تعيين مناسبترين روش اصلاحي برآورد باررسوب معلّق (مطالعه موردي: حوزه آبخيز تنگ بستانك)

Determine the most appropriate corrective method to estimate suspended sediment load Case Study: Tange Bostanak Watershed

برآورد صحيح از ميزان رسوب حمل­شده توسط سيستم آبراهه يك حوزه آبخيز در طراحي تمام پروژه­ هاي آبي و حفاظت خاك ضروري مي­باشد. با توجه به تبديل لگاريتمي داده­ هاي دبي – رسوب، نياز به اصلاح اريب زياد معادلات رگرسيوني سنجه رسوب مي­باشد. از اين رو تحقيق حاضر درصدد ارزيابي عملكرد 6 روش سازمان خواروبار و كشاورزي جهاني (FAO)، روش اصلاح­گر (LS)، روش اداره عمران اراضي ايالات متحده(USBR)، برآوردكننده نااريب با حداقل واريانس(MVUE)، روش كائو(β) و تخمين­گر شبه­بيشينه درست­نمايي (MQMLE)در برآورد رسوب معلّق در حالت بدون تقسيم­بندي داده­ها در حوزه­ي آبخيز تنگ­بستانك بود. بدين منظور از شاخص­هاي مجذور مربعات خطا (RMSE)، ضريب كارايي مدل(CE)، برآورد خطاي نسبي(ER)، انحراف استاندارد عمومي(GSD)، شاخص نسبت اختلاف(r)، شاخص صحّت(P) و تفاوت توزيع احتمالاتي رسوب مشاهداتي و برآوردي استفاده شد. ضريب تبيين رسوب معلّق مشاهداتي و برآوردي جهت نمايش ارتباط قوي ميزان مشاهداتي و اصلاحي محاسبه گشت. نتايج نشان داد روش تخمين­گر شبه ­بيشينه درست نمايي(LQMLE) با ميزان مجذور مربعات خطاي معادل 3/663 ، ضريب كارايي 92/1، انحراف استاندارد عمومي 0/556، نسبت اختلاف 1/01، برآورد درصد خطاي نسبي 33 و شاخص صحّت1/01 در كل بهترين مدل جهت برآورد رسوب معلّق حوزه و مدل­هاي FAO و LS ( با مجذور مربعات خطاي 6/24 و ضريب كارايي 76/3)،( با مجذور مربعات خطاي4/87 و ضريب كارايي 85/7) ضعيف­ترين مدل­ها در برآورد رسوب معلّق حوزه مي­باشند. در مجموع روش­هاي مختلف و ضرايب اصلاحي متفاوت نمودار سنجه­رسوب در حالت بدون تقسيم­بندي داده­ها مي­توان نتيجه­ گيري كرد كه در اكثر مدل­ها روش­هاي LQMLE و MVUE بهترين روش­ هاي برآورد رسوب معلّق بوده ­است.

Accurate estimation of the sediment amount carried by a watershed drainage system in the design of all projects in water and soil conservation is essential. Due to convert logarithmic sediment rating curves, sediment regression equations is necessary to correct too biased. The present study aims to evaluate the performance of five methods of rating curve including FAO, MVUE, QMLE, LRC, Ls and β in the case of no category situations. Root mean square of error, coefficient of efficiency indicators, General Standard Deviation, Precision, Difference relation and Relative error were used to evaluate the performance of sediment rating curves and to choose the best of them. The result showed LQMLE method with RMSE=3.663, CE=92.1, GSD=0.556, r=1.01, RE=33% and P=1.01 is the best method of calculating sediment and FAO and LS models (with root mean square error of 6.24 and efficiency coefficient 76.3), (the root mean square error of 4.87 and 85.7 efficiency coefficient) are the weakest model in estimating the suspended sediment basin. n general, different methods and different correction factors in non-categorized of sediment rating curves, can be concluded that in most models and methods LQMLE and MVUE are the best methods of estimating the suspended sediment load.