مدل‌سازي جريان حاصل از ذوب برف بر اساس مدل پنمن مونتيث‌ تغيير يافته

Snowmelt Flow Modeling Based on the Modified Penman Monteith Equation

عوامل زيادي در ذوب برف دخالت دارند، به همين جهت تعيين دقيق آن يكي از چالش‌هاي مهم در مديريت منابع آب به شمار مي‌رود. پيش‌بيني رواناب حاصل از ذوب برف به برنامه‌ريزي و مديريت موثرتر و كاراتر منابع آب از جمله مديريت مخزن، مديريت آب هاي زيرزميني و هشدار سيل كمك مي‌كند. در اغلب مناطق، اطلاعات مشاهده‌اي زميني براي خصوصيات برف اندك بوده كه خود يكي از محدوديت‌هاي مدل‌سازي جريان حاصل از ذوب برف است. به اين منظور، در اين مطالعه معادله پنمن مونتيث تغيير‌يافته با استفاده از داده‌هاي اقليمي ايستگاه هواشناسي ليقوان در استان آذربايجان‌شرقي به منظور تخمين رواناب حاصل از ذوب برف به كار گرفته شد. دو سوم داده‌ها براي آموزش و يك سوم آنها براي صحت‌سنجي استفاده شدند. در نهايت معادله پنمن مونتيث تغيير‌يافته با ارائه مقادير 0.89 و 0.85 براي ضرايب همبستگي براي بخش آموزش و صحت‌سنجي و مقادير 0.57 و 0.37 مترمكعب بر ثانيه براي ميانگين مطلق خطاها براي بخش آموزش و صحت‌سنجي، به عنوان مدلي مناسب كه بر اساس پارامترهاي اقليمي جريان را تخمين مي‌زند، ارايه گرديد.

Many factors are participated in the snowmelt process, therefore accurate estimation of it is one of the major challenges in water resources management. Snowmelt runoff prediction provides the necessary tools for effective and efficient management of water resources, including reservoir management, groundwater management and flood warning. In most cases there are little earthobserving information for snow properties which is one of the limitations of snowmelt flow modeling. For this purpose, the modified Penman-Monteith equation using climate data from Lighvan weather station in the East Azarbaijan Province was applied in order to estimate runoff from snowmelt. Two-thirds of data were used for training and the rest one-third for verification of the model. Finally, the modified Penman-Monteith equation with mean correlation coefficients values of 0.89 and 0.85 for training and verification stages, mean average absolute error values of 0.57 and 0.37 m3s1 for training and testing stages, was presented as an appropriate model to estimate the snowmelt flow based on climatic parameters.