کاربرد مدل SWAT در شبیهسازی رواناب ماهانه، حوزه آبخیز دریاچه ارومیه در استان کردستان
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 306
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-6-3_009
تاریخ نمایه سازی: 9 اردیبهشت 1400
Abstract:
مدل ارزیابی خاک و آب (SWAT) یک مدل پیوسته و نیمه توزیعی میباشد. مدل SWAT قابلیت اتصال به سیستم اطلاعات جغرافیایی (GIS) را دارد. این مدل با استفاده از طیف وسیعی از اطلاعات همانند اطلاعات فیزیکی حوضهها (خاک، کاربری اراضی و شیب) و همچنین، اطلاعات هواشناسی همانند بارندگی، درجه حرارت، باد، رطوبت نسبی و تابش خورشیدی میتواند فرایندهای هیدرولوژیکی را در حوزههای آبریز در مقیاس زمانی روزانه، ماهانه و سالانه شبیهسازی کند. شبیهسازی فرایندهای هیدرولوژیکی در حوزههای آبخیز برای پیشبینی اتفاقات آینده در آن حوضهها و تعیین راهکارهای مقابله با آنها امری ضروری میباشد. در این پژوهش با استفاده از مدل هیدرولوژیکی SWAT اقدام به شبیهسازی رواناب خروجی در محدوده بالادست ایستگاه هیدرومتری سنته در حوزه آبخیز دریاچه ارومیه در استان کردستان در ایران با مساحت km۲۵۳۰۶ شد. شبیهسازی رواناب در یک دوره آماری هفت ساله ۲۰۰۷-۲۰۱۳ انجام شد. پنج سال ابتدایی این دوره ۲۰۰۷-۲۰۱۱ برای واسنجی مدل با استفاده از ۲۱ پارامتر مختلف و دو سال انتهایی آن ۲۰۱۱ و ۲۰۱۲ جهت اعتبارسنجی با استفاده از دو شاخص آماری ضریب ناشساتکلیف (NSE) و ضریب تعیین (R۲) مورد بررسی قرار گرفت. با توجه به هیدروگراف شبیهسازی شده و مشاهداتی رواناب ماهانه، شاخصهای آماری محاسبه شده مدل SWAT در دوره واسنجی و هم در دوره اعتبارسنجی در مقیاس زمانی ماهانه دارای نتایج قابل قبولی در شبیهسازی رواناب میباشد، بهطوری که مقادیر ضریب NSE و R۲ در دوره واسنجی بهترتیب معادل ۷۸/۰ و ۸۲/۰ و برای دوره اعتبارسنجی ۹/۰ و ۹۱/۰ محاسبه شد.
Keywords:
Authors
زانیار فاتحی
دانشجوی کارشناسی ارشد، گروه مهندسی و مدیریت منابع آب، موسسه غیرانتفاعی توسعه دانش سنندج، سنندج، ایران
سید وحید شاهویی
استادیار، گروه مهندسی و مدیریت منابع آب، موسسه غیرانتفاعی توسعه دانش سنندج، سنندج، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :