهش ضریب دقت روزانه نسبت به ماهانه این است که داده های کالیبره شده روزانه در هر ایستگاه 3450 عدد بوده و برای حالت ماهانه 108 عدد است. نتایج شبیه سازی بیانگر آن است که از یک سو ابزار SWAT در شبیه‌سازی هیدرولوژیکی حوضه های آبریز بزرگ با ماهیت کوهستانی توانایی قابل قبولی داشته و روند تغییرات جریان در مرحله واسنجی و اعتبارسنجی به خوبی شبیه‌سازی شده است.
|
از دستگاه خود برای اسکن و خواندن مقاله به صورت آنلاین استفاده کنید
DOI: | |
واژههای کلیدی: واسنجی، اعتبارسنجی، مارون، ابزار SWAT، الگوریتم SUFI-2.
| |
* نویسنده مسئول: مجتبی شوریان نشانی: دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران. تلفن: 09123259857 پست الکترونیکی: m_shourian@sbu.ac.ir | |
مقدمه
مدیریت صحیح حوضه های آبریز کشور یکی از مهمترین موضوعات در استفاده از منابع آب و خاک می باشد در این خصوص، گزارشاتی جامع از روشهای متفاوت مدیریتی و اجرایی موردنیاز است. اکثر حوضه های آبریز کشور ما، به ويژه حوضه های آبریز کوهستاني و صعب العبور، فاقد ايستگاههاي اندازه گیري آب سنجی به میزان موردنیاز هستند. از آنجا که آمار و اطلاعات اين ايستگاهها براي برنامه هاي حفاظتي و مديريت حوضه های آبریز مورد نیاز است، شبیه سازي پديده‌هاي هیدرولوژي در حوضه های آبریز راه حل بهینه اي براي اين فقدان است و غالباً تنها روش عملي ارزيابي تغییرات ایجاد شده در حوضه ها و سناريوهاي مديريتي می باشند (9، 2، 3 ) به طور کلی درک و پیش بینی فرآیندهای تولید و انتقال جریان به خروجی حوضه یکی از اساسی ترین مباحث در علم هیدرولوژی محسوب می شود مدلهای هیدرولوژیکی برای شبیه سازی حوضه های آبریز به وجود آمده اند و در سطح حوضه های آبریز دنیا به کار گرفته شده اند، و با استفاده از مدلهای هیدرولوژیکی تغییرات مؤلفه های زیادی از چرخه پیچیده آب بررسی شده است لذا مدلسازي فرآيندهاي مختلف در حوضه های آبریز براي مديريت آنها بسیار ضروري است. در سالهاي اخیر مدلهاي رياضي مختلفي در زمینة فرآيندهاي هیدرولوژي در حوضه های آبریز ايجاد شده و مورد استفاده قرار گرفته اند. در اين میان مدل SWAT يکي از مناسب ترين مدلها است که توسط سرويس تحقیقات کشاورزي و حفاظت از منابع طبیعي وزارت کشاورزي آمريکا و دانشگاه اي اند ام تگزاس توسعه يافت (6، 13) از مزاياي اين مدل آن است که در حوضه های آبریز فاقد داده هاي برداشت شده نیز قابل کاربرد است؛ به کمک آن تأثیر نسبي عوامل مختلف (مانند روشهاي مختلف مديريتي، آب و هوا، پوشش گیاهي و ....) بر روي کیفیت آب، تولید رسوب و بار آلاینده ها در حوضه های آبریز قابل کمي کردن مي باشند؛ از پارامترهاي ورودي آسان و قابل دسترس استفاده ميکند و کاربر را قادر به مطالعة بلندمدت تأثیرات مي کند. همچنین شبیه سازي حوضه هاي