شناسايي و تحليل عدم قطعيت پارامترهاي حساس مدل SWAT در برآورد رواناب حوضه كارده

Parameter Identification and Uncertainty Analysis of SWAT in Kardeh Streamflow Simulation

كارآيي مدل‌هاي هيدرولوژيكي در شبيه‌سازي رفتار يك حوضه به برآورد دقيق و اعتبار داده‌هاي خروجي مدل بستگي دارد. از آنجايي‌كه مدل‌هاي هيدرولوژيكي توزيعي به دليل جامعيت در تحليل پديده‌هاي چرخه هيدرولوژي داراي پارامترهاي متعددي هستند، در معرض عدم­ قطعيت خواهند بود. بنابراين، شناسايي و تجزيه و تحليل عدم قطعيت پارامترهاي حساس مدل ضروري مي‌باشد. در اين مطالعه عدم‌قطعيت ناشي از پارامترهاي مدل SWAT در برآورد رواناب حوضه آبخيز كارده بررسي شد و واكنش مدل به تغيير در پارامترهاي آن با روش آناليز حساسيت فراگير ارزيابي گرديد. واسنجي و تحليل عدم‌قطعيت مدل با استفاده از آمار ماهانه رواناب خروجي حـوضه در بـازه زماني 2006-2000 انجام و همچنين عملكرد مــدل در بـازه 2012-2008 اعتبارسنجي شد. بـا تـوجـه بـه مقادير ضريب كارآيي نش- ساتكليف در دوره­هاي واسنجي (0/64) و اعتبارسنجي (0/68)، مدل توسعه‌يافته SWAT كارآيي خوبي براي شبيه‌سازي جريان رودخانه كارده نشان داد. همچنين در دوره­ هاي‌ واسنجي و اعتبار‌سنجي به ترتيب 68 و 93 درصد داده‌هاي مشاهداتي در باند عدم‌قطعيت توليد شده توسط الگوريتم GLUE قرار گرفتند. اين نتايج ضمن تأييد نكويي برازش مدل به شرايط حوضه آبخيز سد كارده، نشان داد كه بازه عدم‌قطعيت توليد شده در تحليل اثر عدم‌ايستايي پارامترهاي مدل بر رواناب شبيه ­سازي شده مي­تواند بخش وسيعي از سناريوهاي محتمل آبي در حوضه مطالعاتي را در برگيرد. در نتيجه، با شناخت بازه آماري تغييرات قابل قبول پارمترهاي حساس مدل و كمّي‌سازي اثر اين تغييرات بر خروجي مدل توسط الگوريتم GLUE، قابليت اجرايي مدل واسنجي شده SWAT در شرايط مختلف عدم­ قطعيت در حوضه مطالعاتي تضمين مي­ گردد.

Distributed hydrological models have a large number of parameters in their structure. Such models produce different results using different sets of parameters’ value resulting in model uncertainty. This study, therefore, analyzes the model uncertainty induced by its parameters instability. The soil and water assessment tool (SWAT)—a powerful semi-distributed hydrological model—is employed here to simulate the Kardeh river flow, in Iran. The model parameter sensitivity was assessed using the global sensitivity analysis method; and the generalized likelihood uncertainty estimation (GLUE) technique was used for uncertainty analysis. GLUE performs the uncertainty analysis and calibration of the model through inverse modeling. Thus, observed streamflow data of 2000-2006 and 2008-2012 were respectively used at uncertainty-analysis/calibration and validation periods. Consulting the Nash-Sutcliffe efficiency coefficient values obtained in calibration (0.64) and validation (0.68) steps, the developed SWAT model showed good performance for simulating Kardeh river flow. The produced uncertainty band was also able to encompass 68 % and 93 % of the observations during calibration and validation steps, respectively. Results, while confirming the model goodness of fit, showed that the generated uncertainty interval by GLUE covers a large spectrum of the probable streamflow scenarios in the study area. Therefore, the model applicability in the study area is confirmed under different uncertainty scenarios and it can be applied for its river basin planning and management. Then, the calibrated model can be reliably forced by climate change scenario driven data to assess the hydrological impacts of climate change in the study area.