شبيه‌سازي جريان روزانه حوضه آب ريز در شرايط كمبود داده

Daily Stream Flow Simulation in a Data-Poor Basin

زمينه و هدف: شبيه‌سازي بارش- رواناب از محورهاي اصلي هيدرولوژي علمي و مديريت محيط زيست است. بنابراين محققان، پيوسته علاقه‌مند به يافتن روش هاي جديد براي اين مساله و اصلاح مدل ها يا روش هاي مدل‌سازي موجود هستند. روش بررسي: در اين تحقيق، جريان روزانه رودخانه در خروجي يك حوضه آب ريز در جنوب غربي ايران، با استفاده از يك مدل بارش- رواناب پيوسته مفهومي شبيه‌سازي شد. در مواجهه با مشكل كفايت آمار حوضه، با استفاده از يك رهيافت ويژه نسبت به آماده‌سازي متغيرهاي مورد نياز مدل از قبيل جريان رواناب، بارش و تبخيروتعرق پتانسيل حوضه اقدام شد. يافته ها: در مرحله واسنجي مدل ، شاخص بازده براي داده‌هاي روزانه معادل80/0 و ضريب تعيين برابر 82/0 به دست آمد. در مرحله اعتبارسنجي نيز مقادير شاخص بازده برابر 82/0 و ضريب تعيين برابر 83/0 به دست آمد. ضمن آن كه آماره‌هاي جريان مشاهداتي نيز با تقريب خوب در جريان شبيه‌سازي شده حفظ شد. بحث و نتيجه گيري: نتايج حاكي از موفقيت اين رهيافت براي شبيه‌سازي جريان روزانه با به كارگيري اين مدل در شرايط كمبود داده است.

Introduction: Rainfall-runoff modeling is one of the keystones of scientific hydrology and environmental management. Therefore the researchers continuously try to find new approaches for improvement of existing models or modeling methodologies. Material and Methods: In this paper, daily stream flow at the outlet of a watershed in southwestern Iran was simulated using a conceptual continuous rainfall-runoff model. In encountering with the problem of poor quality data, required data such as runoff, rainfall and PET were prepared using a specific approach. Results and Discussion: The results showed that the Nash-Sutcliffe efficiency was 0.80 and the coefficient of determination was 0.82 during calibration and the Nash-Sutcliffe efficiency was 0.83 and the coefficient of determination was 0.83 during validation. Furthermore statistics of observed stream flow were preserved in simulated stream flow. The results showed that this approach is successfully applicable for daily rainfall-runoff modeling when the quality of the input data is not adequat