بهينه سازي پارامترهاي موثر بر بارش- رواناب در مدل نيم توزيعي SWAT (مطالعه موردي حوزه آبخيز قزاقلي استان گلستان)

Optimization of the parameters affecting the rain fall- run off in SWAT semi distributive model (Case study of Ghazaghli Watershed, Golestan province)

بررسي فرايندهاي بارش-رواناب در مدل‌هاي هيدرولوژيكي به سبب تاثيرپذيري از پارامترهاي مختلف، دشوار و با عدم قطعيت همراه مي‌باشد. دقت اين مدل‌ها در پيش بيني پاسخ هيدرولوژيكي حوضه مي‌تواند با بومي سازي مقادير بهينه پارامترها بهبود بخشيده شود. براي اين منظور در اين پژوهش از مدل نيمه توزيعي SWAT و برنامه GLUE در بسته نرم افزاري SWAT CUP براي بهينه سازي پارامترهاي حساس بهره گرفته شد. بررسي‌ها در دو پايه زماني روزانه و ماهانه و در حوزه آبخيز قزاقلي با مساحت 7072 كيلومترمربع انجام گرفت. بعد از اجراي اوليه مدل، حوضه به 37 زير حوضه و 278 واحد پاسخ هيدرولوژيكي (HRU) تقسيم گرديد. در تحليل حساسيت پارامترها، 17 پارامتر از 27 پارامتر اوليه حساس‌تر شناخته شد كه حساس‌ترين پارامتر در پايه روزانه و ماهانه شماره منحني رواناب تشخيص داده شد. بعد از تحليل حساسيت و شناخت پارامترهاي حساس مدل دبي با ضريب تعيين (R2) 69/0 و 86/0، ضريب نش- ساتكليف (ENS)، 68/0 و 84/0 در طي دوره روزانه و ماهانه واسنجي شد. مقادير R2 و ENS طي دوره هاي روزانه و ماهانه براي دوره صحت سنجي به ترتيب 78/0، 86/0 و 65/0 و 83/0 بدست آمدند. بعد از شبيه سازي، مقدار P_factor بين 34/0-9/0 و R_factor بين 51/0-14/1 به دست آمدند كه نشان دهنده ي كم بودن عدم قطعيت و دقت بالاي مدل در شبيه سازي است به طوري كه اكثر داده هاي مشاهداتي در محدوده تخمين عدم قطعيت 95 درصد قرار گرفتند؛ لذا اين مدل مي‌تواند به عنوان ابزاري مفيد براي مديريت منابع آب، توصيف و مديريت بهينه حوضه و ارزيابي سيستم‌هاي منابع آبي مورد استفاده قرار گيرد.

Study of rainfall-runoff processes in hydrological models is associated with uncertainty, due to the influence of various parameters. Accurate of these models to predict the basin hydrological response can be improved whit localizing the optimal values of parameters. For this purpose in this study, SWAT semi distributive model and GLUE program in SWAT CUP software package was used for optimization the sensitive parameters. In Ghazaghli watershed with 7072 km2 area in both daily and monthly time studies were performed. After the initial run the model, basin was divided into 37 sub-basins and 278 hydrologic response units (HRU). In sensitivity analysis of initial parameters, 17 parameters of 27 parameters were more sensitive, in daily and monthly period curve number(CN) was determined the most sensitive parameter. After Sensitivity analysis and identification the critical parameters of the model, flow in daily and monthly periods with the 0.69, 0.86 correlation coefficient (R2) and Nash–Sutcliffe coefficient (ENS), 0.68 and 0.84, was calibrated respectively. The values of these coefficients for verification processes were obtained 0.87, 0.86 and 0.65 and 0.83 in during the day and month, respectively. The value of P_factor obtained between 0.34- 0.9 and R_factor obtained between 0.51-1.14 indicates after the simulation that shown the low uncertainty and high accuracy of the model in simulation the most of the observed data were within 95% prediction uncertainty band; therefore, this model can be a useful tool to use for management of water resources and watershed characterization and optimal management of water resources systems.