Evaluation of Conceptual Hydrological Model (HBV) Parameters for Predicting Shahid Rajaei Dam Basin Flow by Monte Carlo Method

Document Type : Original Article

Authors

1 M.Sc. graduated in Irrigation and Drainage, Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

2 Assistant Professor in Agrometeorology, Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.

3 Associate professor, Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.

Abstract

Water management in water basins requires information of some facts and full acquaintance of basin conditions, which is problematic due to the deficiency of data collection stations in the country. One of the most suitable methods for flow simulation is the use of hydrological models. In this study, in order to simulate runoff caused by precipitation and to investigate the apparatus of runoff formation and outflow at the outlet of Shahid Rajaei Dam basin located in Sari, the HBV-Light model was used. The purpose of evaluating the stochastic method is to estimate the model parameters and reduce the uncertainty. The length of the daily statistical period was the variables of temperature, precipitation, runoff and evaporation from 1981 to 2015. The Monte Carlo random method was used to estimate the appropriate parameters for the study area. For a consistent assortment, the values of the parameters with a relatively good coefficient of determination were used in the validation section. Finally, the results show the good aptitude of the model in simulating runoff in the study basin. The values of coefficient of determination 0.87, Nash coefficient (NS) equal to 0.66 in the range of good evaluation and RMSE equal to 0.26 in the validation period indicate this issue. In the analysis of uncertainty caused by model parameters, K1, K2 and UZL parameters were identified as the most sensitive in the model reaction subroutine. Therefore, the results showed the importance of accurate determination of water and soil parameters affecting subsurface runoff.

