شماره ركورد كنفرانس :
4173
عنوان مقاله :
تخمين دقت مدل‌هاي تجربي در تعيين ضريب رواناب سالانه حوضه آبريز درياچه اروميه به كمك فناوري سنجش‌ازدور (RS)
پديدآورندگان :
اكبري مهدي akbari_mahdi@mehr.sharif.ir فارغ التحصيل كارشناسي ارشد دانشكده مهندسي عمران دانشگاه صنعتي شريف , آقايي محمدمهدي دانشجوي دكتري دانشكده مهندسي عمران دانشگاه صنعتي شريف , فرهمند حميد دانشجوي دكتري دانشكده مهندسي عمران دانشگاه صنعتي شريف , تجريشي محمد مسعود استاد دانشكده مهندسي عمران دانشگاه صنعتي شريف
تعداد صفحه :
8
كليدواژه :
ضريب رواناب , سامانه اطلاعات جغرافيايي , سنجش‌ازدور , حوضه آبريز درياچه اروميه , SCS-CN , Kennessy
سال انتشار :
1396
عنوان كنفرانس :
دهمين كنگره ملي مهندسي عمران
زبان مدرك :
فارسي
چكيده فارسي :
محاسبه رواناب براي حوضه هاي فاقد اندازه گير يك چالش مهم براي محققين و برنامه ريزان منابع آب مي باشد. ازآنجايي‌كه با مشخص نمودن اين ترم مهم در معادله بيلان آبي مي توان محاسبات لازم براي ديگر ترم هاي معادله بيلان مانند ميزان تغذيه آبخوان هاي زيرزميني را پي‌ريزي نمود، محاسبه رواناب به‌عنوان نقطه شروع بررسي هاي هيدرولوژيكي حوضه هاي آبريز شناخته مي شود. در اين تحقيق از مدل هاي تجربي SCS-CN و Kennessey براي توليد نقشه ضريب رواناب حوضه آبريز درياچه اروميه از سال 2006 استفاده‌شده است. با توجه به مشكل پخش آب در نزديكي سطح درياچه اروميه و دست‌خوردگي حوضه‌هاي مياني از فعاليت‌هاي كشاورزي سعي شده است تا با انتخاب زير حوضه‌هايي كه در سرشاخه رودها قرار دارند، انطباق مدل با شرايط طبيعي افزايش يابد. نتايج نشان مي دهد كه روش Kennessey براي مدل‌سازي رواناب اين حوضه در مقياس سالانه از دقت بالاتري برخوردار است. روش SCS-CN در گام هاي زماني كوچك تر همچون روزانه دقت بيش‌تري را نشان داد. ميانگين ضرايب رواناب مشاهداتي در زير حوضه‌هاي منتخب برابر 0.2 است. در مدل Kennessey مقدار شاخص آماري RMSE در اين نواحي برابر 0.2 بوده، درحالي‌كه در همان زير حوضه‌ها در مدل SCS-CN ميزان RMSE برابر 0.6 مي باشد. اين يعني كه مدل شماره منحني در مقياس‌هاي بزرگ زماني بسيار كم دقت تر از مدل Kennessey است. قابل ذكر است كه مدل Kennessey نيز نياز به كاليبره شدن دارد؛ چرا كه دقت آن با توجه به شاخص RMSE و ميزان رواناب مشاهداتي از كيفيت مطلوبي برخوردار نمي باشد.
كشور :
ايران
لينک به اين مدرک :
بازگشت