تشخيص ساختار بهينه و تحليل عدم قطعيت مدل بيلان آبي ماهانه

Identifying optimized structure and uncertainty analysis of monthly water balance model

مدل‌هاي ماهانه بيلان آب (مدل‌هاي بارش- رواناب در مقياس ماهانه) از ابزارهاي اصلي در ارزيابي و برنامه‌ريزي بلند‌مدت منابع آب هستند. ساختار اصلي اين مدل‌ها شامل معادلات پيوستگي ذخيره رطوبتي خاك، آب زيرسطحي و در برخي مواقع آب زيرزميني است. متغيرهاي مورد توجه در مدل‌سازي حوضه‌هاي آبريز كه به‌عنوان ورودي اين مدل‌ها درنظر گرفته مي‌شوند شامل رواناب سطحي، بارش، تبخير و در برخي موارد، دماي متوسط ماهانه حوضه هستند. با توجه به تعدد مجهو‌ل‌هاي معادلات مورد استفاده براي مدل‌سازي فرآيند ماهانه بيلان آبي، استفاده از روابط كمكي اجتناب‌ناپذير است. اين معادلات به طور معمول تجربي بوده و به‌صورت پيش فرض در مدل‌هاي مختلف توصيه و استفاده شده‌اند. در اين مقاله به بهينه‌سازي نوع رابطه‌هاي موجود در ساختار مدل بوديكو (Budyko) كه براي مدل‌سازي ميزان مشاركت آب زيرزميني در دبي پايه، رطوبت خاك و ميزان تبخير استفاده شده‌اند، اقدام شده است. مدل جديد همراه با ساختار معمول از مدل بوديكو مورد ارزيابي عدم قطعيت با روش GLUE قرار گرفته است. نتايج گوياي بهبود نسبي شاخص‌هاي عملكردي مدل بهبود يافته در سه حوضه آبريز مختلف در مقايسه با روش‌هاي معمول بوده و از نظر عدم قطعيت نيز نتايج تا حدود زيادي برتري داشته است.

Monthly water balance models (monthly Rainfall-Runoff models) are considered as the main tools in the evaluation and long-term planning of water resources. The main structure of these models included continuity equations for soil moisture storage, subsurface water and sometimes groundwater. Variables considered in the modelling of water catchments consist of surface runoff, precipitation, evaporation, and in some of cases, monthly average temperatures. Since there are too many unknown parameters in the monthly water balance equation used in the modelling process, using auxiliary relations is inevitable. These equations are usually empirical and recommended as default in the models. In this paper, the used relations in the structure of the Budyko model for estimating the contribution of groundwater in base flow, soil moisture and evaporation were optimized. The uncertainty of the result in both traditional and optimized models was evaluated using GLUE method. The results indicated an improvement in the optimized model performance and uncertainty compared to the common traditional model in three different watersheds