تحليل عدم قطعيت پارامترها با روش مونت-كارلو براي پيش‌بيني سيل با بكارگيري بارش و دماي هوا پيش‌بيني‌شده با مدل WRF در حوضه دز

Parameter uncertainty analysis by Monte-Carlo method for flood forecasting using WRF Prediction of Precipitation and Air Temperature in Dez Basin

عدم‌قطعيت پارامترهاي مدلهاي بارش-رواناب، منابع اصلي عدم‌قطعيت در پيش بيني بهنگام سيل مي‌باشند. در اين مقاله از روش مونت كارلو براي تعيين عدم‌قطعيت هيدروگراف سيلاب پيش‌بيني‌شده بعلت عدم‌قطعيت در پارامترهاي كاليبراسيون مدل بارش-رواناب در حوضه دز در جنوب غربي ايران استفاده شده است. بارش و دماي هوا با بكارگيري مدل پيش‌بيني و تحقيقات آب و هوا (WRF) پيش‌بيني شد. براي پيش‌بيني سيلاب متناظر با بارش و دماي هواي پيش‌بيني‌شده، از مدل هيدرولوژيكي HEC-HMS استفاده شد. براي مدلسازي تلفات، تبديل بارش به رواناب و رونديابي جريان در آبراهه‌ها به ترتيب از روش‌هاي شماره منحني SCS، هيدروگراف واحد كلارك و ماسكينگام-كانج استفاده شد. نتايج نشان مي‌دهد كه بهترين طرحواره در مدل WRF براي پيش‌بيني بارش و دماي هواي ساعتي در حوضه دز MYJLG است. بنابراين طرحواره لايه مرزي MYJ، طرحواره خردفيزيك ابر Lin و طرحواره تابشي GODDARD بهترين عملكرد در پيش‌بيني سيل در حوضه دز را دارد. علاوه بر اين نتايج اين تحقيق نشان مي‌دهد كه با در نظرگرفتن عدم‌قطعيت همزمان در تمام پارامترها، عدم‌قطعيت در دبي اوج هيدروگراف سيل پيش‌بيني‌شده بيشتر از عدم‌قطعيت در حجم هيدروگراف است. بطوري كه عدم‌قطعيت در دبي اوج و حجم هيدروگراف سيل پيش‌بيني‌شده بعلت عدم‌قطعيت تمامي پارامترها به ترتيب برابر با 32/5 و 21/2 درصد است. بنابراين با كمبود مراحل پيش‌بيني و هشدار سيل بر مبناي ريسك، به كميت درآوردن عدم‌قطعيت، اطلاعات اضافي در مورد پيش‌بيني‌ها فراهم كرده كه به تصميم‌گيرندگان كمك مي‌كنند تا به نحو مناسبتر تصميم بگيرند.

Parameters uncertainty of rainfall-runoff models are the main sources of uncertainty in real time flood forecasting. In this paper, the Monte Carlo method is used to estimate the uncertainty of the forecasted flood hydrograph due to uncertainty in the calibration parameters of the rainfall-runoff model in Dez Basin in southwestern Iran. Precipitation and air temperature were predicted using Weather Research and Forecasting (WRF) model. The HEC-HMS hydrological model was used to forecast the flood hydrograph corresponding to the predicted precipitation and air temperature. The SCS-CN, Clark Unit Hydrograph, and Muskingum-Cung methods were used to model losses, transform and flood routing, respectively. The results show that the best scheme in WRF model is MYJLG to predict hourly precipitation and air temperature in Dez Basin. Therefore, the MYJ boundary layer scheme, Lin cloud microphysics scheme and GODDARD radiant scheme have the best performance in flood forecasting in Dez basin. In addition, the results of this study show that considering the simultaneous uncertainty in all parameters, the uncertainty in peak discharge of the forecasted flood hydrograph is higher than the uncertainty in the volume of the hydrograph. So that the uncertainty in peak discharge and the volume of forecasted flood hydrograph due to the uncertainty of all parameters are equal to 32.5 and 21.2%, respectively. Thus, with the lack of flood forecasting and warning based on risk, quantifying uncertainty has provided additional information about forecasts that will help decision makers make better decisions.