Maryam Shafiei - دانش آموخته دکتری، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
Javad Bazrafshan - دانشیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
Parviz Irannejad - دانشیار، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران

مدل HBV (Hydrologiska Byråns Vattenbalansavedlning) یک مدل مفهومی است که به طور گسترده­ای برای پیش­بینی­های آب شناسی و مطالعات منابع آب به کار می­رود. در این مطالعه تحلیل حساسیت پارامترهای مدل HBV برای زیرحوضه های کرخه و کل حوضه کرخه در چهار بازه زمانی مختلف ۱، ۵، ۱۰ و ۲۵ سال با چهار روش FAST (Fourier Amplitude Sensitivity Test)، (Regional Sensitivity Analysis) RSA،Sobol  و رگرسیون بررسی شده است. پس از تعیین حساس­ترین پارامترها مدل با روش الگوریتم ژنتیک با مرتب­سازی نامغلوب، NSGA (Nondominated Sorting Genetic Algorithm) واسنجی شده است. توابع هدف برای بررسی عملکرد مدل شامل NSE، RMSE، RSR و BIAS می­باشند. نتایج تحلیل حساسیت پارامترها نشان می­دهد که روش­های Sobol و RSA به علت تغییرپذیری در بازه­های زمانی و زیرحوضه­های مختلفروش­های قابل اطمینان­تری هستند. حساس­ترین پارامترهای مدل HBV برای زیرحوضه­ها و حوضه کرخه در روال خاک پارامتر بیشینه ذخیره رطوبت خاک (Fcap) و در روال پاسخ پارامتر بیشینه ذخیره رطوبت لایه سطحی خاک (hl۱) هستند، این پارامترها در دبی­های کمینه بیشترین حساسیت را نشان داده­اند. پارامترهای روال برف مخصوصا پارامتر دمای آستانه برای یخ­زدگی (ttlim) در زیرحوضه­های قره­سو و کشکان و در بازه­های زمانی کوتاه­مدت (۱ و ۵ سال) حساسیت نشان داده­اند. مدل HBV توانایی شبیه­سازی رواناب در حوضه کرخه و زیرحوضه­های آن با دقت بالا را دارد. این مطالعه نشان می­دهد انتخاب بازه­های زمانی کوتاه­تر واسنجی، نتایج شبیه­سازی بهتری ارائه می­دهد. در بازه زمانی یک سال بهترین ضریب NSE، RSR و RMSE مربوط به زیرحوضه گاماسیاب به ترتیب به مقدار ۹۵/۰، ۲۱/۰ و ۴/۱ و بهترین BIAS مربوط به زیرحوضه کشکان و حوضه کرخه به مقدار ۱۳/۰ است.

مدل مفهومی HBV, تحلیل حساسیت, واسنجی, حوضه آبریز کرخه