بزرگ و پیچیده با شیوه هاي مختلف مديريتي بدون صرف زمان و هزينه زياد با آن قابل اجرا است (11 ) مدل SWAT در حوضه های آبریز سرتاسر جهان در شرايط مختلف مديريتي با موفقیت بکار گرفته شده است. به عنوان مثال، از مدل SWAT براي شبیه سازي تمام فرآيندهاي تأثیرگذار بر روي میزان رواناب، رسوبات و عناصر غذايي از دست رفته در يک حوضه آبخیز در سويیس استفاده کردند. اين مطالعات نتايج بسیار خوبي را براي برآورد میزان رواناب و نیترات و نتايج نسبتاً خوبي را براي برآورد بار رسوبات و فسفر کل نشان داد. به دلیل آنکه مدلهاي هیدرولوژيکي در معرض عدم قطعیت بالایی قرار دارند توصیف و کمي کردن عدم قطعیت اين مدلها در سالهاي اخیر توجه زيادي را به خود جلب کرده است. بدين منظور پژوهشگران تکنیکهاي مختلفي را براي تجزيه و تحلیل عدم قطعیت اين مدلها ارائه کرده اند. اين روشها عبارتند از GLUE، SUFI-2، MCMC، ParaSol. از آنجا که هر کدام از اين روشها براي شرايط خاصي کاربرد دارند (1). اين روشها را به صورت يک بستة نرم افزاري تحت عنوان CUP SWAT گردآوري کرده اند. حوضه آبریز مارون در جنوب غرب کشور ایران واقع شده و سد مارون در پایین دست این حوضه قرار دارد که این سد بعنوان یکی از مهمترین منابع تأمین‌کننده انرژی کشور، در سالهای اخیر دچار کمبود آب شده و میزان حجم آورد جریان از حوضه آبریز مارون به سمت مخزن سد مارون روندی کاهشی داشته است. بنابراین با توجه به اهمیت موضوع و با هدف کمک به مدیریت منابع آب منطقه، در این پژوهش مدل هیدرولوژیکی حوضه آبریز مارون به کمک مدل نیمه توزیعی SWAT با استفاده از اطلاعات هواشناسی، مشخصات خاک، توپوگرافی، دبی مشاهده ای خروجی از حوضه، تغییرات کاربری اراضی و انواع پوشش گیاهی تهیه شده است. بطور کلي هدف از اين پژوهش کاربرد مدل SWAT، واسنجي و ارزيابي آن براي پیش بیني میزان رواناب در حوضه آبریز مارون است.
مواد و روشها
منطقه مورد مطالعه
حوضه آبریز مارون در قسمت جنوب غربی ایران، با مساحت 3808 کیلومترمربع در استان خوزستان و کهگیلویه و بویراحمد در محدوده دامنههای زاگرس واقع شده است. رودخانه مارون واقع در حوضه آبریز مارون یکی از شاخههای مهم و عمده رودخانه جراحی میباشد. این رودخانه پس از اتصال شاخههای شب لیز، لوداب و سقاوه تشکیل میگردد و پس از طی مسافت 120 کیلومتر به دریاچه سد مارون میرسد و پس از عبور از تنگه تکاب وارد دشت بهبهان میشود و توسط سد انحرافی شهدا، شبکه آبیاری بهبهان و از طریق سد انحرافی جایزان دشت جایزان و فجر را مشروب میکند (11) سد مخزنی مارون بر روی رودخانه مارون با حجم کل مخزن حداکثر 1274 میلیون مترمکعب در فاصله سالهای 1368تا 1378 احداث گردیده و آبگیری آن در سال 1384 آغاز گردید (16). شکل (1) موقعیت محدوده مطالعاتی را در ایران را نشان می‌دهد.
