ارزیابی کارایی مدل بارش-رواناب GR4J در شبیه‌سازی دبی روزانه جریان در حوزه آبخیز نیرچای اردبیل

نویسندگان

1 گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعیدانشگاه محقق اردبیلی

2 گروه مرتع و آبخیزداری، دانشگاه یزد

10.22125/iwe.2021.128114

چکیده

با توجه به لزوم برآورد دقیق مقادیر دبی‌های روزانه در آبخیزهای فاقد آمار و پیش‌بینی رفتارهیدرولوژیک آبخیزها، بر اهمیت آزمون مدل‌های بارش-رواناب تاکید می‌کند. مدل GR4J مدل بارش-رواناب یکپارچه بوده که با ورودی‌های محدود و سهل‌الوصول نتایج قابل قبولی را ارائه می‌کند. در پژوهش حاضر به بررسی کارایی مدل GR4J در شبیه‌سازی دبی روزانه جریان در حوزه آبخیز نیرچای اردبیل پرداخته شد. از داده‌های روزانه بارش، تبخیر و تعرق و دبی در فاصله سال‌های 1391-1381 استفاده گردید. پس از به‌دست آوردن پارامترهای مدل، مدل با روش سعی و خطا مورد واسنجی قرار گرفت و سپس با داده‌هایی متفاوت اعتبارسنجی شد. نتایج شبیه‌سازی نشان داد که، علی‌رغم بیش تخمینی مقادیر شبیه‌سازی شده مدل در مرحله اعتبارسنحی، شبیه‌سازی مدل در روند تغییرات جریان و نیز دوره‌های جریان کمینه مناسب بوده است. ارزیابی نتایج مدل با معیار نش-ساتکلیف نشان داد که دامنه تغییر مقادیر این شاخص در سال‌های مختلف بین 77/0-31/0 می‌باشد. ارزیابی نتایج نشان داد که، نتایج شبیه‌سازی و برآورد شده دبی به‌وسیله مدل GR4J در حد متوسط و قابل قبولی می‌باشد و مدل مذکور می‌تواند برای حوزه‌هایی مشابه از نظر اقلیمی، فیزیوگرافی و کاربری اراضی مورد استفاده قرار گیرد. وجود اختلاف ارتفاعی ایستگاه ثبت داده‌های اقلیمی با مرکز ثقل حوزه و تفاوت مقادیر ورودی به مدل با مقادیر واقعی موثر بر دبی می‌تواند منشاء بروز خطا در نتایج باشد. علی‌رغم آزمون مدل در آبخیزهای متعدد، بنظر می‌رسد که مساحت و واکنش هیدرولوژیک آبخیز بر شبیه‌سازی مدل (مقیاس زمانی روزانه است) موثر باشد. لذا رفتار جریان مشاهداتی آبخیز نیرچای با واکنش سریع ناشی از شیب و مساحت کم، در مدل بارش-رواناب به‌طور مناسب شبیه‌سازی نشده است.

کلیدواژه‌ها


عنوان مقاله [English]

Performance assessment of GR4J rainfall-runoff model in daily flow simulation of Nirchai Watershed, Ardabil province

نویسندگان [English]

  • Raoof Mostafazadeh 1
  • Ebrahim Asgari 2
1 Department of Natural Resources, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili
2 Yazd University
چکیده [English]

The necessity of precise estimation of daily discharge values and prediction of hydrological response ​​in ungagged watersheds highlights the importance of rainfall-runoff model applications. The GR4J model is an integrated rainfall-runoff model that produces reasonable results with limited input and easy accessible data. In this study, the performance of GR4J model was assessed in simulating daily flow of the Nirchai watershed, Ardabil province. Daily precipitation, evapotranspiration, and discharge data were used during the period of 2002-2012 years. After obtaining the input model parameters, the model was calibrated using trial and error process and consequently validated against different available data set. The simulation results showed that despite the over-estimation of the simulated values in validation stage, the simulation was consistent with flow variations well as predict the low flow periods in an acceptable manner. The evaluation of the results based on Nash-Sutcliffe criteria showed that the range of model accuracy varies from between 0.31-0.77 in different years. The evaluation of the results showed that the GR4J model with moderate and acceptable results can be used for daily flow simulation in similar watershed in terms of climate, physiographic and land use. The difference in elevation of the recording climatic station with the real state watershed condition may affect the accuracy of the modelling results. Despite testing the GR4J model in numerous watersheds, it seems that the area and hydrological response of the watershed are effective factors on modelling results (with daily time scale). Therefore, the fast-hydrologic response of the Nirchai watershed due to high slope amount and small area may not properly reflected in the rainfall-runoff model simulation

