تهيه و تحليل منحني سنجه ي دبي حوزه ي آبخيز جنگلي آموزشي كجور در مقياس‌هاي گوناگون زماني

Development and Analysis of Discharge Rating Curve for Kojour Educational Forest Watershed in Different Time Scales

اندازه گيري دايمي دبي رودخانه حتي در شرايط عادي مشكل و هزينه بر است. مشكل ياد شده بويژه در شرايط وقوع سيلاب ها افزايش مي يابد. به همين منظور سعي مي شود با اندازه گيري تراز آب و دبي هاي متناظر آن در شرايط ويژه مبادرت به تهيه ي منحني سنجه‌ي دبي و يا رابطه ي بين دبي و تراز نمود. در اين پژوهش منحني سنجه ي دبي با استفاده از روابط دبي- تراز در مقياس هاي زماني گوناگون شاخه ي بالارونده و پايين رونده ي هيدروگراف رگبار، مجموع داده هاي روزانه، ماهانه و فصلي به وسيله ي رگرسيون دو متغيره و رابطه ي اصلي حاكم بر آن در حوزه ي آبخيز جنگلي آموزشي كجور با مساحت حدود 5000 هكتار واقع در استان مازندران مورد بررسي قرار گرفت. نتايج نشان داد كه روابط محاسبه شده در هر مقياس زماني منحصر به فرد بوده و رابطه ي ياد شده را نمي توان براي مقياس زماني ديگر بكار برد. يافته هاي پژوهش ضمن تاييد برتري دقت و كارآيي مدل هاي رگرسيوني بر شيوه ي كلاسيك، بيانگر دست يابي به مدل هاي خطي و تواني سنجه هاي دبي با ضريب همبستگي كمينه 58 درصد، خطاي نسبي تخمين و تاييد بيشينه به‌ترتيب 70 و 75 درصد، مجموع ميانگين مربعات خطاي كم تر و ضريب كارآيي كمينه 35 درصد در تمامي پايه هاي زماني بوده است.

The permanent measurement of discharge even in normal conditions is difficult and very expensive and the related problem is increased when floods take place. Towards solving the problem, it is tried to develop discharge-stage relationship through reading the stage and measuring the associated discharge in particular conditions. In this study, the stage-discharge relationship was developed and then analyzed for different time scales of rising and falling limbs of hydrographs, daily, monthly and seasonal by using bivariate regression and classic discharge rating models. The study was conducted in Kojour Forest Educational Watershed with an area of some 50000 ha in Mazandaran Province, Iran. The results showed that the developed relationships, for each time scale, are specific, so that they cannot be applied for the other scales with reliable accuracy. The linear and power regression models with the minimum correlation coefficient of 58%, the maximum respective calibration and verification relative errors of 70 and 75%, lower RMSE and the minimum efficiency coefficient of 35% were also found superior to and more accurate than classics models for all study time scales.