شکل 1- موقعیت حوضه آبریز مارون
مدل سازی شرایط هیدرولوژیکی با استفاده از مدل SWAT
مدل SWAT جزو مدلهای پیوسته، نیمه توزیعی و دارای مبنای فیزیکی میباشد (7، 8) این مدل میتواند با استفاده از چرخه هیدرولوژی حوضه و فرموله کردن تمام فرآیندهای فیزیکی آن، جریان را برای هر واحد پاسخ هیدرولوژی به‌صورت جداگانه معین و سپس مقدار آن را برای کل حوضه موردنظر محاسبه نماید (4، 12) برای شبیه‌سازی چرخه هیدرولوژیکی در مدل SWAT، در مرحله نخست با تعریف نقشه Dem با دقت 30 متری به مدل و تولید شبکه جریان توسط خود مدل، بر اساس حد آستانه 15000 هکتار به عنوان حداقل سطح زهکشی و مشخص نمودن ایستگاههای هیدرومتری ایدنک و تنگ تکاب بهبهان به عنوان خروجی های حوضه، حوضه آبریز مارون به 15 زیرحوضه تقسیم‌بندی شد. در مرحله بعد، نقشه خاک FAO1 با دقت 10 کیلومتری به همراه نقشه کاربری اراضی GLCC2 ( پوشش زمین بر اساس ماهواره NOAA) برای سال 1992 به مدل وارد شده و طبقات شیب نیز تعریف گردید و با ترکیب آنها واحدهای واکنش هیدرولوژی (HRU3) در هر زیرحوضه تولید شدند. در این تحقیق سه کلاس شیب (21-0، 41-21، 41< درصد) به مدل معرفی گردید. در شکل (2) اطلاعات نقشه‌های کاربری اراضی، خاک، نقشه رقومی ارتفاعی و زیرحوضه ها نشان داده شده است. در گام بعدی نوبت به تعریف داده‌های اقلیمی به مدل است. اطلاعات مربوط به بارش و درجه حرارت روزانه به مدل وارد شده و از روش هارگریوز- سامانی برای محاسبه تبخیر و تعرق پتانسیل استفاده شده است. برای روندیابی جریان از روش ضریب ذخیره متغیر استفاده گردید. همچنین اطلاعات مدیریتی از جمله کاشت، میزان کوددهی، زمان آبیاری و برداشت محصولات غالب حوضه مورد مطالعه شامل گندم، جو، یونجه و برنج به عنوان محصولات زراعی و سیب و گردو به عنوان محصولات باغی به مدل معرفی گردید. در این تحقیق، از آمار ماهانه دبی ایستگاههای ایدنک و تنگ تکاب بهبهان استفاده شد. در جدول (1) مشخصات ایستگاههای هیدرومتری و در جدول (2) خلاصه آماری از داده های جمع آوری شده ارائه شده است. این آمار از سامانه اطلاعات ایستگاه های هیدرومتری و کلیماتولوژی وزارت نیرو اخذ شد.
جدول1- ویژگی های ایستگاه های منطقه مورد مطالعه
تیپ ایستگاه | نام ایستگاه | عرض جغرافیایی | طول جغرافیایی | ارتفاع (متر از سطح دریا) |
هیدرومتری و کلیماتولوژی | ایدنک | 30.95 | 50.42 | 560 |
هیدرومتری | تنگ تکاب | 30.68 | 50.33 | 280 |
[1] Food and Agriculture Organization of the United Nations
[2] Global Land Cover Characterization
[3] Hydrological Response Unit
جدول 2- خلاصه آماری از داده های جمع آوری شده
نام ایستگاه | پارامتر | دوره آماری | مهر | آبان | آذر | دی | بهمن | اسفند | فروردین | اردیبهشت | خرداد | تیر | مرداد | شهریور |
ایدنک | دبی (مترمکعب بر ثانیه) | 1370-1396 | 12 | 18.3 | 51.5 | 63.4 | 76.2 | 86.7 | 87.1 | 48 | 26.4 | 16.4 | 11.7 | 9.8 |
تنگ تکاب | دبی (مترمکعب بر ثانیه) | 1370-1396 | 29.9 | 29.7 | 30.3 | 45.3 | 47.5 | 57.4 | 41.4 | 26.8 | 23.4 | 31.8 | 334.5 | 32.1 |
ایدنک | بارش (میلیمتر) | 1370-1396 | 0 | 52.5 | 129.3 | 126.2 | 90.6 | 53 | 52.4 | 11.8 | 0 | 0 | 2 | 1.2 |