کلیدواژه‌ها [English]

  • GR4J Model
  • Calibration
  • Validation
  • Flow modelling
  • Rainfall-Runoff model
  • Nirchai Watershed
جباری، آ. 1395. ارزیابی مدل‌های مختلف هیدرولوژیکی و انتخاب مدل برتر در راستای ارائه سناریوهای مختلف الگوی کشت، رساله دکتری مهندسی آب، دانشگاه ارومیه.
خیرفام، ح.، ر. مصطفی‌زاده و س.ح.ر. صادقی. 1392. تخمین دبی روزانه با استفاده از مدل IHACRES در برخی از حوزه‌های آبخیز استان گلستان. پژوهشنامه مدیریت حوزه آبخیز، جلد 4، شماره 7، ص 127-114.
ذاکر، م.، ر. آقایاری‌سامیان، ی. مهدی‌زاده و ع. لطیفی. 1392. تحلیلی بر توان محیطی حوضه آبریز آغلاغان‌چای نیر با تاکیر بر اکوتوریسم منطقه. اولین همایش ملی گردشگری، جغرافیا و محیط زیست پایدار، 30 آبان 1392، دانشکده شهید مفتح، همدان، 12-1.
رضایی، ع. 1383. مدل‌سازی منطقه‌ای دبی‌های اوج زیرحوزه‌های آبخیز سد سفیدرود با استفاده از شبکه عصبی مصنوعی، رساله دکتری آبخیزداری، دانشکده منابع طبیعی کرج، دانشگاه تهران، تعداد صفحات 141.
روحانی، ح. و م. فراهی‌مقدم. 1392. واسنجی خودکار دو مدل بارش-رواناب تانک و SIMHYD با استفاده از الگوریتم ژنتیک. نشریه مرتع و آبخیزداری (منابع طبیعی ایران)، جلد 66، شماره 4، ص 533-521.
زارعی، م.، م.ر. قنبرپور، م. حبیب‌نژادروشن و ک. شاهدی. 1388. شبیه‌سازی جریان رودخانه با استفاده از مدل بارش-روانابIHACRES  مطالعه موردی حوزه آبخیز کسیلیان. مجله علوم و مهندسی آبخیزداری ایران، شماره 8، ص 20-11.
زندی‌دره‌غریبی، ف. 1394. مقایسه عملکرد سه مدل IHACRES، GR4J و GR2M در شبیه‌سازی جریان ماهانه (مطالعه موردی حوضه آبخیز دره‌تخت)، پایان‌نامه کارشناسی‌ارشد آبخیزداری، دانشگاه صنعتی خاتم‌الانبیا (ص) بهبهان.
زندی‌دره‌غریبی، ف.، ز. خورسندی‌کوهانستانی، م. مزین و ن. آرمان. 1395. گزارش فنی بررسی کارایی مدل‌های بارش-رواناب GR4J و GR2M  در شبیه‌سازی جریان حوزه آبخیز دره‌تخت. مجله مهندسی و مدیریت آبخیز، جلد ۹، شماره 3، ص 370-360.
میرزایی، ع.ا. و ر. حسن‌نیا. 1391. مقایسه‌ی روش‌های برنامه‌ریزی ژنتیک و شبکه عصبی در پیش‌بینی جریان رودخانه (مطالعه موردی حوضه رودخانه صوفی‌چای)، نهمین کنگره بین المللی مهندسی عمران، اردیبهشت 1391، 8-1.
نام‌درست، ج. 1381. شبیه‌سازی اثر پارامترهای هیدرولوژیکی بر روی رواناب خروجی در برخی حوزه‌های آبخیز ایران، پایان‌نامه کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی دانشگاه تربیت مدرس، تعداد صفحات 146.
Ague, A.I., A. Afouda and F. Lanhoussi. 2014. Etude comoarative dun modele conceptual global (GR4J) et dun modele semi-distribue (GEOSFM) sur le basin versant de loueme a save (Benin, Afrique de louest). Revue Scientifique et Technique, 24-25: 1-8.
Amiar, S., A. Bouanani and K. BabaHamed. 2015. Modélisation pluie-débit: Calage et validation des modèles hydrologiques GR1A, GR2M et GR4J sur le bassin d’oued Touil (Cheliff amont de Boughzoul, Algérie). Conférence Internationale FRIEND/UNESCO/Programme Hydrologique International sur l’Hydrologie des Grands Bassins Africains Hammamet, Tunisie 26-30 octobre 2015, 1-10.
Ayele, G.T., E.Z. Teshale, B. Yu, I.D. Rutherfurd and J. Jeong. 2017. Streamflow and sediment yield prediction for watershed prioritization in the upper Blue Nile River basin, Ethiopia. Water, 9(782): 1-29.
Boskidis, I., G. Gikas, G. Sylaios and V. Tsihruntzis. 2012. Hydrologic and water quality modeling of lower Nestos River basin. Water Resource Management. 26: 3023-3051.
Croke, B.F., F. Andrews, A.J. Jakeman, S.M. Cuddy and A. Luddy. 2006. IHACRES classic plus: A redesign of the IHACRES rainfall-runoff model. Environmental Modelling & Software, 21(3): 426-427.
