تلفیق مدل بارش-رواناب مفهومی Sacramento و داده‌های بازتحلیل شده مدلهای جهانی برای شبیه‌سازی رواناب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین

2 استادیار گروه مهندسی آب/ دانشگاه بین المللی امام خمینی قزوین

چکیده

برآورد صحیح رواناب برای تصمیم‌گیری در خصوص پروژه‌های منابع آب از اهمیت بالائی برخوردار است. یکی از راه­های تخمین رواناب، استفاده از مدلهای هیدرولوژیکی مفهومی می­باشد. علت استفاده از چنین مدلهایی در بسیاری از مطالعات، ساختار نسبتاً ساده و تعداد داده­های ورودی کم آنها می­باشد. هدف اصلی این پژوهش بررسی عملکرد مدل بارش-رواناب مفهومی Sacramento در شبیه­سازی رواناب خروجی از حوضه آبریز شاپور و نیز تعیین مناسب­ترین داده بازتحلیل شده جهت تخمین تبخیروتعرق در بازه مطالعاتی می­باشد. در پژوهش حاضر از نتایج چهار مدل باز تحلیل شده HBV-SIMREG، ORCHIDEE، PCR-GLOBW ،WATERGAP3 و W3RA جهت برآورد سری زمانی تبخیروتعرق که یکی از مهمترین ورودی­های مدل Sacramento می­باشد، استفاده شده است. همچنین برای تخمین متوسط وزنی بارش در سطح حوضه، از داده­های بارش روزانه ثبت شده در ایستگاه‌های باران‌سنجی موجود در بازه مطالعاتی و روش Thiessen استفاده شده است. نتایج حاکی از آن است که داده­های تبخیروتعرق بدست آمده از بیشتر مدلهای بازتحلیل شده مذکور، منجربه عملکرد مناسب مدل بارش-رواناب Sacramento در شبیه­سازی دبی جریان روزانه می­شود. هرچند لازم به ذکر است که عملکرد داده­های W3RA، WATERGAP3 و PCR-GLOBW در هر دو مرحله واسنجی و صحت­سنجی نسبت به دیگر داده­ها از کارائی به مراتب بیشتری برخوردار می­باشند. مقادیر شاخص آماری NSE برای سه مدل برتر در دو مرحله واسنجی و صحت­سنجی به ترتیب همواره بالاتر از 87/0 و 60/0 می­باشد. همچنین نتایج بدست آمده بر اساس داده­های W3RA نشان داد که میزان خطای مدل Sacramento در تخمین حجم رواناب و دبی­­های اوج سیلاب به کمترین مقدار خود می­رسد. میزان خطای مدل در برآورد دبی اوج سیلاب و حجم رواناب در صورت استفاده از داده­های W3RA به ترتیب کمتر از 11 و 15 درصد می­باشد. در یک جمع­بندی کلی می­توان چنین عنوان نمود که داده­های بدست آمده از مدلهای بازتحلیل شده می­تواند به عنوان یک داده مکمل و حتی جایگزین به ویژه در حوضه­های فاقد آمار و یا آمار ناکافی برای استفاده در مطالعات منابع آب و شبیه­سازی رواناب مدنظر محققین قرار گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Integrating the Sacramento Conceptual Rainfall-Runoff Model and Reanalyzed Datasets for Runoff Simulation

نویسندگان [English]

  • Malihe Bayram 1
  • Asghar Azizian 2
1 MSc student in Water Resources Engineering, Water engineering Dept., Imam Khomeini International University, Qazvin, Iran.
2 Assistant Professor in Water Engineering Department/ Imam Khomeini International University
چکیده [English]

Accurate estimation of runoff plays an important role in water resources and hydrological studies. Due to simple structure and minimum data requirements, the conceptual hydrologic models are the best way to estimate runoff. The main objective of this study is to investigate the performance of Sacramento model in runoff simulation and determining the best reanalyzed evapotranspiration dataset for using in the model. In this study, four different datasets including HBV, ORCHIDEE, PCR-GLOBW, WATERGAP3 and W3RA are used in Sacramento model. Also, for estimation of basin-averaged rainfall time seri, the Thiessen method was used based on ground gage observations. Results indicate that using most of the reanalyzed datasets in Sacramento model lead to reliable outputs and the performance of model in simulation of daily stream flow is relatively high. However, the performance of model in the case of using W3RA and WATERGAP3 is better than the other data sources, and in both calibration and verification phases the Nash-Sutcliffe efficiency (NSE) is higher than 0.60 and 0.87, respectively. Moreover, findings show that the W3RA dataset is the best one for estimation of runoff volume, high flows (peak floods) and the time to peak flows. Overall, based on the outputs of this research, the reanalyzed datasets can be considered as an alternative or complementary in data-limited regions for water resources and hydrological studies. 

