تخمین جریان رودخانه‌ای در حوزه‌های بالادست سد مخزنی بوکان با استفاده از متغیرهای اقلیمی دما و بارش

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی آبخیزداری، دانشکده منابع طبیعی دانشگاه تربیت مدرّس

چکیده

تخمین متغیرهای هیدرولوژیکی از نظر ایمنی سازه‌های هیدرولیکی و تاسیسات، برنامه‌ریزی و مدیریت منابع آب‌های سطحی از اهمیت ویژه‌ای برخوردار می‌باشند. جریان رودخانه‌ای یکی از متغیرهای مهم هیدرولوژیکی است که اندازه‌گیری آن دارای محدودیت‌های مختلفی می‌باشد. به همین دلیل استفاده از مدل‌های هیدرولوژیکی با به‌کارگیری متغیرهای قابل دسترس و اندازه‌گیری آسان می‌تواند رویکردی مهم و ضروری باشد. این تحقیق درصدد بررسی امکان استفاده از متغیرهای اقلیمی قابل دسترس (بارش و دما) به‌منظور تخمین دبی در مقیاس سالانه و فصلی می‌باشد. برای انجام این تحقیق از داده‌های بارش، دما و دبی حوزه‌های بالادست سد مخزنی بوکان به مدت 16 سال بین سال‌های آماری 1372 تا 1387 استفاده گردید. مدل‌های رگرسیونی چندمتغیره و گام به گام در مقیاس زمانی سالانه و فصلی برای هر یک از حوزه‌ها در محیط نرم‌افزار SPSS17 تهیه، و واسنجی و اعتبارسنجی هر یک از مدل‌ها صورت پذیرفت. به منظور ارزیابی مدل‌ها از معیارهای آماری مجذور میانگین مربعات خطا، خطای نسبی و ضریب کارایی استفاده گردید. بررسی نتایج نشان داد که اکثر مدل‌های تهیه شده در حد قابل قبولی بوده و رگرسیون گام به گام نتایج بهتری نسبت به رگرسیون چندمتغیره ارائه داده است. همچنین محدوده‌ی خطای نسبی در مقیاس سالانه از 96/20 تا 69/44 درصد و در مقیاس فصلی از 80/22 تا 11/81 درصد تغییر می‌کند. تغییرات مجذور میانگین مربعات خطا در مقیاس سالانه از  37/0 تا 37/7 و در مقیاس فصلی از 05/0تا 53/7 می‌باشد و مقدار ضریب کارایی مدل‌های تهیه شده نیز در مقیاس سالانه از 7/0 تا 94/0 و در مقیاس فصلی از 31/0 تا 92/0 متغیر می‌باشد. نسبت تاثیرگذاری بارش روی دبی در فصل تابستان بر خلاف سایر فصول بسیار کم می‌باشد که استفاده از مدل سالانه جهت تخمین دبی فصل تابستان نتایج قابل قبولی ارائه نخواهد داد. هم‌چنین با افزایش مساحت حوزه دقت مدل‌ها در تخمین دبی کاهش می‌یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Streamflow Estimation for Upstream Watersheds of Boukan Reservoir Dam Using Precipitation and Temperature Climatic Variables

نویسندگان [English]

  • Hossien Kheirfam
  • mehdi vatankhah
  • saleh Hossieni
M.Sc. Student, Watershed Management Engineering Department, Faculty of Natural Resources, Tarbiat Modares
چکیده [English]