Keywords

Main Subjects

References

ابراهیمیان، ص.، قادری، ج. (1393). ارزیابی و واسنجی مدل WMS/HEC-HMS در حوضه آبریز سد مهاباد. مهندسی آبیاری و آب ایران، 4(4)‌، 70-80.
احمدی‌زاده، م.، معروفی، ص. (1398). تخمین عدم قطعیت در واسنجی فرآیند بارش–رواناب روزانه با استفاده از تابع تشابه تعمیم‌یافته در مدل HBV. علوم و مهندسی آبیاری. Doi: 10.22055/jise.2018.14179.1106
آشفته، س.‌، و مساح بوانی.، ع. (1388). تأثیر عدم قطعیت تغییر اقلیم بر رژیم سیلاب مطالعه موردی حوضه آیدوغموش، آذربایجان شرقی. تحقیقات منابع آب ایران، 5(2)‌، 27-39.
حیدری، م.، خزایی، م.ر.‌، اختری، ع. (1396). اثر تغییر اقلیم بر متغیرهای اقلیمی و رواناب حوضه توسط مدل HBV تحت سناریوهای مدل BCM2.  مهندسی آبیاری و آب ایران، 8(2)‌، 129-139.
خیرفام، ح.، مصطفی زاده، ر. و صادقی، س. ح. ر. (1392). تخمین دبی روزانه با استفاده از مدل IHACRES در برخی از حوزه‌های آبخیز استان گلستان. پژوهشنامه مدیریت حوزه آبخیز. 4(7)، 114-127.‎
سروش، ف.، و ریاحی مدوار، ح. (1398). تحلیل عدم قطعیت پارامترهای نفوذ مدل شبیه‌سازی آبیاری جویچه‌ای WinSRFR با روش مونت‌کارلو. تحقیقات آب و خاک ایران (علوم کشاورزی ایران). 50(4)، 991-1007.
سلامی، امیر بهداد. (1382). مروری بر روش شبیه‌سازی مونت‌کارلو. پژوهشنامه اقتصادی، 3(8)‌، 117-138.
علیپور نصیرمحله. ف.، ح. رضایی.، م. منتظری. 1395. ارزیابی عملکرد و آنالیز حساسیت مدل مفهومی بارش رواناب (HBV) مطالعه موردی: حوضه آبریز نازلوچای، ارومیه، چهارمین کنفرانس ملی پژوهشهای کاربردی در مهندسی عمران، معماری و مدیریت شهری. تهران.
کاووسی، م. و خزیمه نژاد، ح. (1400). بررسی و مقایسه عملکرد 4 روش مدل‌سازی LS-SVM،NN، GEP و NFIS-PSO در شبیه‌سازی بارش – رواناب (منطقه مورد مطالعه: هلیل رود-سد جیرفت). مهندسی آبیاری و آب ایران، 11(3)‌، 96-110. Doi: 10.22125/iwe.2021.128115
مصطفی‌زاده ر.، بهره‌مند ع. (۱۳۸۸) شبیه‌سازی هیدروگراف جریان با استفاده از مدل مخزن خطی ناش در آبخیز جعفرآباد استان گلستان. علوم و مهندسی آبخیزداری ایران. ۳ (۶) :۱۶-۹.
مصطفی‌زاده، ر.، عسگری، ا. (1400). ارزیابی کارایی مدل بارش-رواناب GR4J در شبیه‌سازی دبی روزانه جریان در حوزه آبخیز نیرچای اردبیل. مهندسی آبیاری و آب ایران، 11(3)‌، 79-95. Doi: 10.22125/iwe.2021.128114
نیکخو امیری، ص.، خوش روش، م. و نوروز ولاشدی، ر. (1398). شبیه‌سازی سری زمانی جریان در محل خروجی سد شهید رجایی با استفاده از مدل SWAT. مهندسی آبیاری و آب ایران، 10(1)‌، 66-80. Doi: 10.22125/iwe.2019.95875
یعقوبی، م.، و مساح بوانی، ع. (1393). تحلیل حساسیت و مقایسه عملکرد سه مدل مفهومی IHARCES,HBV و HEC-HMS در شبیه‌سازی بارش-رواناب پیوسته در حوضه‌های نیمه خشک (بررسی موردی: حوضه اعظم هرات-یزد). فیزیک زمین و فضا، 40(2)، 153-171.
Abbaspour, K.C., Faramarzi, M., Ghasemi, S.S., and Yang, H. (2008). Assessing the impact ofclimate change on water resources in Iran. Water Resources Research. 45: 1-16.
Bhattarai, S., Zhou, Y., Shakya, N. M., and Zhao, C. (2018). Hydrological modelling and climate change impact assessment using HBV light model: a case study of Narayani River Basin, Nepal. Nature Environment and Pollution Technology, 17(3), 691-702.
Knoben, W. J., Freer, J. E., and Woods, R. A. (2019). Inherent benchmark or not? Comparing Nash–Sutcliffe and Kling–Gupta efficiency scores. Hydrology and Earth System Sciences, 23(10), 4323-4331.
Kult, J. M., Fry, L. M., Gronewold, A. D., and Choi, W. (2014). Regionalization of hydrologic response in the Great Lakes basin: Considerations of temporal scales of analysis. Journal of Hydrology, 519, 2224-2237.
Lupakov, S. Y., Bugaets, A. N., and Shamov, V. V. (2021). Application of Different Structures of HBV Model to Studying Runoff Formation Processes: Case Study of Experimental Catchments. Water Resources, 48(4), 512-520.
Mallery, M., and George, D. (2003). Using SPSS for Windows Step by Step: A Simple Guide and Reference. Revista Cubana de Farmacia, 51.
Masih, I., Uhlenbrook, S., Maskey, S., and Ahmad, M. D. (2010). Regionalization of a conceptual rainfall–runoff model based on similarity of the flow duration curve: A case study from the semi-arid Karkheh basin, Iran. Journal of hydrology, 391(1-2), 188-201.
Moneim, I. A., Al-Ahmed, M., & Mosa, G. A. (2009). Stochastic and Monte Carlo simulation for the spread of thehepatitis B. Australian Journal of Basic and Applied Sciences, 3(3), 1607-1615.
Niroumandfar, F., Zaherinia, M., and Yazarloo, B. (2018). Investigating the effect of climate change on river flow using HBV-light rainfall-runoff model; Case study MohammadAbad watershed, Golestan. Irrigation and Water Engineering, 7(4), 152-163.
Nonki, R. M., Lenouo, A., Tshimanga, R. M., Donfack, F. C., and Tchawoua, C. (2021). Performance assessment and uncertainty prediction of a daily time-step HBV-Light rainfall-runoff model for the Upper Benue River Basin, Northern Cameroon. Journal of Hydrology: Regional Studies, 36, 100849.
Rusli, S. R., Yudianto, D., and Liu, J. T. (2015). Effects of temporal variability on HBV model calibration. Water Science and Engineering, 8(4), 291-300.
Seibert, J. (1996). HBV light. User’s manual, Uppsala University, Institute of Earth Science, Department of Hydrology, Uppsala.
Seibert, J. (1997). Estimation of Parameter Uncertainty in the HBV Model: Paper presented at the Nordic Hydrological Conference (Akureyri, Iceland-August 1996). Hydrology Research, 28(4-5), 247-262.
Seibert, J., & Vis, M. J. (2012). Teaching hydrological modeling with a user-friendly catchment-runoff-model software package. Hydrology and Earth System Sciences, 16(9), 3315-3325.
Shiwakoti, S. (2017). Hydrological modeling and climate change impact assessment using HBV light model: a case study of Karnali River basin. Iranian (Iranica) Journal of Energy and Environment, 8(4), 296-304.
Steele-Dunne, S., Lynch, P., McGrath, R., Semmler, T., Wang, S., Hanafin, J., and Nolan, P. (2008). The impacts of climate change on hydrology in Ireland. Journal of hydrology, 356(1-2), 28-45.
Stefnisdóttir, S., Sikorska-Senoner, A. E., Ásgeirsson, E. I., and Finger, D. C. (2021). Improving the Pareto Frontier in multi-dataset calibration of hydrological models using metaheuristics. Hydrology and Earth System Sciences Discussions, 1-30
Irrigation and Water Engineering
Volume 14, Issue 1 - Serial Number 53
September 2023
Pages 118-131

Files

Share

How to cite

Statistics