ایدنک | دما (درجه سانتیگراد) | 1370-1396 | 30.2 | 21.5 | 14.2 | 12.4 | 13.2 | 17.3 | 23.6 | 30.8 | 38.3 | 41 | 40.8 | 37.6 |
ایدنک | تبخیر (میلیمتر) | 1370-1396 | 264 | 130 | 63 | 47 | 61 | 89 | 149 | 247 | 388 | 468 | 455 | 373 |
مرجع : سامانه اطلاعات ایستگاه های هیدرومتری و کلیماتولوژی وزارت نیرو
 | |
 | |
 | |
 |
شکل 2- نقشه (1) کابری اراضی، (2) خاکشناسی، (3) توپوگرافی و (4) زیرحوضه ها
جدول 3 - ویژگی های کاربری اراضی در حوضه آبریز مارون
نام کلاس | درصد پوشش | کاربری اراضی |
CRDY | 9 | زمین زراعی دیم |
CRIR | 1 | زمین زراعی آبی |
CRGR | 1 | علفزار |
CRWO | 11 | جنگلی |
GRAS | 32 | مراتع |
SHRB | 46 | بوته زار |
مرجع : نقشه کاربری اراضی GLCC (Global Land Cover Characterization)- پوشش زمین بر اساس ماهواره NOAA
جدول 4- خصوصیات خاک در منطقه طرح
گروه خاک در مدل SWAT | تیپ خاک | گروه هیدرولوژیکی |
Rc33-3bc-3254 | LOAM | D |
Xh7-2-3ab-3297 | CLAY-LOAM | D |
I-Rc-YK-c-3508 | LOAM | D |
شکل 3- نمایش روند تحقیق
نتایج و بحث
واسنجی و اعتبارسنجی مدل SWAT
در این مطالعه ابتدا توسط نرم‌افزار SWAT-CUP و با انجام تحلیل حساسیت ، پارامترهایی که بیشترین تأثیر را بر دبی خروجی از حوضه داشتند، بدست آمدند هر چند که شرط اصلی اعتبار یک مدل آن است که پارامترهای آن بطور مستقیم برآورد شوند با این حال با ملاحظه اینکه در حوضه مورد مطالعه، داده های هیدرومتری در دسترس هستند می توان مدل SWAT را به کمک آنها واسنجی کرده و دقت مدل را به مراتب افزایش داد. در این تحقیق واسنجی مدل بر اساس پارامترهایی که مدل بیشترین حساسیت را نسبت به آنها داشت صورت پذیرفت. از میان پارامترهای مورد بررسی در این تحقیق، مدل نسبت به 13 پارامتر حساسیت نشان داده و به عنوان متغیرهای مؤثر بر شبیه‌سازی جریان مشخص شدند. روشهای کالیبراسیون و آنالیز عدم قطعیت ارتباط نزدیکی با هم دارند و هیچ کالیبراسیون نباید بدون تعیین میزان عدم قطعیت مرتبط با پیش‌بینی مدل انجام شود. از آنجایی که حوضه مورد مطالعه کوهستانی بود و به دست آوردن نتایج بسیار دشوار بود، پارامترهای ورودی برای هر زیرحوضه به طور جداگانه در نظر گرفته شد. در این تحقیق، از میان پنج الگوریتم موجود در این نرم‌افزار، الگوریتم SUFI-2 انتخاب گردید. برای انجام واسنجی از داده‌های جریان اندازه‌گیری شده در ایستگاه ایدنک و تنگ تکاب بازه زمانی سال های آبی 71-1370 لغایت 79-1378 و برای اعتبارسنجی ایستگاه ایدنک بازه زمانی سال های آبی 80-1379 لغایت 96-1395و در ایستگاه تنگ تکاب بازه زمانی سال های آبی 80-1379 لغایت 85-1384 استفاده شده و از ضریب نش-ساتکلیف به عنوان تابع هدف برای بهینه سازی استفاده گردید. عدم قطعیت نتایج شبیه‌سازی مدل نیز توسط عدم قطعیت تخمین 95 درصد (ppu 95) محاسبه گردید. از شاخص های ضریب تبیین (R²) و ضریب نش-ساتکلیف (N-S) نیز جهت ارزیابی کارایی مدل SWAT در مرحله‌های واسنجی و اعتبارسنجی استفاده شد. نتایج حاصل از آنالیز حساسیت مدل SWAT، در جدول (5) ارائه شده است. پارامتر شمارة منحني نفوذ در شرايط متوسط رطوبتی (CN2) بيش‌ترين تأثير را بر دبي خروجي از حوضه داشته است که این پارامتر به میزان زیادی تحت تأثیر