The hydrological variables estimation is very important for safety of hydraulic structures and facilities, surface water resources management and planning. The streamflow measurement as one of the important hydrological variables has various limitations. For this reason, application of the hydrological models with available and easily measured variables is the important and necessary approach. The aim of this research is the possibility of available climatic variables e.g. precipitation and temperature for seasonal and annual discharge estimation. Data of precipitation, temperature and discharge related to upstream watersheds of Boukan reservoir dam were used for 16 years period during 1993-2007 in this study. Multiple and stepwise regression models were determined in annual and seasonal scales for each watersheds using SPSS 17 software, then calibration and validation of each models were examined. Root mean squared error (RMSE), relative error (RE) and efficiency coefficient (CE) were used for models evaluation. The results showed that the most models performance was very good and stepwise regression has more accurate results than multiple regression. Also, the RE, RMSE and CE range criteria were changed between 20.96 to 44.69 and 22.80 to 81.11 percent, 0.37 to 7.37 and 0.05 to 7.53 m3 s-1 and 0.7 to 0.94 and 0.31 to 0.92 for annual and seasonal scale, respectively. Ratio of precipitation influence on discharge was very low in summer in comparison to other seasons because annual model will not be accurate for estimating discharge in summer.

کلیدواژه‌ها [English]

  • Climatic Variables
  • Streamflow
  • Boukan Reservoir Dam
  • Regression
 
منابع
1. انوری تفتی، ص.، ب. ثقفیان و س. مرید. 1390. پیش‌بینی جریان رودخانه‌ای با مدل‌های ANN و بررسی عملکرد آن با ورودی‌های SIO. مجله‌ی پژوهش حفاظت آب و خاک، 17(1):163-180.
2. پرویز، ل.، م. خلقی و ا. فاخری فرد. 1388. پیش‌بینی جریان سالانه رودخانه با استفاده از مدل خود همبسته تجمعی میانگین متحرک و رگرسیون فازی. مجله دانش آب و خاک. 19 (1):65-82.
3. توکلی، م. و م. رستمی‌نیا، 1385. ارائه مدل برآورد سیلاب در حوزه‌های آبخیز استان ایلام. مجله علوم کشاورزی. 12 (2): 347-357.
4. دستورانی، م. ت. 1386. بررسی کاربرد مدل‌های هوش محاسباتی در شبیه‌سازی و پیش‌بینی بهنگام جریان‌های سیلابی. علوم و فنون کشاورزی و منابع طبیعی. 11 (40-الف):27-37.
5. جلال کمالی، ا.، م. محمودیان شوشتری و ن. جلال کمالی. 1385. پیش‌بینی جریان ماهانه ورودی به مخزن سد شهید عباسپور با استفاده از مدل‌های سری زمانی Box-Jenkins. هفتمین سمینار بین المللی مهندسی رودخانه. دانشگاه شهید چمران. 1-7.
6. خیرفام، ح. و س. ح. ر. صادقی. 1391. مدل‌سازی رفتار هیدرومتئولوژی حوزه‌ی آبخیز آق قلا. همایش ملی جریان و آلودگی آب، دانشگاه تهران، 3 و 4 خرداد 1390، 8 ص.
7. زارع چاهوکی، م. ع. 1389. تجزیه و تحلیل داده‌ها در پژوهش‌های منابع طبیعی با نرم افزار SPSS. چاپ اول، انتشارات جهاد دانشگاهی واحد تهران، 310 ص.
8. سلطانی، س. و ر. مدرس، 1385. تحلیل فراوانی و شدت خشکسالی هواشناسی استان اصفهان. فصلنامه منابع طبیعی ایران، 59 (1): 15-26.
9. شریفی، ف.، ش. صفارپور و س. ایوب زاده. 1383. ارزیابی مدل رایانه‌ای  AWBM 2002در شبیه‌سازی فرآیندهای هیدرولوژیکی تعدادی از حوزه‌های آبخیز ایران. پژوهش و سازندگی (در منابع طبیعی). 63: 35-42.
10. صلواتی، ب.، س. ح. ر. صادقی و ع. ر. تلوری. 1385. مدل‌سازی تولید رواناب حوزه‌های آبخیز استان کردستان با استفاده از متغیرهای فیزیوگرافی و اقلیمی، نشریه آب و خاک (علوم و صنایع کشاورزی). 24 (1): 84-96.
