پیش بینی جریان رودخانه با استفاده از محاسبات نرم و اطلاعات ماهواره ای (مطالعه موردی: حوزه آبریز رودخانه حبله رود)

با توجه به تعدد عوامل موثر بر تولید رواناب و تضاد در مقیاس های زمانی و مکانی عوامل تولید آن، تخمین رواناب خصوصا در مناطق خشک و نیمه خشک امری پیچیده و دشوار است. افزایش جمعیت و تغییر کاربری اراضی موجب پیچیده تر شدن شرایط می گردد. از طرفی تغییر اقلیم نیز با تغییر در مولفه های آب و هوایی نظیر بارندگی و دما موجب تغییرات در جریان خروجی از یک منطقه می گردد. علاوه بر عوامل ذکر شده برخی سیگنال های آب و هوایی با منشاء خارجی نیز می توانند موجب تغییرات در شرایط آب و هوایی یک منطقه گردند. پیش بینی آورد رودخانه می تواند ضمن برنامه ریزی مناسب، مدیریت بهینه منابع آب منطقه را موجب گردد و انجام طرح های توسعه منابع آب از توجیه اقتصادی مناسب تری برخوردار گردد. در این تحقیق آنالیز حساسیت داده ها با استفاده از آزمون گاما بر روی داده های اقلیم منطقه ای و داده های اقلیمی بزرگ مقیاس معروف به شاخص های پیوند از دور انجام گرفت. با توجه به قابلیت و انعطاف پذیری بالای تکنیک های محاسبات نرم، از سه روش شبکه عصبی شامل شبکه های عصبی پیش رونده تعمیم یافته (JFFN)، شبکه های عصبی جوردن المان (JEN)، شبکه عصبی زمان تاخیری (TLNN) و روش شبکه های سیستم هیبریدی نر و فازی با نام مدل تطبیقی عصبی- فازی (CANFIS) در ۴ زیرحوزه آبریز حبله رود طی دو دوره ۳۰ و ۱۱ ساله استفاده گردید. برای بررسی نقش پوشش سطح برف در تولید رواناب از تصاویر ماهواره مدیس طی دوره کوتاه مدت استفاده شد. شاخص های دور پیوندی پس از انجام آنالیز حساسیت در مرحله مدلسازی مورد ارزیابی قرار گرفتند تا تاثیر آنها بر کارایی پیش بینی جریان مورد بررسی قرار گیرد. برای بررسی اثرات محتمل تغییر اقلیم بر روی رواناب در مقیاس ماهانه، از مدل های گردش عمومی IPCM۴ ۷HADCM۳ و BCM۲ تحت سناریوهای A۲, A۱B و B۱ استفاده شد و رزی مقیاس نمایی آماری داده ها با استفاده از مدل LARS-WG در سه دوره ی ۲۰۱۱-۲۰۳۰، ۲۰۴۶-۲۰۶۵ و ۲۰۸۰-۲۰۹۹ انجام گرفت. برای مدلسازی جریان در این بخش از مدل IHACRES استفاده شد. بررسی نتایج بدست آمده حاکی از این است که تعیین سطح پوشش برف در منطقه می تواند عامل مهمی در تخمین جریان و کاهش خطا خصوصا در مدل های با الگوریتم تاخیری باشد. همچنین نتایج بدست آمده تائید کننده این بود که استفاده از روش های محاسبات نرم می تواند در کاهش خطای تخمین جریان نقش مهمی داشته باشد. هرچند که نتایج برای دوره کوتاهتر با سهیم نمودن ورودی سطح پوشش برف بهتر بود. از طرفی استفاده از شاخص های دور پیوندی پس از آنالیز حساسیت داده ها همراه با سایر پارامترهای اقلیم منطقه ای باعث کاهش خطا در تخمین جریان رودخانه می شود، هرچند که استفاده از این شاخص ها به تنهایی نمی تواند تخمین گرهای مناسبی برای جریان رودخانه باشد. همچنین بررسی نتایج نشان می دهد که در زیرحوزه ۴ ایستگاه بنکوه که خروجی اصلی منطقه مورد مطالعه قرار دارد، متوسط جریان سالانه تا پایان قرن ۲۱ حدود ۱۱/۱ درصد کاهش یابد و ا ین به معنای کاهش ۴۳/۵ میلیون متر مکعب حجم جریان های سطحی خروجی از این منطقه می باشد. نتایج بدست آمده می تواند زمینه مدیریت بهینه منابع آب را در منطقه موجب گردد و انجام طرح های توسعه منابع آب از توجیه اقتصادی مناسب تری برخوردار گردد و بتوان قطعیت بیشتری در خصوص پیش بینی روند تغییرات جریان رودخانه بدست آورد.