استفاده همزمان از سیگنال‌های اقلیمی و دمای سطح آب دریا در پیش‌بینی جریان (مطالعه موردی حوضه چشمه-کیله)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

2 دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

چکیده

با توجه به میزان منابع آب و سرانه مصرف، ایران از جمله کشورهایی است که در گروه کشورهای مواجه با کمبود آب قرار دارد. لذا، پیش‌بینی و برنامه‌ریزی منابع آب می‌‌تواند نقش بسزایی در تصمیم‌گیری‌های آینده برای چگونگی مصرف آب داشته باشد. امروزه یافته‌های محققین در ایجاد ارتباط قوی بین تغییرات بزرگ مقیاس اقلیمی‌ و پدیده‌های هیدرولوژیکی، ضرورت پرداختن به مباحث هیدرو‌اقلیم شناسی در هیدرولوژی را دو چندان نموده است و استفاده از روش‌های آماری و مدل‌های پیشرفته کمک قابل‌توجهی در جهت پیش‌بینی پدیده‌های هیدرولوژیکی داشته است. در این تحقیق، پیش‌بینی آبدهی فصل بهار در رودخانه چشمه­کیله واقع در شهرستان تنکابن در شمال کشور به کمک سیگنال‌های اقلیمی‌ مرسوم مربوط به اقیانوس آرام و اطلس شامل Ninoها، AMO،SOI ، NAO و PDO و تغییرات دمای سطح آب دریای خزر (SST) در فصل زمستان با استفاده از مدل مفهومی‌ شبکه عصبی مصنوعی مورد بررسی قرار گرفت. خطای پیش‌بینی جریان رودخانه با مدل شبکه عصبی مصنوعی و ورودی سیگنال‌های اقلیمی‌ SOI-NINO4-NINO3.4 به روش مجذور میانگین مربع خطا برابر 61/8 مترمکعب بر ثانیه بدست آمد. این خطا با ورودی سیگنال NINO3.4 به 31/3 مترمکعب بر ثانیه و همچنین خطای پیش‌بینی با ورودی بارندگی و دمای سطح آب دریای خزر تا 08/0 کاهش یافت.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Simultaneous Use of Climatic Signals and Sea Surface Temperature for Flow Forecasting (Case study: Cheshmeh Kileh catchment area)

نویسندگان [English]

  • Hesam Ghoddousi 1
  • Leila Kooshafar 2
1 . Assistant Professor, Department of Water Engineering, Faculty of Agriculture, University of Zanjan, Zanjan, Iran
2 MSc Student, Department of Water Engineering, Faculty of Agriculture, University of Zanjan, Zanjan, Iran
چکیده [English]

 Regarding to the amount of water resources and per capita water consumption, Iran is one of those countries which faces with water shortage. Therefore, water resources forecasting and planning could have a considerable role on future water consumption decisions. Today, the researchers’ findings about strong correlation between large scale climatic changes and hydrological phenomena have doubled the necessity of considering hydro-climatological discussions in hydrology. Accordingly, the use of statistical methods and advanced models has greatly contributed in forecasting hydrological phenomena. In the present study, the estimation of  spring discharge in Cheshmeh kile's stream was investigated through common climatic signals related to the Pacific Ocean and the Atlantic includes  Niño’s, AMO, SOI, NAO and PDO and also through the Caspian Sea surface temperature in winter by using conceptual model of ANN. The stream flow forecasting error with ANN model and climatic signals entry-SOI-NINO4-NINO3.4 using RMSE was calculated to be 8.61 m3/sec. This error with signal entry NINO3.4 was decreased to 3.31 m3/sec. Also, the forecasting error with precipitation entry and the Caspian Sea surface temperature was reduced to 0.08.

کلیدواژه‌ها [English]

  • ANN model
  • Caspian Sea Surface Temperatures
  • Standard Climatic Signals
  • Stream flow forecasting

مراجع

Araghinezhad, SH., Shabanpour, F. and Jamali, S. (2016). Data analysis for effect of Elnino on annual rainfall in Iran. Proceeding of 6th National Congress on Water Resource Management of Iran. 1-3 May, Kourdestan university, Iran, pp. 1-10 (In Farsi).
Hartman, H., Snow, J. A., Stein, S., Su, B., Zhai, J., Jiang, T., Valentina, K. and Zbigniew, W. (2016). Predictors of precipitation for improved water resources management in the tarim river basin creating a seasonal forecast model. Journal of Arid Environments, 125, 31-42.
Honglee, J. and Julien, P. (2016). Teleconnections of the ENSO and South Korean precipitation patterns. Journal of Hydrology, 534, 237-250.
Karamouz, M. and Araghinejad, SH. (2005) Advanced hydrology(4th ed.). Tehran: Amirkabir. (In Farsi)
Meidani, E., Araghinejad, SH. and Hoorfar, A. (2012). Long lead stream flow forecasting using statistical methods. MSc. thesis, University of Tehran, Tehran. (In Farsi)
Meidani, E. and Araghinejad, SH. (2014). Long lead stream flow forecasting in the southwest of Iran by sea surface temperature of the mediterranean sea. Journal of Hydrology Engineering, 19(8), 1-10.
Moghsemi, H. R. and Alizadeh Savareh, B. (2014). The neural network with matlab and C#. Tehran: Niaz danesh. (In Farsi)
Murgulet, D., Valeriu, M., Hay, R.R., Tissot, P. and Mestas, A. (2017). Relationships between sea surface temperature anomalies in the Pacific and Atlantic Oceans and South Texas precipitation and streamflow variability. Journal of Hydrology, 550, 726-739.
Nazamalsadat, M. and Ghasemi, A. (2004). The flactuation influence of water level in caspian sea
          surface temperature on precipitation of the winter and spring seasons northern and southwestern Iran. Journal of water and soil sciences, 8(4),1-15. (In Farsi)
 Nazamalsadat, M. and Shirvani, A. (2004). The application of CCA in order to assess and compare the ability of the SOI and Nino SST forecasts winter precipitation, the shores of the caspian sea. Journal of water and soil sciences, 8(1), 11-25. (In Farsi)
Soukup, T. L., Aziz, O. A. and Tootle, G. L. (2009). Long lead-time stream flow forecasting of the north platte river incorporating oceanic–atmospheric climate variability. Journal of Hydrology, 368(1-4), 131–142.
Shams, M.D., Faisal Anwar, A.H.M., Lamb, K.W. and Bari, M. (2018). Relating ocean-atmospheric climate indices with Australian river streamflow. Journal of Hydrology, 556, 294-309.
Yaduvanshi, A. and Aranade, A. (2015). Effect of global temperature changes on rainfall fluctuations over river basins across eastern indo-gangetic plains.  Journal of Aquatic Procedia, 4, 721-729.
 
 
 
تحقیقات آب و خاک ایران
دوره 49، شماره 5
آذر و دی 1397
صفحه 1043-1053

فایل ها

هم رسانی

ارجاع به این مقاله

آمار