کاربری اراضی و نوع خاك منطقه است. بنابراین، تأثیر عمدهای بر مؤلفه های بیلان آب دارد. پس از پارامتر CN2، پارامترهاي SMTMP و SMFMN، كه به ترتيب دمای پایه ذوب برف و فاکتور ذوب برف هستند، در رتبه‌هاي بعدي قرار مي‌گيرند. با توجه به این که منطقه مورد مطالعه کوهستانی می باشد، پارامترهاي SMTMP و SMFMN ، حساسیت بیشتری نسبت به سایر پارامترها نشان داد که با تغییر این پارامتر در پروسه واسنجی، مقادیر بهینه بدست آمد که با یافته های (14،15) همخوانی دارد. مقادیر بالاتر این پارامترها افزایش ذوب برف را در پی دارد. لذا این پارامتر در طی واسنجی مقادیر بیشتری را نشان می دهد. جدول 6 مقایسه بین شاخص های آماری (R2، NS و PBIAS) را برای کالیبراسیون و اعتبارسنجی دبی با استفاده از روش کالیبراسیون نیمه اتوماتیک SWAT-CUP نشان می دهد. مقادیر R2 از 0.62 تا 0.85 برای کالیبراسیون جریان روزانه و ماهانه و از 0.54 تا 0.73 برای اعتبارسنجی متغیر بود. ضریب NS از 0.5 تا 0.69 برای کالیبراسیون ماهانه و از 0.51 تا 0.59 برای کالیبراسیون روزانه متغیر بود. دلیل کاهش ضریب دقت روزانه نسبت به ماهانه این است که داده های کالیبره شده روزانه در هر ایستگاه 3450 عدد بوده و برای حالت ماهانه 108 عدد است. ضریب NRMSE بالاترین میزان خطای کالیبراسیون و اعتبارسنجی را نشان می دهد. این پارامتر در مرحله کالیبراسیون ماهانه و روزانه ایستگاه هیدرومتری ایدنک به ترتیب 18.3 و 10.8 درصد برآورد شده است. در این شبیه سازی ها پارامترهای مدل SWAT بطور مستقل (مستقیم) بدست آمده اند نتایج شبیه سازی بیانگر آن است که ابزار SWAT در شبیه‌سازی هیدرولوژیکی حوضه های آبریز بزرگ با ماهیت کوهستانی توانایی قابل قبولی داشته و روند تغییرات جریان در مرحله واسنجی و اعتبارسنجی به خوبی شبیه‌سازی شده است همچنین نتايج نشان داد كه مدل تهیه شده قادر به شبیه‌سازي دقیق جريان‌هاي حداكثر نیست و در زمانهای اوج مقدار رواناب کمتر از مقدار واقعی آن برآورد شده است. از علتهاي ضعف مدل در شبیه‌سازي جریان حداکثر در بعضی از ماه‌ها میتوان به شبیه‌سازي ضعیف ذوب برف مدل SWAT براي اين حوضه كوهستانی و فرضیات مدل در انتقال جریان در لایه های یخ زده و اشباع اشاره كرد بطور کلي علاوه بر نقطه ضعفهايي که هر مدل در شبیه سازي دنیاي واقعي دارد، در اين پژوهش علل ديگري هم سبب اختلاف شبیه سازي هاي مدل با مقادير مشاهده اي شده است. ازجمله این موارد ميتوان به تغییرات نسبتاً زياد اقلیمي بويژه از شمال به جنوب حوضه که اين مسأله بر عدم قطعیت پارامترهاي ورودي اقلیمي مدل مي افزايد، اشاره کرد وجود چشمه های پرآب در حوضه آبریز، نبود اطلاعات کافی در مورد آنها، عدم اطلاعات مربوط به برداشت های غیر مجاز آب از منابع آبی حوضه آبریز، کوتاه بودن دوره آماري اکثر ايستگاهها و کمبود تعداد ايستگاههاي هیدرومتري نیز مزید بر علت می باشد. از طرف دیگر مدلهای شبیه سازی حوضه آبریز عملکرد ضعیفی در برآورد مقادیر کم جریان از خود نشان می دهند. این مشکل را میتوان به ساده سازیهای این گونه مدلها در شبیه سازی و تعامل پیچیده بین رواناب و جریان زیر سطحی در وقایع بارندگی با ارتفاع کم دانست. این نتایج با مطالعات انجام شده توسط (5، 10) همخوانی دارد.
