روشی برای تعیین مناطق مولد سیل بر اساس رابطه بین شاخص سیل‌خیزی و پارامترهای مورفومتری

محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری

بهارک معتمدوزیری ¹ , معصومه غریب ² , حسن احمدی ³

1 - عضو هیأت علمی تمام وقت گروه آبخیزداری دانشگاه آزاد اسلامی،واحد علوم تحقیقات تهران
2 - گروه آبخیزداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
3 - گروه آبخیزداری، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

تاریخ دریافت : 1396/09/21 تاریخ پذیرش : 1397/01/25 تاریخ انتشار : 1397/04/01

کلید واژه: مدیریت حوزه آبخیز, عکس‌العمل سیل واحد, اولویت‌بندی سیل‌خیزی, مدل توزیعی,

چکیده مقاله :

برنامه‌ریزی حوزه‌های آبخیز، از لحاظ توسعه پایدار و مدیریت سرزمین، بسیار ضروری است. بنابراین، اولویت‌بندی زیرحوضه‌ها و شناسایی خصوصیات مورفومتریک به‌منظور شناسایی رفتار هیدرولوژیکی حوزه‌های آبخیز و طراحی راهبردهای مدیریتی، اهمیت زیادی دارند. هدف این پژوهش، اولویت‌بندی سیل‌خیزی حوزه آبخیز تنگراه به روش توزیعی و ارائه روشی برای تعیین مناطق مولد سیل است. بدین‌منظور، ابتدا ورودی‌های مدل بارش-رواناب استخراج و سپس مدل ModClark واسنجی و اعتبارسنجی شد. در مرحله بعد، برای تعیین سیلخیزی واحدهای همگن و زیرحوضه‌ها، با اجرای روش عکس‌العمل سیل واحد در قالب حذف متوالی واحدهای همگن و شبیه‌سازی آبنمود سیل، ابتدا بارش طراحی در محل ایستگاه بارانسنج ثبات پارک ملی گلستان استخراج شد، سپس میزان تأثیر هر یک از واحدها و زیرحوضه‌ها بر آبنمود خروجی کل حوزه آبخیز به دست آمد و در نهایت برای سیل با دوره بازگشت 50 و 100 سال برای حوزه‌های فاقد آمار، رابطه رگرسیونی چند‌متغیره مناسب بین پارامترهای مورفومتری و شاخص سیلخیزی ارائه شد. نتایج حاصل از نقشه پتانسیل تولید رواناب با دوره بازگشت 50 و 100 ساله، نشان داد که پتانسیل تولید رواناب از بالا‌دست به سمت پایین‌دست حوضه افزایشی بوده و واحد همگن 116 به‌عنوان مؤثرترین واحد در پتانسیل تولید رواناب بالا شناخته شد که به دلیل بارش بیشتر و همچنین شیب تند و بالا بودن (CN) در این واحد همگن، پتانسیل تولید رواناب در نزدیک خروجی حوضه نسبت به مناطق بالادست بیشتر است. نتایج این پژوهش نشان داد که با تلفیق سامانه اطلاعات جغرافیایی (GIS) و مدل‌های هیدرولوژیکی، می‌توان اثر متقابل عوامل فیزیوگرافیک و اقلیمی را بر پتانسیل سیل‌خیزی حوزه‌های آبخیز موردبررسی قرار داد و با در نظر گرفتن همزمانی دبی اوج و نقش روندیابی سیل در رودخانه‌ها، اولویت‌بندی زیرحوضه‌ها را به نحو مطلوب انجام داد.

چکیده انگلیسی:

River basin planning is an essential factor for sustainable development and land management. Therefore, sub-basins prioritizing and detecting morphometrically characteristics to identify the hydrological behaviors of watersheds and designing management strategies are very important. The aim of present study is to prioritize the flooding of the basin by distributional method and provide a method for determining the flood generating areas in the Tangrah watershed. To this end, the inputs of the rainfall-runoff model were extracted and then the model was calibrated and validated. For this purpose, the inputs of the rainfall-runoff model were extracted and then modclark model calibrated and validated. In the next step, in order to determine the flooding of homogeneous units and sub-basins with unit flood response method, sequential removal and replacement of these units and simulation of flood hydrographs for designed rainfall were carried out at the Golestan National Park's rain gauge station. Then the effect of each homogeneous unit and sub-basin on the total output hydrograph in the watershed was calculated. Finally, for a flood with a return period of 50 years and 100 years for non-statistical watersheds, a correlated multivariable correlation between morphometric parameters and flood index was presented. The results of the potential runoff production map with the return period of 50 and 100 years showed that the runoff production potential was upward downstream of the basin, and the homogeneous unit 116 was recognized as the most effective unit in the high runoff potential, which is due to more rainfall as well as The steep slope and high (CN) in this homogeneous unit, the runoff production potential is nearer the outlet of the basin than the upstream areas. The results of this study showed that by integrating the GIS and hydrologic models, we can investigate the interaction of physiographic and climatic factors on the spill potential of watersheds. Considering the peak synchronization and the flood roughing role in the rivers, prioritized sub-areas as desired

