شناسایی و آماده‌سازی منابع مناسب داده‌های هواشناسی مبتنی بر GIS برای شبیه‌سازی با استفاده از مدل‌های هیدرولوژیکی نیمه توزیعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمرانِ، دانشگاه علم و صنعت ایران

2 استاد‌یار گروه نقشه‌برداری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران

3 گروه آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

با توجه به تنوع منابع داده‌های هواشناسی، موضوع شناسایی منابع مناسب و بررسی تأثیر به‌کارگیری آن‌ها بر شبیه‌سازی هیدرولوژیکی، اهمیت دارد. همچنین از آنجا که مدل‌های نیمه توزیعی هیدرولوژیکی از روش‌های مختلف بعضاً مبتنی بر فرضیات ساده­کننده برای آماده‌سازی داده‌های هواشناسی، برای نمونه پهنه‌ای نمودن داده‌های نقطه‌ای، استفاده می‌نمایند، بررسی اثر روش‌های مختلف موضوع مهمی است. با این توجه، در این پژوهش منابع مختلف داده­ای و روش‌های مختلف درون­یابی مکانی بارش با استفاده از مدل SWAT در حوضه رودخانه مهاباد چای مورد ارزیابی قرار گرفت. منابع مختلف داده­های هواشناسی شامل اندازه­گیری­های زمینی بارش در ایستگاه­های هواشناسی وزارت نیرو و سازمان هواشناسی و همچنین داده­های باز تحلیل شده CFSR در کنار روش‌های مختلف درون­یابی­­ مکانی، شامل نزدیک‌ترین همسایگی (NN) و وزن دهی معکوس فاصله (IDW)، جهت فراهم­سازی داده ورودی مدل SWAT در چارچوب یک ماژول محاسباتی توسعه­یافته در محیط ArcMap بکار گرفته ­شد و نتایج پس از واسنجی پارامترهای مدل SWAT مورد مقایسه قرار گرفت. شبیه­سازی رواناب روزانه برای یک دوره 36 ساله با استفاده از داده­های بازتحلیل شده CFSR، بعد از واسنجی منجر به شاخص NS برابر با 57/0 گردید که در مقایسه با استفاده از داده­های بارش مربوط به ایستگاه­های زمینی که منجر به شاخص NS برابر با 38/0 شده، مطلوب­تر است. مقایسه دو روش درون­یابی مکانی برای پهنه‌ای نمودن داده‌های بارش نشان داد که روش­ IDW بر روش NN برتری قابل توجه دارد بطوریکه شاخص NS برای روش اول برابر 79/0 و برای روش دوم برابر 56/0 به دست آمد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

GIS-based Identification and Preparation of Suitable Climatological Data Sources for Simulation Using Semi-Distributed Hydrological Models

نویسندگان [English]

  • Ehsan Dastjerdi 1
  • Barat Mojaradi 2
  • Hosein Alizadeh 3
1 School of Civil Engineering, Iran University of Science and Technology
2 Surveying Group, School of Civil Engineering, Iran University of Science and Technology
3 School of Civil Engineering, Iran University of Science and Technology
چکیده [English]

Regarding to various sources of climatological data, identification of suitable sources and investigation of their usage effects on hydrological simulation is an important issue. Moreover, given that hydrological models employ different methods for preparation of climatological data, e.g. spatial interpolation of point climatological data, evaluation of the effects of different methods on hydrological simulation’s result is an important issue. Accordingly, this paper deals with different data sources and spatial interpolation of precipitation that are investigated in hydrological simulation of Mahabad Chai River Basin using SWAT model. Different climatological sources, i.e. field measurements of meteorological stations of MOE and IRIMO as well as reanalyzed data of CFSR project, and different interpolation methods, i.e. nearest neighborhood (NN) and inverse distance method (IDW) were employed and compared for preparation of inputs of SWAT model using a developed computational module in Module Builder framework of ArcMap. Then parameters sensitivity analysis, estimation and model validation were performed based on a period of 36-years monthly streamflow record. Results showed using CFSR data leads to Nash-Sutcliffe (NS) value of 0.58 as compared to climatological stations’ data which leads to NS value of 0.38. Additionally, IDW method showed a better performance significantly than the NN method, so that their NS index values were 0.79 and 0.56, respectively.