جدول 5- نتایج تحلیل حساسیت مدل SWAT
پارامتر | دامنه پارامتر | مقادیر کالیبره شده | توضیحات |
CN2 | 32-89 | 63 | Curve Number, moisture condition |
RCHRG_DP | 0-1 | 0.8 | Deep aquifer percolation fraction |
v__SLSUBBSN.hru | 15-2000 | 48 | Average slope length |
GW_DELAY | 4.1-47.3 | 29.5 | Groundwater delay, days |
CH_K2 | 0.01–400 | 66.43 | Effective hydraulic conductivity in main channel alluvium |
HRU_SLP | 0-2 | 1.3 | Average slope steepness |
ALPHA_BF | 0.6-.89 | 0.65 | Baseflow alpha factor (days) |
SOL_BD | 0.9-2.6 | 1.3 | Moist bulk density |
SOL_AWC | -0.6–0.6 | -0.13 | Available soil moisture capacity, mm mm_1 |
SOL_K | 0–2000 | 458 | Saturated hydraulic conductivity, mm h_1 |
GWQMN | 0–3500 | 280 | Depth of water in shallow aquifer required for return flow, mm |
SURLAG | 1–35.0 | 16 | Surface runoff lag time |
CH_N2 | 0.016–0.2 | 0.06 | Manning’s ‘‘n’’ value for the main channel |
جدول 6: مقادیر شاخص های ارزیابی عملکرد مدل در شبیه سازی رواناب در مدل های اجرا شده
آمار | ایستگاه ایدنک | ایستگاه تنگ تکاب | ||
روزانه | ماهانه | روزانه | ماهانه | |
واسنجی |
|
|
|
|
R2 | 0.76 | 0.85 | 0.62 | 0.63 |
NS | 0.69 | 0.59 | 0.5 | 0.51 |
PBIAS | 11.3 | 26.5 | 17.8 | 20.15 |
RMSE | 0.498 | 0.425 | 0.511 | 0.612 |
NRMSE | 18.30% | 10.84% | 19.30% | 15.38% |
اعتبارسنجی |
|
|
|
|
R2 | 0.67 | 0.73 | 0.56 | 0.54 |
NS | 0.57 | 0.51 | 0.46 | 0.49 |
PBIAS | -12.2 | -12.4 | -9.5 | -14.2 |
RMSE | 0.425 | 0.472 | 0.425 | 0.512 |
NRMSE | 11.90% | 8.20% | 14.31% | 8.50% |
|
|
|
|
شکل 4- نتایج واسنجی و اعتبارسنجی مدل با استفاده از داده های ماهانه در ایستگاه های هیدرومتری ایدنک و تنگ تکاب
|
|
|
|
شکل 5- نتایج واسنجی و اعتبارسنجی مدل با استفاده از داده های روزانه در ایستگاه های هیدرومتری ایدنک و تنگ تکاب
نتیجهگیری
تجزیه و تحلیل ویژگی های جریان رودخانه و شبیه سازی هیدرولوژیکی، برای تصمیم گیری مناسب در مورد مسائل مربوط به سیستم های ارزیابی و برنامه ریزی حوضه حیاتی است. حوضه آبریز مارون، از حوضه های مهم کشور بوده که ماهیت کوهستانی دارد مدل SWAT به خوبی منطقه مورد مطالعه را شبیه سازی کرده است، اما در شبیه سازی پیک رواناب از دقت پایین تری برخوردار بوده است اما این ضعف مانعی برای مطالعه و شبیه سازی هیدرولوژیکی که هدف اصلی این تحقیق است، نبوده و در چهارچوب عدم قطعیت مطالعات هیدرولوژیکی توجیه پذیر است. مطالعه حاضر با استفاده از الگوریتم SUFI2 برای ارزیابی رواناب های روزانه و ماهانه ثبت شده در ایستگاه های هیدرومتری ایدنک و تنگ تکاب صورت پذیرفت. یکی از کاربردهای ویژه مدل SWAT توانایی بررسی مؤلفه های مختلف چرخه هیدرولوژیکی در شبیه سازی حوضه های آبریز می باشد. به طور کلی نتایج این تحقیق نشان می دهد در برنامه SUFI2 ، پارامتر شماره منحنی (CN) حساسیت بالاتری نسبت به سایر پارامترها دارد. نتایج بدست آمده نشان داد که حتی در صورتی که پارامترهای مدل بصورت مستقل برآورد شوند مدل از کارایی قابل قبولی برای شبیه سازی رواناب برخوردار است همچنین نتايج نشان داد كه مدل تهیه