صحت سنجی پهنه و هیدروگراف سیلاب با استفاده از داده های بارش ERA۵ (مطالعه موردی: حوضه زشک)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 79
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEH-11-3_002
تاریخ نمایه سازی: 29 خرداد 1402
Abstract:
بارش یکی از اصلی ترین عوامل وقوع سیلاب هاست که به علت عدم پراکندگی مناسب ایستگاه های باران سنجی و تازه تاسیس بودن برخی از این ایستگاه ها در اکثر حوضه های کشور، استفاده از داده های بارش با چالشی جدی روبروست. ازاین رو روش های دورسنجی می توانند یکی از گزینه های مورداستفاده در این زمینه باشند. در پژوهش حاضر، داده های بارش بازتحلیل شده ERA۵ برای حوضه آبریز کشف رود در گام های زمانی روزانه و ماهانه مورد ارزیابی قرار گرفت و سپس هیدروگراف و پهنه سیلاب آن، با استفاده از داده های بارش ایستگاه زشک و پارامترهای مربوط به حوضه آبخیز زشک در نرم افزارهای HEC-HMS و HEC-RAS، موردبررسی قرار گرفت. نتایج نشان داد که داده های بارش ERA۵ دارای کم برآوردی می باشد و داده های بارش در گام زمانی ماهانه ([۰.۹۲-۰.۶۸]=R) دقت بالاتری نسبت به روزانه ([۰.۰۸۱-۰.۵۲]=R) داشت و هیدروگراف جریان آن در مقایسه با هیدروگراف مشاهداتی غیرقابل قبول (۰.۴۷-NSE= و ۵۵.۱۶-=PBias) بود. پهنه سیلاب دبی داده های بارش بازتحلیل شده ERA۵ نیز نسبت به پهنه سیلاب دبی مرجع معادل ۰.۱۹- به دست آمد که به دلیل کم برآوردی داده های بارش و به دنبال آن کم برآورد شدن دبی اوج هیدروگراف آن در مدل HEC-HMS این نتیجه به دست آمده است. مطالعات آینده می توانند در خصوص ارزیابی پهنه سیلاب حاصل از داده های بارش محصولات مختلف در نرم افزار HEC-RAS باشند.
Keywords:
Authors
سعیده پورانتظاری
دانشجوی کارشناسی ارشد، گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، مشهد، ایران
کاظم اسماعیلی
دانشیار گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، مشهد، ایران
علیرضا فرید حسینی
دانشیار گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، مشهد، ایران
الهه غفاری
دانش آموخته دکتری گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد، مشهد، 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 :