Efficiency of Different Data Separation Methods to Increase the Accuracy of Sediment Rating Curve; Case Study A Part of the Sefidrood Watershed

Authors

Abstract

Due to the low number of hydrometry stations in Iran and the lack of continuity of sediment smapling and measuring in many existing stations, on one hand the exact amount of sediment load in many rivers in the country is not available and because of differences in climatic, hydrological and topographical conditions in the country, on the other hand, the preparation and calibration of sediment rating curves for different regions, is unavoidable. The current study was therefore carried out for preparing and improving the accuracy of the suspended sediment rating curve in hydrometry stations located on Telvar and Cham Shor Rivers in a part of the Sefidrood Watershed in Kurdistan Province. To achive the study purpose, sediment rating equation was used as a base equation and then the data were separated using effective factors on sediment transport including hydrological and climatic factors. The models were then extracted from the data series and finally 12 statistic indicators were applied to select the optimal models. The results showed that the M6-9 model (based on separated data considering high/low flows and hydroclimatic seasons) in Hasan Khan and Shadi Abad Stations and the M9-4 model (based on separated data considering hydroclimatic seasons and classified flows) in Dehgolan Station were selected as the best models. The suspend sediment loads based on total and optimal models were estimated by an average 73.32 and 34.20% lower than observed values in three studied stations. Referring to the results, the data set separation for different conditions of precipitation and flow leads to data homogeneity to the extent required to preparing sediment rating curve with a higher accuracy. Results also confirmed that the natural delays in rainfall and flow conditions with the complexity of temperature and vegetation, causes the data separated into hydroclimatic seasons may be more effective than those separated into the main seasons on increasing the accuracy of sediment rating curves.

Keywords

References

 
1. بردستانی، ص.، غ. ح. اکبری و م. گیوه‌چی. 1389. مقایسه روش شبکه عصبی مصنوعی و روش منحنی سنجه رسوب جهت برآورد بار رسوب رودخانه شاپور، مجموعه مقالات ششمین همایش ملّی علوم و مهندسی آبخیزداری و چهارمین همایش ملّی فرسایش و رسوب،8-1.
2. پیری، ع. ا.، م. حبیب‌نژاد، ض. احمدی، ک. سلیمانی و ا. مساعدی. 1384. بهینه‌سازی رابطه دبی آب و رسوب در حوزه معرف امامه،. پژوهشنامه علوم کشاورزی و منابع طبیعی خزر، 3(3): 40-30.
3. حکیم‌خانی، ش و م. عرب‌خدری. 1385. تحلیل رگرسیونی بین رسوب معلق و ویژگی‌های هیدروژئومورفولوژیک حوضه دریاچه ارومیه. مجله علوم کشاورزی ایران، 37(2):231 -223.
4. حیدرنژاد، م.، ح. گلمایی، ا. مساعدی و م. ضیاء‌تبار احمدی. 1383. ارائه مدل بهینه برآورد رسوب و حجم رسوب‌گذاری در دو سد مخزنی ایران (مطالعه موردی: سدهای کرج و دز). پایان‌نامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری. 39  ص.
5. دهقانی، ا. ا.، م. ا. زنگانه، ا. مساعدی و ن. کوهستانی. 1388. مقایسه تخمین بار معلق به دو روش منحنی سنجه رسوب و شبکه عصبی مصنوعی (مطالعه موردی رودخانه دوغ استان گلستان) مجله علوم کشاورزی و منابع طبیعی گرگان(16)1: 12-1
6. ذرتی‌پور، ا.، م. مهدوی، ش. خلیقی سیگارودی، ع. سلاجقه و ن. شمس‌المعالیف . 1387. بررسی تاثیر طبقه‌بندی رسوب بر بهبود روش‌های هیدرولوژیکی برآورد بار معلق رودخانه‌ها مطالعه موردی حوزه آبخیز طالقان. نشریه دانشکده منابع طبیعی، (61)4: 819-809.
7. صادقی، س. ح. ر. 1386. توسعه معادله منحنی سنجه رسوب برای شاخه صعودی و نذولی هیدروگراف با استفاده از مدل رگرسیون مجله منابع آب ایران، 1(1):103-101.
8. صادقی، س. ح. ر.، س. آقابیگی، ب. یثربی، م. وفاخواه و ع. اسماعیلی ساروی. 1384. تغییرات زمانی و مکانی تولید رسوب معلق زیر حوضه‌های مهم هراز، مطالعه موردی حوزه آبخیز هراز. پزوهش‌نامه علوم کشاورزی و منابع طبیعی خزر، 3(3): 28-15.
9. عرب‌خدری، م. 1384. بررسی رسوبدهی معلق حوزه‌های آبخیز ایران. مجله تحقیقات منابع آب ایران، (2): 51-60.
10. فیض‌نیا،س.، ح. محمدعسگری و م. معظمی.1386. بررسی کارایی روش شبکه عصبی مصنوعی در تخمین رسوب معلق روزانه (مطالعه موردی حوزه آبخیز زرد رامهرمز، استان خوزستان). نشریه دانشکده منابع طبیعی، 60(4): 1210-1199.
11. مساعدی، ا.، ا. محمدی استادکلایه، ع. نجفی‌نژاد و ف. یغمایی. ١٣٨5. بهینه‌سازی روابط دبی آب و دبی رسوب معلق در ایستگاه‌های هیدرومتری رودخانه گرگان‌رود. مجله منابع طبیعی ایران، 59(2): 342-331.
12. Achite, M. and S. Ouillon. 2007. Suspended sediment transport in a semiarid watershed, Wadi Abd, Algeria (1973–1995) J. Hydro, 84(3):187-202.
13. Arabkhedri, M., F.S. Lai, I. Noor-Akma and M.K. Mohamad-Roslan. 2010. An application of adaptive cluster sampling for estimating total suspended sediment load. J. Hydrology Research 41(1): 63-67.
14. Draper, N.R. & H. Smith. 1981. Applied regression analysis. John Wiley and Sons, New York, N.Y, 2nd edition.
15. Hadley, R.F., R. Lal, C.A. Onstad, D.E. Walling and A. Yair. 1985. Recent developments in erosion and sediment yield studies, UNESCO, Paris, 127p.
16. Hadley, R.F., R. Lal, C.A. Onstad, D.E. Walling, A. Yair. 1985. Recent developments in erosion and sediment yield studies, UNESCO, Paris, 127p.
17. Khanchoul, K., Z.E.A. Boukhrissa, A. Acidi and T.R. Altschu. 2010.  Estimation of suspended sediment transport in the Kebir drainage basin, Algeria. Quaternary nternational xxx 1- 7.
18. Kumar, S. and R.A. Rastogi. 1987. A conceptual catchment model for estimating suspended sediment flow. Journal of Hydrology 95:155-163.
19. Sadeghi, S.H.R., T. Mizuyama, S. Miyata, T. Gomi, K. Kosugi, T. Fukushima, S. Mizugaki, Y. Onda. 2008. Development, evaluation and interpretation of sediment rating curves for a Japanese small mountainous reforested watershed. Geoderma 144:198–211.
20. Walling, D.E. and B.W. Webb. 1981. The Reliability of Suspended Sediment Load Data, In: Erosion and Sediment Transport (Proc. of Florence Symp. June 1981), IAHS. Public, 133: 177 - 194.

Files

Share

How to cite

Statistics