تخمين آبدهي و همگن بندي حوضه هاي آبخيز فاقد آمار شمال غرب كشوربا استفاده از منحني رشد منطقه اي (استان هاي آذربايجان شرقي، آذريايجان غربي، اردبيل، ايلام وكردستان)

Yeild estimation and homogenizing in north-west unguaged sites of Iran by applying Regional Growth Curve (Azarbayejan sharghi, Azarbayejan gharbi, Ardebil, Kordestan and Ilam provinces)

برنامه‌ريزي و اولويت‌بندي در مديريت حوضه‌هاي آبخيز نياز به داده‌هاي مختلفي از جمله آبدهي و نوسانات آن دارد. مقادير آبدهي متوسط با دوره بازگشت‌هاي مختلف براي تخمين آورد رودخانه‌ها، برنامه‌ريزي براي بهره برداري از سدهاي كوچك و بزرگ، مديريت اراضي زراعي پايين دست و ساير پروژه‌هاي منابع آب وآبخيزداري مورد نياز مي‌باشد، ولي تاكنون بر اساس اطلاعات موجود بطور جامع مورد بررسي و تحليل قرار نگرفته است. از نتايج اين تحقيق در تعيين آبدهي حوضه‌هاي بدون آمار بطور مستقيم استفاده مي‌گردد. در اين مطالعه آمار آبدهي ايستگاه‌هاي هيدرومتري در سطح منطقه جمع‌آوري و مورد بررسي قرار گرفت و ايستگاه‌هايي كه داراي آمار كافي از نظر كمي و كيفي در يك دوره مشترك هستند، انتخاب گرديد. براي اين ايستگاه‌ها آبدهي متوسط سالانه محاسبه شد. تحليل همگني حوضه‌ها با توجه به آبدهي و پارامترهاي تاثيرگذار صورت ‌گرفت. علاوه بر اين تعدادي از سالها در كليه ايستگاه‌ها براي ارزيابي روابط بدست آمده از تحليل منطقه‌اي كنار گذاشته شد علاوه بر تحليل منطقه‌اي آبدهي متوسط سالانه، تحليل احتمالاتي نيز انجام و سپس بهترين توزيع آماري براي آنها برازش داده و دبي با دوره بازگشتها 2 تا 100 ساله برآورد ‌شد. با استفاده از مساحت حوضه، روابط منطقه‌اي آبدهي محتمل با دوره بازگشت دو ساله براي مناطق همگن استخراج ‌گرديد. سپس بر اساس منحني رشد منطقه اي كه حاصل مقادير بي بعد آبدهي با دوره بازگشتهاي مختلف نسبت به دوره بازگشت دو سال است، مقادير آبدهي در ايستگاه- هاي شاهدي كه در محاسبات نقشي نداشته بدست آمده و با مقدار دبي مشاهده اي ارزيابي شده و در هر منطقه روابط مناسب تعيين ‌گرديد. نتايج اين تحقيق نشان مي دهد كه همگن بندي در اين منطقه براي تخمين آبدهي در حوضه هاي فاقد آمار با استفاده از منحني رشد منطقه اي تاثير گذار نيست، اما مي توان آبدهي حوضه ها را با دقت خيلي خوبي بدست آورد. لازم به ذكر است كه روابط رگرسيوني به دست آمده بر مبناي ميانه، از دقت بالاتري نسبت به روابط به دست آمده بر مبناي ميانگين برخور دارند.

Programminng and prioritizing are two important factors in basin management that needs different data as like as yield value and its fluctuations. The amount of average yield with different return periods is needed for different purposes as: Estimating river yield, planning for the operation of small and large dams, downstream farms management and other water resources and watershed management projects. Based on available references, there isn’t any comprehensive surveying on this matter. Results of this paper can be applied directly for estimating unguaged sites yields. In this study, hydrometric stations data were collected and analyzed and then the stations which had sufficient data (in regards of both quality and quantity) in the common period were selected. Annual average yields of these stations were calculated. Basins homogenizing was done based on yields and other effective parameters. Furthermore, a number of years in all stations were put away from regional analyzing for evaluating achieved equations. In addition to regional analyzing of annual average yields, probability analysis was also done; the best statistical distribution was fitted and yeild discharge with 2 to 100 years return periods were estimated. By applying basin’s area, probable yield regional equations with 2 years return period were extracted for homogeneous regions.Then based on regional growth curve (Dimensionless ratio of yields with different return periods devided by yield with 2 ears return period) yield values in the stations which didn’t participate in the calculation, were achieved and evaluated with observed yield values. So in each region appropriate equations were determined. As the results of this study shows, in this region homogenizing for yield estimation in unguaged sites was not an appropriate method using regional growth curve, but it can estimate yields with an acceptable accuracy. On the other hand, results shows that regression equations based on median were more accurate in comparison with mean.