کلیدواژه‌ها [English]

  • Rainfall-Runoff Model
  • Lumped
  • Remote Sensing
  • Water Resources
  • Flood

مراجع

Abbott M. B., Bathurst J. C., Cunge J. A., O’Connell P. E. and Rasmussen J. (1986) An introduction to the European Hydrological System – Systeme Hydrologique Europ ` een (SHE): 1. History and philosophy of a physically- ´ based, distributed modelling system. Journal of Hydrology, 87:45–59.
Beven K. J., Warren R. and Zaoui J. SHE. (1987) Towards a methodology for physically-based distributed forecasting in hydrology. Int. Assoc. Sci. Hydrol. Publ. No., 129:133–137.
Bhuiyan, M.A.E. (2018). Uncertainty of Global Precipitation Datasets and Its Propagation in Hydrological Simulations (Doctoral dissertation, University of Connecticut).
Devia, G.K., Ganasri, B.P. and Dwarakish, G.S. (2015). A review on hydrological models. Aquatic procedia, 4, 1001-1007.
d'Orgeval, T., Polcher, J., and de Rosnay, P. (2008). Sensitivity of the West African hydrological cycle in ORCHIDEE to infiltration processes, Hydrol. Earth Syst. Sci., 12, 1387-1401, doi:10.5194/hess-12-1387-2008.
Dutra, E. (2015). Report on the current state-of-the-art Water Resources Reanalysis, Earth2observe deliverable no. D. 5.1.
Eisner, S. (2016). Comprehensive evaluation of the WaterGAP3 model across climatic, physiographic, and anthropogenic gradients (Doctoral dissertation).
Grayson, R. and Blöschl, G. (2001). Spatial patterns in catchment hydrology: observations and modelling. CUP Archive.
Gupta, H.V., Kling, H., Yilmaz, K.K. and Martinez, G.F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of hydrology, 377(1-2), 80-91.
Gupta, H.V., Sorooshian, S. and Yapo, P.O. (1999). Status of automatic calibration for hydrologic models: Comparison with multilevel expert calibration. Journal of hydrologic engineering, 4(2), 135-143.
Haddeland, I., Clark, D.B., Franssen, W., Ludwig, F., Vo, F., Arnell, N.W., Bertrand, N., Best, S., Gerten, D. and Gomes, S. (2011). Multimodel estimate of the global terrestrial water balance: Setup and first results. Journal of Hydrometeorology, 12(5), 869-884.
Kratzert, F., Klotz, D., Brenner, C., Schulz, K. and Herrnegger, M. (2018). Rainfall–runoff modelling using long short-term memory (LSTM) networks. Hydrology and Earth System Sciences, 22(11), 6005-6022.
Krinner, G., Viovy, N., N., de Noblet-Ducoudré, N., Ogée, J., Polcher, J., F riedlingstein, P., Ciais, P., Stich, S., and Prentice, I. C. (2005). A dynamic global vegetation model for studies of the coupledatmosphere-biosphere system, Global Biogeochem. Cy, 19 (1), 10-25.
Leisenring, M. (2011). Implications of Hydrologic Data Assimilation in Improving Suspended Sediment Load Estimation in Lake Tahoe, California.
Li, H., Zhang, Y., Chiew, F.H.S., Xu, S. (2009). Predicting runoff in ungauged catchments by using Xinanjiang model with MODIS leaf area index. Journal of hydrology, 370 (1–4), 155–162.
Li, Y., Grimaldi, S., Pauwels, V.R. and Walker, J.P. (2018). Hydrologic model calibration using remotely sensed soil moisture and discharge measurements: The impact on predictions at gauged and ungauged locations. Journal of hydrology, 557, 897-909.
Lindström, G., Johansson, B., Persson, M., Gardelin, M. and Bergström, S. (1997). Development and test of the distributed HBV-96 hydrological model. Journal of hydrology, 201(1-4), 272-288.
Meng, X.Y., Wang, H., Cai, S.Y., Zhang, X.S., Leng, G.Y., Lei, X.H., Shi, C.X., Liu, S.Y. and Shang, Y. (2017). The China meteorological assimilation driving datasets for the SWAT model (CMADS) application in China: A case study in Heihe river basin.
Muthuwatta, L.P. et al. (2009). Calibration of a semi-distributed hydrological model using discharge and remote sensing data. In: Yilmaz, K.K. et al. (Eds.), New Approaches to Hydrologiocal Prediction in Data-Sparse Regions. IAHS, Hydrabad, 52–58.
Nash, J.E. and Sutcliffe, J.V. (1970). River flow forecasting through conceptual models’ part I—A discussion of principles. Journal of hydrology, 10(3), 282-290.
Ngo-Duc, T., Laval, K., Ramillien, G., Polcher, J., and Cazenave, A. (2007). Validation of the land water storage simulated by Organising Carbon and Hydrology in Dynamic Ecosystems (ORCHIDEE) with Gravity Recovery and Climate Experiment (GRACE) data, Water Resour. Res, 43, 4-20.
Perrin, C., Michel, C. and Andréassian, V. (2003). Improvement of a parsimonious model for streamflow simulation. Journal of hydrology, 279(1-4), 275-289.
Podger, G., 2004. Rainfall runoff library user guide. Cooperative Research Centre for Catchment Hydrology.
Qi, W., et al. (2016). Evaluation of global fine-resolution precipitation products and their uncertainty quantification in ensemble discharge simulations. Hydrology and Earth System Sciences, 20, 903–920.
Sood, A. and Smakhtin, V. (2015). Global hydrological models: a review. Hydrological Sciences Journal, 60(4), 549-565.
Van Beek, L.P.H., Bierkens, M.F.P. (2009). The Global Hydrological Model PCR-GLOBWB: Conceptualization, Parameterization and Verification. Department of Physical Geography, Faculty of Earth Sciences Utrecht University.
تحقیقات آب و خاک ایران
دوره 53، شماره 4
تیر 1401
صفحه 821-833

فایل ها

هم رسانی

ارجاع به این مقاله

آمار