11. فاتحی مرج، ا.، ع. ر. برهانی داریان و م. ح. مهدیان. 1385. پیش‌بینی فصلی جریان رودخانه‌های دریاچه ارومیه با استفاده از شاخص‌های اقلیمی. پژوهش و سازندگی (در منابع طبیعی). 71: 41-51.
12. صادقی، س .ح. ر.، ح. ر. مرادی، م. مزین و م. وفاخواه. 1384. کارآیی روش‌های مختلف تجزیه و تحلیل آماری در مدل‌سازی بارش-روانآب (مطالعه موردی: حوزه آبخیز کسیلیان). علوم کشاورزی و منابع طبیعی.12(3):81- 90.
13. صادقی، س. ح. ر.، ب. یثربی. و ف. نورمحمدی. 1384. تهیه و تحلیل مدلهای بارش- روانآب ماهانه حوزه آبخیز هراز در استان مازندران. پژوهشنامه علوم کشاورزی و منابع طبیعی خزر، 3(1): 1-12.
14. عظیمی، م.، م. تجریشی. و ا. ابریشمچی. 1389. پیش‌بینی آورد فصلی سد دز با استفاده از سیگنالهای بزرگ مقیاس اقلیمی. نهمین کنفرانس هیدرولیک ایران، دانشگاه تربیت مدرس، آبان ماه 1389، 8 ص.
15. مهدوی، م. 1386. هیدرولوژی کاربردی. جلد دوم. چاپ پنجم. اتشارات دانشگاه تهران. 424 ص.
16. Berk Celikoglu, H., H. Kerem Cigizoglu. 2007. Public transportation trip flow modeling with generalized regression neural networks. Advances in Engineering Software. 38:71-79.
17. Beven, K.J. 2001. Rainfall-Runoff Modelling: The Primer. John Wiley and Sons Press. 360pp.
18. Croke, B.F.W., F. Andrews. J. Spate and S.M. Cuddy. 2005. IHACRES User Guide. Technical Report 2005/19. Second Edition. iCAM, School of Resources, Environment and Society, The Australian National University, Canberra. http://www.toolkit.net.au/ihacres.
19. Das, G. 2000. Hydrology and Soil Conservation Engineering. Asok. Ghosh. Prentice Hall of India. 489pp.
20. Faraway, J. 2002. Practical Regression and ANOVA in R. CRAN.212pp.
21. Helsel, D.R. and R.M. Hirsch. 2002. Statistical Methods in Water Resources, U.S. Georlogical Survey. 524pp.
22. Lawgun, N. and A.T. Toong. 1985. Regional flood frequency analysis of small catchments in North Auckland and Coromandel (New Zealand). Journal of Hydrology (New Zealand). 24(2):64-76.
23. Littlewood, I.G, R.T. Clarke, W. Collischonn and B.F.W. Croke. 2007. Predicting daily streamflow using rainfall forecasts, a simple loss module and unit hydrographs: Two Brazilian catchments. Environmental Modelling and Software. 22:1229-1239.
24. Noori, R., A. Khakpour, B. Omidvar and A. Farokhnia. 2010. Comparison of ANN and principal component analysis-multivariate linear regression models for predicting the river flow based on developed discrepancy ratio statistic. Expert Systems with Applications. 37:5856–5862.
25. Stamey, T.C. and G.W. Hess. 1993. Techniques for estimating magnitude and frequency of floods in rural basins in Georgia. Water Resources Investigation Report 93-4016, USGS Publication. 94pp.
26. Telvari, A.R. and A.R. Islami. 2002. Regional flood frequency in north basins of Iran, In: Proceedings of International Conference on Flood Estimation. Berne. Switzerland. March 6-8. 2002:717-727.
27. Ye, W., A.J. Jakeman and P.C. Young. 1998. Identification of improved rainfall-runoff models for an ephemeral low-yielding Australian catchment, Environmental Modelling & Software. 13:59–74.
28. Yeh, CH. 2007. Modeling slump flow of concrete using second-order regressions and artificial neural networks, Cement & Concrete Composites. 29: 474–480.
29. Zhu, Y and R.L. Day. 2009. Regression modeling of streamflow, baseflow, and runoff using geographic information systems. Journal of Environmental Management. 90: 946–95.