شده قادر به شبیه‌سازي دقیق جريان‌هاي حداكثر نیست و در زمانهای اوج مقدار رواناب کمتر از مقدار واقعی آن برآورد شده است. از دلایل ضعف مدل در شبیه سازی رواناب می توان به ضعف شبیه سازی ذوب برف، فقدان اطلاعات در مورد برداشت آب از سفره های آب زیرزمینی و یا تغذیه آنها اشاره کرد. همچنین نتایج نشان داد پارامترهای آماری در استفاده از داده های روزانه از دقت پایین تری نسبت به داده های ماهانه برخوردار بوده است. دلیل کاهش ضریب دقت استفاده از داده های روزانه نسبت به ماهانه این است که داده های کالیبره شده روزانه در هر ایستگاه بسیار بیشتر از داده های کالیبره شده ماهانه می باشد به عبارتی بطور میانگین داده های روزانه می تواند تا 30 برابر داده های روزانه باشد. ضریب NRMSE بالاترین میزان خطای واسنجی و اعتبارسنجی را نشان می دهد. این پارامتر در مرحله کالیبراسیون ماهانه و روزانه ایستگاه هیدرومتری ایدنک محدوده خطای پایین و قابل قبولی را نشان می دهد. افزایش دقت مدل SWAT با گذشت زمان در شبیه سازی رواناب، افزایش می یابد به عبارت دیگر هرچه مدل تعداد ران های بیشتری داشته و در چند مرحله و دوره آماری مدل ران شده و نتایج مورد مقایسه قرار بگیرد بطور طبیعی عملکرد مدل تحت کنترل بهتری بوده و نتایج با دقت بالاتری حاصل می گردد این موضوع ناشی از آن است که با گذشت زمان شرایط اولیه که برای شبیه سازی در زمانهای بعدی مورد نیاز است به مقادیر واقعی خود نزدیکتر میگردد و همین امر دقت مدل را افزایش می دهد. بطور کلی علاوه بر نقطه ضعفهایی که هر مدل در شبیه سازی حوضه های آبریز دارد در این تحقیق علل دیگری هم سبب اختلاف مقادیر شبیه سازی شده با مقادیر مشاهده ای وجود دارد. از آن جمله می توان به کوهستانی بودن منطقه، کمبود تعداد ایستگاههای هیدرومتری و تغییرات اقلیمی ایجاد شده در دوره آماری داده های ثبت شده در ایستگاه های آب سنجی اشاره کرد که این مسأله بر عدم قطعیت پارامترهای ورودی اقلیمی مدل می افزاید. بطور کلی مدل SWAT، ماهیت استوکاستیک داشته بدین معنا که نتایج حاصل از مدل SWAT در تکرارهای زیاد به مقادیر واقعی نزدیکتر است و به بیان دیگر دقت مدل SWAT برای تک رخدادها کمتر است و معمولاً حداکثر وقایع را کمتر از مقدار اندازه گیری شده تخمین می زند. به دلیل عدم قطعیت در مدل، پیش‌بینی داده‌های آب و هوا و سایر ورودی‌های مورد نیاز برای شبیه‌سازی، شرایط هیدرولوژیکی آینده را نمی‌توان به‌طور کامل پیش‌بینی کرد. با این حال، نتایج این مطالعه می تواند در برنامه‌ریزی منابع آب و حفظ پایداری منابع آب در مواجهه با تقاضای مداوم برای آب برای اهداف کشاورزی و سایر منابع مصرف گنجانده میشود. این مطالعه همچنین نشان داد ابزار SWAT می تواند به عنوان یک ابزار شبیه‌سازی قدرتمند در مدلسازی هیدرولوژیکی حوضه های آبریز در راستای مدیریت پایدار منابع آب عمل نماید.
ملاحظات اخلاقی پیروی از اصول اخلاق پژوهش
همکاری مشارکتکنندگان در تحقیق حاضر به صورت داوطلبانه و با رضایت آنان بوده است.
حامی مالی
هزینه تحقیق حاضر توسط نویسندگان مقاله تامین شده است.
مشارکت نویسندگان
طراحی و ایدهپردازی: مصطفی میرمهدی، مجتبی شوریان، احمد شرافتی؛
روششناسی و تحلیل دادهها: مصطفی میرمهدی، مجتبی شوریان، احمد شرافتی؛
نظارت و نگارش نهایی: مجتبی شوریان.
