ارزيابي آزمون گاما و منحني‌هاي اندرو به‌منظور تخمين مقدار رسوب معلق حوزه‌هاي آبخيز جنوب و جنوب شرقي درياي خزر

Evaluation of Gamma Test and Andrew Curves to Estimate Suspended Sediment Load in Southern and Southeastern Watersheds of the Caspian Sea

تخمين رسوب خروجي از حوزه‌هاي آبخيز از اهميت بالايي در مديريت آبخيزها برخوردار مي باشد. گستردگي حوزه‌ها و كمبود ايستگاه‌هاي سنجش رسوب باعث شده تا به منظور تخمين رسوب از روش‌هاي متفاوتي استفاده نمايند. در اين تحقيق 42 ايستگاه رسوب‌سنجي جنوب و جنوب شرقي درياي خزر با دوره‌هاي آماري بيش از 20 سال انتخاب گرديد. سپس با ترسيم منحني سنجه رسوب براي ايستگاه مذكور با استفاده از داده هاي رسوب و دبي اندازه گيري شده، مقدار رسوب معلق روزانه‌ با استفاده از دبي روزانه محاسبه، و مقدار رسوب متوسط سالانه محاسبه شد. با استفاده از آزمون گاما، 14 متغير موثر بر توليد رسوب به 5 متغير اصلي كاهش داده شد و ايستگاه‌هاي مذكور با استفاده از منحني‌هاي اندرو در 4 گروه همگن قرار گرفتند. براي هر گروه همگن و براي كل ايستگاه‌ها با 5 عامل اصلي انتخاب شده، مدل رگرسيوني براي تخمين ميزان متوسط رسوب معلق سالانه تهيه شد و از نمايه‌هاي آماري RE، RBIAS و RRMSE براي ارزيابي مدل‌ها استفاده شد. نتايج نشان داد كه براي گروه همگن يك، مدلي ارايه نشد. مدل‌هاي گروه‌هاي همگن 2 تا 4 داراي دقت مناسبي بوده و مدل گروه 4 با مقادير RE، RBIAS و RRMSE به‌ترتيب 29، 12 و 35 درصد براي مرحله‌ي واسنجي 19، 12 و 25 درصد براي مرحله‌ي اعتبارسنجي داراي بهترين عملكرد است و مدل واحد براي تمام ايستگاه‌ها خطاي بالايي دارد. همچنين دبي اوج با دوره بازگشت دو ساله بيش‌ترين تاثير را در ميزان متوسط رسوب معلق سالانه دارد.

Suspended sediment (SS) flux in a river is an important parameter for the watershed management. The large extend of watersheds areas and limited of sediment stations measurement have been caused that different methods have been developed to SS estimation. In this study, 42 sediment measurement stations existed in south and southeast of the Caspian Sea with over 20 year period was chosen. The sediment rating curve (SRC) was drawled using discharge and SS load measurements for 42 stations, then daily SS load was estimated by using the daily discharge (Q) and the average of annual SS was computed. By using the gamma test (GT), 14 effective variables on SS was reduced to 5 main variables and the mentioned stations were recognized in four homogeneous groups by using Andrew curves (AC). For each homogeneous group and all existed stations using five selected main variables was developed regression models for average of annual SS load. Relative error (RE), relative bias (RBIAS) and root relative mean squared error (RRMSE) indices statistics are used for evaluating the accuracy of the models. The results indicated that a model was not provided for group 1. The models of groups 2 to 4 have a good accuracy and the model of group 4 with RE(29%), RBIAS(12%) and RRMSE(35%) in the calibration stage, and RE(19%), RBIAS(12%) and RRMSE(25%) in the validation stage has the best performance and One model for all stations has high error. Peak discharge with two return periods (Qp) has the most impact on the average of annual SS change.