منابع و مأخذ:

الوانکار، س. ر.، ثقفیان، ب. و صدقی، ح. 1385. بررسی تأثیر توان تفکیک مکانی یک مدل هیدرولوژیک در شبیه‌سازی دبی اوج سیل. مجله علمی-پژوهشی علوم کشاورزی، 12 (2): 345-329.

بدری، ب.، زارع‌بیدکی، ر.، هنر‌بخش، ا. و آتشخوار، ف. 1395. اولویت‌بندی زیر حوزه‌های آبخیز بهشت آباد از نظر پتانسیل سیل‌خیزی. پژوهش‌های جغرافیای طبیعی، 48 (1): 158-143.

چیداز، آ.، محسنی ساروی، م. و وفاخواه، م. 1388. ارزیابی مدل HEC-HMS به‌منظور برآورد آبنمود سیلاب در حوزه آبخیز کسیلیان. مجله پژوهش‌های آبخیزداری (پژوهش و سازندگی)، 22 (3): 71-59.

رحمتی، ا. طهماسبی‌پور، ن. و پورقاسمی، ح. ر. 1394. اولویت‌بندی سیل‌خیزی زیرحوزه‌های آبخیز استان گلستان بر اساس آنالیز مورفومتریک و همبستگی آماری. مجله علمی-پژوهشی اکوهیدرولوژی، 2 (2): 161-151.

رضایی، م.، وفاخواه، م. و قرمزچشمه، ب. 1395. تغییرپذیری مکانی سیل­خیزی با استفاده از روش عکس‌العمل سیل واحد در حوزه آبخیز خانمیرزا. نشریه علمی-پژوهشی مهندسی و مدیریت آبخیز، 8 (1): 150-139.

سلیمانی‌ساردو، ک.، بشیرگنبد، م.، موسوی، س.ر. و خلیقی، ش. 1387. پتانسیل تولید سیل در حوزه­های آبخیز با استفاده از مدل HEC-HMS در محیط سامانه اطلاعات جغرافیایی (مطالعه موردی: حوضه معرف کسیلیان). پژوهش­های جغرافیای طبیعی، (65): 60-51.

علیزاده، ا. 1390 . اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا، 912 ص.

قنواتی، ع. ا.، صفاری، ا.، بهشتی­جاوید، ا. و منصوریان، ا. 1393. پهنه­بندی پتانسیل سیل­خیزی با استفاده از تلفیق مدل هیدرولوژیکی CN و AHP در محیط GIS، مطالعه موردی: حوضه رودخانه بالخلو. فصل­نامه جغرافیای طبیعی، 7 (25): 80-67.

موغلی، مرضیه. 1394. اولویت‌بندی سیل‌خیزی واحدهای ‌آب‌شناسی حوزه آبخیز دالکی با استفاده از شبیه‌سازی HEC-HMS، پژوهش­های ژئوموفولوژی کمی، 3 (4): 103-90.

Bakhtyarikia, M., Pirasteh, S., Pradhan, B., Mahmud, A. R. Sulaiman, W. N. A. and Moradi, A. 2012. An Artificial Neural Network Model for Flood Simulation Using GIS: Johor River Basin, Malaysia. Environmental Earth Sciences, 67 (1): 251-264. doi:10.1007/s12665-011-1504-z.

Foody, G. M., Ghoneim, E. M. and Arnell, N. W. 2004. Predicting Locations Sensitive to Flash Flooding in an Arid Environment. Journal of Hydrology, 292(1-4): 48-58. doi: 10.1016/j.jhydrol.2003.12.045.

Ghavidelfar, S., Alvankar, S. R. and Razmkhah,  A. 2011. Comparison of the Lumped and Quasi-distributed Clark Runoff Models in Simulating Flood Hydrographs on a Semi-arid Watershed. Water Resources Management, 25(6): 1775-1790. doi 10.1007/s11269-011-9774-5.