کلیدواژه‌ها [English]

  • Precipitation
  • SWAT
  • Nearest Neighborhood
  • IDW
  • CFSR

Abbaspour, K. C., Yang, J., Maximov, I., Siber, R., Bogner, K., Mieleitner, J., Srinivasan, R. (2007). Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT. Journal of Hydrology, 333(2–4), 413–430. https://doi.org/10.1016/j.jhydrol.2006.09.014

Bai, J., Shen, Z., & Yan, T. (2017). A comparison of single- and multi-site calibration and validation: a case study of SWAT in the Miyun Reservoir watershed, China. Frontiers of Earth Science, 11(3), 592–600. https://doi.org/10.1007/s11707-017-0656-x

Dirks, K. N., Hay, J. E., Stow, C. D., & Harris, D. (1998). High-resolution studies of rainfall on Norfolk Island: Part II: Interpolation of rainfall data. Journal of Hydrology, 208(3–4), 187–193.

Haberlandt, U., & Kite, G. W. (1998). Estimation of daily space-time precipitation series for macroscale hydrological modelling Abstract :, 1432(June 1997), 1419–1432.

Masih, I., Maskey, S., Uhlenbrook, S., & Smakhtin, V. (2011). Assessing the Impact of Areal Precipitation Input on Streamflow Simulations Using the SWAT Model. Journal of the American Water Resources Association, 47(1), 179–195. https://doi.org/10.1111/j.1752-1688.2010.00502.x

Maskey, S., Guinot, V., & Price, R. K. (2004). Treatment of precipitation uncertainty in rainfall-runoff modelling: A fuzzy set approach. Advances in Water Resources, 27(9), 889–898. https://doi.org/10.1016/j.advwatres.2004.07.001

Moriasi, D. N., Arnold, J. G., Liew, M. W. Van, Bingner, R. L., Harmel, R. D., Veith, T. L., … Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50(3), 885–900.

Neitsch, S. L., Arnold, J. G., Kiniry, J. R., Williams, J. R., Documentation, T., Shekhar, S., … Williams, J. R. (2011). Soil and water assessment tool theoretical documentation version 2009. Encyclopedia of GIS. Texas Water Resources Institute. https://doi.org/10.1007/978-0-387-35973-1_1231

Obled, C., Wendling, J., & Beven, K. (1994). The sensitivity of hydrological models to spatial rainfall patterns: an evaluation using observed data. Journal of Hydrology, 159(1–4), 305–333. https://doi.org/10.1016/0022-1694(94)90263-1

Radcliffe, D. E., & Mukundan, R. (2017). PRISM vs. CFSR precipitation data effects on calibration and validation of SWAT models. JAWRA Journal of the American Water Resources Association, 53(1), 89–100.

Starks, P. J., & Moriasi, D. N. (2009). Spatial resolution effect of precipitation data on SWAT calibration and performance: implications for CEAP. American Society of Agricultural and Biological Engineers, 52(4), 1171–1180. https://doi.org/ISSN 0001-2351 1171

Szcześniak, M., & Piniewski, M. (2015). Improvement of hydrological simulations by applying daily precipitation interpolation schemes in meso-scale catchments. Water, 7(2), 747–779.

Tobin, C., Nicotina, L., Parlange, M. B., Berne, A., & Rinaldo, A. (2011). Improved interpolation of meteorological forcings for hydrologic applications in a Swiss Alpine region. Journal of Hydrology, 401(1–2), 77–89. https://doi.org/10.1016/j.jhydrol.2011.02.010

Tuo, Y., Duan, Z., Disse, M., & Chiogna, G. (2016). Evaluation of precipitation input for SWAT modeling in Alpine catchment: A case study in the Adige river basin (Italy). Science of the Total Environment, 573, 66–82. https://doi.org/10.1016/j.scitotenv.2016.08.034

Wood, G. B., Wiant, H. V, Loy, J., & Miles, J. A. (1990). Centroid sampling : A variant of importance sampling for estimating the volume of sample trees of radiata pine, 36, 233–243.

Yang, Y., Wang, G., Wang, L., Yu, J., & Xu, Z. (2014). Evaluation of gridded precipitation data for driving SWAT model in area upstream of three gorges reservoir. PloS One, 9(11), e112725. https://doi.org/10.1371/journal.pone.0112725

Yu, M., Chen, X., Li, L., Bao, A., & de la Paix, M. J. (2011). Streamflow Simulation by SWAT Using Different Precipitation Sources in Large Arid Basins with Scarce Raingauges. Water Resources Management, 25(11), 2669–2681. https://doi.org/10.1007/s11269-011-9832-z

Zhang, L., He, C., Li, J., Wang, Y., & Wang, Z. (2017).

COMPARISON OF IDW AND PHYSICALLY BASED IDEW METHOD IN HYDROLOGICAL MODELLING FOR A LARGE MOUNTAINOUS WATERSHED , NORTHWEST CHINA. https://doi.org/10.1002/rra.3147