شبیه سازی رواناب به کمک مدل SWAT در مقیاس سالانه (مطالعه موردی: حوضه آبریز نیشابور)
Publish place: The Journal of Water and Soil، Vol: 29، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 216
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-29-4_005
تاریخ نمایه سازی: 25 دی 1401
Abstract:
رواناب از مولفههای اصلی بیلان آب در سطح حوضه آبریز است که برآورد دقیق آن به شبیهسازی بهتر هیدرولوژیک حوضه آبریز کمک مینماید. در این پژوهش از مدل [۱]SWAT برای شبیهسازی رواناب در حوضه آبریز نیشابور با مساحت ۹۵۰۰ کیلومتر مربع در حد فاصل سالهای ۱۳۸۶ تا ۱۳۸۹ استفاده شد. بدین منظور مدل SWAT با استفاده از دادههای اندازهگیری شده رواناب در سه ایستگاه هیدرومتری اندراب، خرو مجموع و حسینآباد در طی سالهای ۱۳۷۶ تا ۱۳۸۶ واسنجی شد. برای واسنجی، بررسی عدم قطعیت و تحلیل حساسیت مدل از الگوریتم SUFI-۲ استفاده شد. نتایج نشان داد که پارامترهایی نظیر تلفات انتقال آبراههای، شماره منحنی نفوذ و فاکتورهای مربوط به ذوب برف بیشترین حساسیت را در برآورد دبی رواناب از خود نشان دادند. واسنجی مدل در هر سه ایستگاه اندراب، خرو مجموع و حسین آباد بهترتیب با استناد به مقادیر ۸۴/۰، ۷۷/۰ و ۹۲/۰ برای ضریب کارایی (نش- ساتکلیف) مناسب ارزیابی شد، اگرچه کمبرآوردی نقاط اوج هیدروگراف بهصورت نسبی مشاهده شد. مقادیر همین معیار برای دوره اعتبارسنجی نیز بهترتیب ۹۲/۰، ۶۶/۰ و ۷۱/۰ بهدست آمد. ریشه میانگین مربعات خطا نیز در مرحله واسنجی در بازه ۴۶/۰ تا ۵۷/۰ متر مکعب در ثانیه و در مرحله اعتبارسنجی در بازه ۰۶/۰ تا ۱۹/۰ متر مکعب در ثانیه برای ایستگاههای مذکور متغیر بود. نتایج نشان داد که درنظر گرفتن مفاهیم مدیریت گیاهی، تخمین مقادیر رواناب را به میزان قابل توجهی بهبود میبخشد.
Keywords:
Authors
روزبه موذن زاده
استادیار، گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود
بیژن قهرمان
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد
صالح ارشد
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه گیلان، رشت
کامران داوری
استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد
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 :