Dawson, C.W., R.J. Abrahart and L.M. See. 2005. HydroTest: A web-based toolbox of evaluation metrics for the standardised assessment of hydrological forecasts. Loughborough’s Institutional Repository, 1-69.
Demirel, M.C., M.J. Booij and A.Y. Hoekstra. 2015. The skill of seasonal ensemble low-flow forecasts in the Moselle River for three different hydrological models. Hydrology and Earth System Science, 19: 275-291.
Domı´nguez, E., C.W. Dawson, A. Ramı´rez and R.J. Abrahart. 2011. The search for orthogonal hydrological modelling metrics: a case study of 20 monitoring stations in Colombia. Journal of Hydroinformatics, 13(3):429-442.
Edijatno, M.C. and C. Michel. 1989. Un modele pluie-debit Journalier a trois Parameters. La Houille Blanche 2: 113-121.
Edijatno, M.C., N.O. Nascimento, X. Yang, Z. Makhlouf and C. Michel. 1999. GR3J: A daily watershed model with three free parameters. Hydrological Sciences Journal, 44(2): 263-277.
Guinot, V., M. Savéan, H. Jourde and L. Neppel. 2015. Conceptual rainfall-runoff model with a two-parameter, infinite characteristic time transfer function. Hydrological Processes, 29(22): 4756-4778.
Harlan, D., M. Wangsadipura and C.M. Munajat. 2010. Rainfall-runoff modeling of Citarum Hulu river basin by using GR4J. Proceedings of the World Congress on Engineering, 2(1-5): 1607-1611.
Hernandez, D.C., G.D. Ramírez, M.R. González, R.T. Caciano and G.E. Avalos. 2013. Ajuste validaciondel modelohidrologico GR2M en la cuencaaltadelrionazas. Agrofaz, 13: 81-89.
Hughes, J.D., R.P. Silberstein and A.H. Grigg. 2013. Extending rainfall-runoff models for use in environments with long-term catchment storage and forest cover changes. In MODSIM2013, 20th International Congress on Modelling and Simulation, Adelaide, Australia, 1-6 Dec. 2013, 2471-2477.
Janssen, P.H.M. and P.S.C. Heuberger. 1995. Calibration of process-oriented models. Ecological modelling, 83(1-2): 55-66.
Kim, S.S.H., D. Dutta, R. Singh, J. Chen and W.D. Welsh. 2011. Providing flexibility in GUI-based river modelling software: Using Expression Editors and plug-ins to create Custom Functions in Source IMS. 19th International Congress on Modelling and Simulation, Perth, Australia, 12–16 Dec. 2011, 2345-2351.
Legates, D.R. and G.J. McCabe. 1999. Evaluating the use of goodness-of-fit measures in hydrologic and hydroclimatic model validation. Water Resources Research, 35: 233-241.
McCuen, R.H., Z. Knight and A.G. Cutter. 2006. Evaluation of the Nash-Sutcliffe Efficiency Index. Journal of Hydrologic Engineering, 11: 597-602.
Moriasi, D.N., J.G. Arnold, M.W. Van Liew, R.L. Bingner, R.D. Harmel and T.L. Veith. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, 50: 885-900.
Mostafazadeh, R., A, Sadoddin., A, Bahremand., V.B Sheikh., A, ZareGarizi. 2017. Scenario analysis of flood control structures using a multi-criteria decision making technique in Northeast Iran. Natural Hazards      , 87(3): 1827-1846.
Mouelhi, S., Kh. Madani and F. Lebdi. 2013. Structural overview through GR(s) models characteristics for better yearly runoff simulation. Open Journal of Modern Hydrology, 3: 179-187.
Nash, J.E. and J.V. Sutcliffe. 1970. River flow forecasting through conceptual models part I- A discussion of principles. Journal of Hydrology, 10(3): 282-290.
