استفاده همزمان از سيگنال‌هاي اقليمي و دماي سطح آب دريا در پيش‌بيني جريان (مطالعه موردي حوضه چشمه-كيله)

Simultaneous Use of Climatic Signals and Sea Surface Temperature for Flow Forecasting (Case study: Cheshmeh Kileh catchment area

با توجه به ميزان منابع آب و سرانه مصرف، ايران از جمله كشورهايي است كه در گروه كشورهاي مواجه با كمبود آب قرار دارد. لذا، پيش‌بيني و برنامه‌ريزي منابع آب مي‌‌تواند نقش بسزايي در تصميم‌گيري‌هاي آينده براي چگونگي مصرف آب داشته باشد. امروزه يافته‌هاي محققين در ايجاد ارتباط قوي بين تغييرات بزرگ مقياس اقليمي‌ و پديده‌هاي هيدرولوژيكي، ضرورت پرداختن به مباحث هيدرو‌اقليم شناسي در هيدرولوژي را دو چندان نموده است و استفاده از روش‌هاي آماري و مدل‌هاي پيشرفته كمك قابل‌توجهي در جهت پيش‌بيني پديده‌هاي هيدرولوژيكي داشته است. در اين تحقيق، پيش‌بيني آبدهي فصل بهار در رودخانه چشمه­ كيله واقع در شهرستان تنكابن در شمال كشور به كمك سيگنال‌هاي اقليمي‌ مرسوم مربوط به اقيانوس آرام و اطلس شامل Ninoها، AMO،SOI ، NAO و PDO و تغييرات دماي سطح آب درياي خزر (SST) در فصل زمستان با استفاده از مدل مفهومي‌ شبكه عصبي مصنوعي مورد بررسي قرار گرفت. خطاي پيش‌بيني جريان رودخانه با مدل شبكه عصبي مصنوعي و ورودي سيگنال‌هاي اقليمي‌ SOI-NINO4-NINO3.4 به روش مجذور ميانگين مربع خطا برابر 61/8 مترمكعب بر ثانيه بدست آمد. اين خطا با ورودي سيگنال NINO3.4 به 31/3 مترمكعب بر ثانيه و همچنين خطاي پيش‌بيني با ورودي بارندگي و دماي سطح آب درياي خزر تا 08/0 كاهش يافت.

Regarding to the amount of water resources and per capita water consumption, Iran is one of those countries which faces with water shortage. Therefore, water resources forecasting and planning could have a considerable role on future water consumption decisions. Today, the researchers’ findings about strong correlation between large scale climatic changes and hydrological phenomena have doubled the necessity of considering hydro-climatological discussions in hydrology. Accordingly, the use of statistical methods and advanced models has greatly contributed in forecasting hydrological phenomena. In the present study, the estimation of spring discharge in Cheshmeh kile's stream was investigated through common climatic signals related to the Pacific Ocean and the Atlantic includes Niño’s, AMO, SOI, NAO and PDO and also through the Caspian Sea surface temperature in winter by using conceptual model of ANN. The stream flow forecasting error with ANN model and climatic signals entry-SOI-NINO4-NINO3.4 using RMSE was calculated to be 8.61 m3/sec. This error with signal entry NINO3.4 was decreased to 3.31 m3/sec. Also, the forecasting error with precipitation entry and the Caspian Sea surface temperature was reduced to 0.08.