ارزیابی کارایی مدل هیدرولوژیکی IHACRES درمناطق مرطوب (مطالعه موردی حوضه ناورود، گیلان)
Publish place: Journal of Water and Soil Science، Vol: 19، Issue: 73
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 219
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-19-73_007
تاریخ نمایه سازی: 22 اردیبهشت 1400
Abstract:
رواناب سطحی یکی از دلایل اصلی در فرسایش و کاهش حاصلخیزی خاک، رسوب گذاری در مخازن و کاهش کیفیت آب رودخانه است. بنابراین، پیش بینی دقیق پاسخ حوضه به رویداد های بارش، بسیار مهم است. مدل های هیدرولوژیک، نمایش ساده شده ای از سامانه واقعی آبخیز هستند، که به مطالعه درباره عملکرد حوضه در واکنش به ورودی های گوناگون و فهم بهتر فرآیندهای هییدرولوژی کمک می کنند. با توجه به تنوع مدل های بارش- رواناب، انتخاب یک مدل مناسب برای حوضه به منظور برنامه ریزی و مدیریت منابع آب حائز اهمیت است و در این راستا قابلیت ها ومحدودیت های مدل ها می تواند در انتخاب آنها اثر گذار باشد. لذا در این پژوهش، کارایی مدل IHACRES در شبیه سازی روزانه رواناب حوضه ناورود با استفاده از معیارهای ارزیابی ناش- ساتکلیف و میانگین خطای کل(Bias) مورد بررسی قرار گرفت. در تحقیق حاضر از آمار بارش، دما و دبی با گام زمانی روزانه و با بهره گیری از داده های موجود در ایستگاه های خلیان وخرجگیل طی سال های آبی ۱۳۹۰- ۱۳۸۵ استفاده شده است. به این ترتیب که ۳۶ ماه از مهر ۱۳۸۵ برای کالیبراسیون مدل و ۳۶ ماه از مهر ۱۳۸۸ تا شهریور ۱۳۹۱ برای آزمون مدل انتخاب شد. در نهایت نتایج نشان داد که میزان نمایه ناش ساتکلیف و میانگین خطای کل در دوره واسنجی به ترتیب ۵۷/. و ۵۳/۸ و در مرحله آزمون ۴۸/. و ۹/۱۴ است. بنابر نتایج حاصل، مدل مورد استفاده نشان داد دارای دقت قابل قبولی در شبیه سازی جریان حوضه مورد مطالعه است.
Keywords:
Authors
سیدهادی صادقی
۱. Dept. of Watershed Management, Univ. of Kashan, Kashan, Iran.
هدی قاسمیه
۱. Dept. of Watershed Management, Univ. of Kashan, Kashan, Iran.
سیدجواد ساداتی نژاد
۲. Dept. of New Energies & Environ., Univ. of Tehran, Tehran, Iran.
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 :