Nepal, S., J. Chen, D.J. Penton, L.E. Neumann, H. Zheng and Sh. Wahid. 2017. Spatial GR4J conceptualization of the Tamor glaciated alpine catchment in Eastern Nepal: Evaluation of GR4JSG against streamflow and MODIS snow extent. Hydrological Processes, 31: 51-68.
Oudin, L., V. Andre´assian, Th. Mathevet, Ch. Perrin and C. Michel. 2006. Dynamic averaging of rainfall-runoff model simulations from complementary model parameterizations. Water Resources Research, 42: 1-10.
Paik, K., J.H. Kim, H.S. Kim and D.R. Lee. 2005. A conceptual rainfall-runoff model considering seasonal variation. Hydrological Processes, 19(19): 3837-3850.
Perrin Ch., C. Michel and V. Andréassian. 2007. Modèles hydrologiques du Génie Rural (GR) [Hydrologic models of rural engineering]. Cemagref, UR Hydrosystèmes et Bioprocédés Parc de Tourvoie, 1-16.
Perrin, Ch. 2002. Vers une amelioration d'un modele global pluie-debit au travers dune approche comparative. La Houille Blanche, 6-7: 84-91.
Perrin, Ch., V. Andréassian, C. Michel and L. Oudin. 2005. GR4J: A parsimonious model for rainfall-runoff Simulations. Geophysical Research Abstracts, 6: 1-2.
Perrin, Ch. And I.G. Littlewood. 2000. A comparative assessment of two rainfall-runoff modelling approaches: GR4J and IHACRES. In: Elias, V., Littlewood, I.G. (Eds.). Proceedings of the Liblice Conference (22-24 September 1998). IHP-V, Technical Documents in Hydrology No. 37 UNESCO, Paris, 191-201.
Perrin, Ch., C. Michel and V. Andréassian. 2003. Improvement of a parsimonious model for streamflow simulation. Journal of Hydrology, 279(1-4): 275-289.
Perrin, Ch., C. Michel and V. Andre´assian. 2001. Does a large number of parameters enhance model performance? Comparative assessment of common catchment model structures on 429 catchments. Journal of Hydrology, 242: 275-301.
Rinsema, J.G. 2014. Comparison of rainfall-runoff models for the Florentine Catchment. University of Tasmania, 1-54.
Rodgers, J.L. and W.A. Nicewander. 1988. Thirteen ways to look at the correlation coefficient. The American Statistician, 42(1): 59-66.
Ruelland, D., V. Larrat and V. Guinot. 2010. A comparison of two conceptual models for the simulation of hydro-climatic variability over 50 years in a large Sudano Sahelian catchment. Global Change: Facing Risks and Threats to Water Resources (proceedings of the 6th World FRIEND Conference. Fez, Morocco, Oct. 2010), 668-678.
Stoter, J.E. and S. Zlatanova. 2003. Visualising and editing of 3D objects organised in a DBMS. EUROSDR Workshop: Rendering and visualisation. Enschede, the Netherlands.
Traore, Vb., S. Sambou, S. Tamba, S. Fall, At. Diaw and Mt. Cisse. 2014. Calibrating the rainfall-runoff model GR4J and GR2M on the Koulountou river basin, a tributary of the Gambia River. American Journal of Environmental Potection, 3: 36-44.
Ytoui, Y. 2014. Rainfall-runoff modeling at monthly and daily scales using conceptual models and Neuro-fuzzy inference system. 2nd International Conference-Water Resources and Wetlands. 11-13 September 2014, Tulcea (Romania), 263-270.
Zhang, X., D. Waters and R. Ellis, 2013. Evaluation of Simhyd, Sacramento and GR4J rainfall-runoff models in two contrasting Great Barrier Reef catchments. 20th International Congress on Modelling and Simulation, Adelaide, Australia, 1-6 Dec. 2013, 3260-3266.