Jiang, Y., Liu, Ch., Li, X., Liu, L. and Wang, H. 2015. Rainfall-runoff modeling, parameter estimation and sensitivity analysis in a semiarid catchment. Environmental Modelling and Software, 67: 72-88.

Jongman, B., Hochrainer-Stigler, S., Feyen, L., Aerts, J. C., Mechler, R., Botzen, W.W., Bouwer, L. M., Pflug, G., Rojas, R. and Ward, P.J. 2014. Increasing stress on disaster-risk finance due to large floods. Nat. Clim. Change, 4 (4): 264–268.

Kull, D.W. and Feldman, A. D. 1998. Evaluation of Clark’s unit graph method to spatially distributed runoff. Journal of Hydrologic Engineering, ASCE, 3(1): 9-19.

Li, T.and Gao, Y. 2016. Runoff and Sediment Yield Variations in Response to Precipitation Changes, Water, 7, 5638-5656. نام کامل مجله

Linde, A. H., Aerts, J. C. J. H., Hurkmans, R. T. W. L. and Eberle, M. 2008. Comparing Model Performance of two Rainfall-Runoff Models in the Rhine Basin Using Different Atmospheric Forcing Data Sets, Hydrology and Earth System Sciences, 12: 943-957.

Paudel, M., Nelson, E. J. and Scharffenberg, W. 2009. Comparision of Lumped and quasi-distributed Clark Runoff Models using the SCS Curve Number Equation, Journal of Hydrology Engineering, ASCE, 34(3): 1098-1106. Doi: 10.1061/ASCE_HE.1943-5584.0000100.

Pilgrim, D. H. and Cordery, I.1975. Rainfall Temporal patterns for design floods. Journal of the Hydraulics Division, 101(1): 81-95.

Saghafian, B., Julien, P. Y. and Rajaie, H. 2002. Runoff hydrograph simulation based on Time Variable Isochrones Technique, Journal of Hydrology, 261: 193-203.

Saghafian, B. and Khosroshahi, M. 2005. Unit response approach for priority determination of flood source areas. Journal of Hydrology Engineering, ASCE, 10(4): 270-277, doi: 10.1061/(ASCE)1084-0699.

Saghafian, B., Ghermezcheshmeh, B. and Kheirkhah, M. M. 2010. Iso-Flood severity mapping: a New Tools for Distributed Flood Source Identification. Natural Hazards, 55(2): 557-570. doi: 10.1007/s11069-010-9547-0.

Saghafian, B., S. Noroozpour, M. Kiani, and A. Rafiee Nasab. A. 2016. coupled Modclark-curve number rainfall-runon-runoff model. Arabian Journal of Geosciences,  9 (4) (2016): 277, 2-13,  DOI 10.1007/s12517-015-2295-4.

Shabanlou, S. and Rajabi, A. 2012. Comparison of Estimated Flood Hydrographs using Lumped and distributed models, Journal of Environmental Research and Development, 7(1): 79-87.

Shabanlou, S. 2014. Calculation of flood hydrograph for Karun Basin by different methods. Agricultural Communications, 2(2): 54-61.

Shafapour-Tehrany, M., Pradhan, B. and Jebur, M. N. 2013 Spatial prediction of flood susceptible areas using rule based decision Tree (DT) and a Novel Ensemble Bivariate and multivariate statistical models in GIS. Journal of Hydrology, 504: 69-79. https:// doi.org/ 10.1016\j. jhydrol. 2013. 09.034.

Szilagyi, J., Balinet, G., Gouzer, B. and Bartha, P. 2005. Flow routing with unknown rating curves using a state-space reservoir-cascade-type formulation. Journal of Hydrology, 311: 219-229.

Viessman, W., Harbaugh, T. E. and Knapp, J. W. 1972. Introduction to hydrology. Index Educational, 415 pages.

Vittala, S. S., Govindaiah, S. and Gowda, H. H. 2008. Prioritization of sub-watersheds for sustainable development and management of natural resources: an integrated approach using remote sensing, GIS and socio-economic data. Current Science, 95 (3): 345-354.

Wanielista, M. P. 1990. Hydrology and water quantity control, John Wiley & Sons, Inc, 565p.

Young, Ch. Ch., Liu, W. Ch. and Wu, M. Ch. 2017. A physically based and machine learning hybrid approach for accurate rainfall-runoff modeling during extreme typhoon events. Applied Soft Computing, 53: 205-216