تعارض منافع
بنابر اظهار نویسندگان، مقاله حاضر فاقد هرگونه تعارض منافع بوده است.
References
1. Abbaspour, K. C., Yang, J., Maximov, I., Siber, R., Bogner, K., Mieleitner, J., Zobrist, J., Srinivasan, R. and Reichert, P. (2007). Modelling of hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT. Journal of Hydrology. 333, 413–430.
2. Ahl, R. S., Woods, S. W. and Zuuring, H. R. (2008). Hydrologic calibration and validation of SWAT in a snow-dominated Rocky Mountain watershed, Montana, USA. Journal of the American Water Resources Association, 44(6), 1411–1430.
3. Arabi, M., Govindaraju, R. S., Engel, B. and Hantush, M. (2007). Multiobjective sensitivity analysis of sediment and nitrogen processes with a watershed model. Water Resources Research, 43(6), 1–11.
4. Arnold, J.G., Kiniry, J.R., Srinivasan, R., Williams, J.R., Haney, E.B. and Neitsch, S.L., (2011). Soil and water assessment tool input/output file documentation version 2009. Texas Water Resources Institute.
5. Boithias, L., Sauvage, S., Lenica, A., Roux, H., Abbaspour, K.C., Larnier, K., Dartus, D. and Sánchez-Pérez, J.M. (2017). Simulating flash floods at hourly time-step using the SWAT model. Journal of Water, 9(12), 929.
6. Borrelli, P., Alewell, C., Alvarez, P., Anache, J. A. A., Baartman, J., Ballabio, C., Bezak, N., Biddoccu, M., Cerda, A., Chalise, D., Chen, S., Chen, W., De Girolamo, A. M., Gessesse, G. D., Deumlich, D., Diodato, N., Efthimiou, N., Erpul, G., Fiener, P., . . . Panagos, P. (2021). Soil erosion modelling: A global review and statistical analysis. Science of the Total Environment, 780, 146494-146512.
7. Demirel, M.C., Venancio, A. and Kahya, E., (2009). Flow forecast by SWAT model and ANN in Pracana basin, Portugal. Advances in Engineering Software, 40(7), pp.467-473.
8. Shourian, M., Zomorodyan, M.A., (2013). Hydrological simulation of Firoozabad basin by SWAT. Journal of Irrigation and Water Engineering.
9. Fohrer, N., Haverkamp, S., Eckhardt, K. and Frede, H. G. (2001). Hydrologic response to land use changes on the catchment scale. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 26(7–8), 577–582.
10. Moriasi, D. N. Arnold, J. G. Van Liew, M. W. Bingner, R. L. Harmel, R. D. and Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Journal of Transactions of the ASABE, 50(3), 885–900.
11. Naghshine, M.H., Raof, F.F. and Khoshrftar, A., (2013). The study of flood hydraulics before the building of Maroon Dam by HEC-RAS, Maskingam and Muskingum-Cunge method.
12. Neitsch, S.L., Arnold, J.G., Kiniry, J.R. and Williams, J.R., (2011). Soil and water assessment tool theoretical documentation version 2009. Texas Water Resources Institute.
13. Panagos, P., & Katsoyiannis, A. (2019). Soil erosion modelling: The new challenges as the result of policy developments in Europe. Environmental Research, 172, 470-474.
14. Rahman, K. Maringanti, C. Beniston, M. Widmer, F. Abbaspour, K. and Lehmann, A. (2013). Streamflow modeling in a highly managed mountainous glacier watershed using SWAT: the Upper Rhone River watershed case in Switzerland. Journal of Water resources management, 27(2), 323-339.
15. Tuo, Y., Marcolini, G., Disse, M. and Chiogna, G. (2018). A multi-objective approach to improve SWAT model calibration in alpine catchments. Journal of hydrology, 559, 347-360.
16. Zalaki-Badil, N., Eslamian, S., Sayyad, G.A., Hosseini, S.E., Asadilour, M., Ostad-Ali-Askari, K., Singh, V.P. and Dehghan, S. (2017). Using SWAT Model to determine runoff, sediment yield in maroon-dam catchment. Int J Res Studies Agri Sci, 3, pp.31-41.