ارزيابي كارايي مولد كليژن در توليد داده‌هاي اقليمي به‌منظور استفاده در مدل WEPP (مطالعه موردي: ايستگاه زيدشت، استان البرز)

Evaluation of efficiency of Cligen Generator for producing of climate data for using in WEPP model (Case study: Zidasht station, Alborz province)

سابقه و هدف: مدل‌هاي هيدرولوژيك ابزار مهمي براي مديريت منابع طبيعي و محيط زيست هستند، اين مدل‌ها به داده‌هاي ورودي مختلف (مثل تابش خورشيدي، سرعت باد، بيشينه و كمينه دما، بارش، محتواي آب خاك، جريان آبراهه و غلظت رسوب) با فواصل زماني متفاوت (مثل روزانه، ساعتي) نياز دارند. اين داده‌ها در بسياري مناطق محدود مي‌باشند. بسياري از ايستگاه‌هاي هواشناسي دوره‌هاي آماري كوتاهي دارند و اغلب با مشكل داده مفقود شده در سري زماني روبه‌رو هستند. بنابراين اغلب مدل‌هاي هيدرولوژيك يا فرسايش به توليد داده اقليمي تركيبي به‌دست آمده از مشاهدات كوتاه‌مدت با استفاده از توزيع‌هاي آماري متفاوت نياز دارند. مولدها به‌طور گسترده‌اي براي توليد سري‌هاي هواشناسي تركيبي طولاني با مشخصات آماري مطابق با داده‌هاي تاريخي كه بيش‌تر كوتاه و حاوي داده مفقود شده هستند، استفاده مي‌شوند. كليژن (مولد اقليمي) يك مولد هواشناسي تصادفي است كه 10 متغير هواشناسي از قبيل بارش روزانه، مدت رگبار، شدت رگبار، تابش خورشيدي، دماي بيشينه و كمينه و سرعت و جهت باد را توليد مي‌كنند. از كليژن براي توليد فايل اقليمي مدل WEPP استفاده شده است. هدف از اين مطالعه ارزيابي كارايي كليژن در ايستگاه زيدشت استان البرز است. مواد و روش‌ها: مقادير پارامترهاي ماهانه مورد نياز كليژن بر اساس دوره آماري 2013-2002 براي متغيرهاي مربوط به بارش (مقدار بارش، احتمال روز مرطوب بعد از روز مرطوب و روز مرطوب بعد از روز خشك، حداكثر شدت نيم‌ساعته و زمان تا پيك بارش) و 2013-2007 براي متغيرهاي ديگر (دماي بيشينه و كمينه، تابش خورشيدي، رطوبت نسبي، سرعت و جهت باد در 16 جهت) استخراج شده است. براي محاسبه متغير زمان تا حداكثر شدت نيز از الگوي شدت 165 رگبار استفاده شده است. در نهايت براي مقايسه ميانگين داده‌هاي مشاهداتي و مجموعه‌هاي چندگانه توليدشده توسط كليژن از آزمون‌ آماري t استفاده شده است. از ضريب نش- ساتكليف نيز براي ارزيابي كارايي كليژن استفاده شده است. يافته‌ها: نتايج حاصل از اجراي آزمون t نشان داد كه بين ميانگين‌ گروه‌هاي مختلف متغيرهاي بررسي شده (بارش كل سالانه، تعداد روز مرطوب سالانه، دماي كمينه و دماي بيشينه) اختلاف معني‌داري وجود ندارد و كليژن ابزار خوبي در اين زمينه است. علاوه بر اين مولد كليژن كارايي خوبي نيز براي توليد داده بارش كل ماهانه دارد. همچنين نتايج به‌دست آمده از ارزيابي كارايي كليژن با ضريب نش- ساتكليف نشان داد كه به‌دليل وجود ساختار تصادفي در توليد داده‌هاي اقليمي، استفاده از اين ضريب در ارزيابي نتايج مولدهاي اقليمي نتايج گمراه‌كننده‌اي به همراه خواهد داشت. نتيجه‌گيري: هر چند نتايج حاصل از اين مطالعه نشان‌دهنده كارايي قابل‌قبول كليژن مي‌باشند، اما با توجه به اين‌كه اين مطالعه اولين مطالعه از نوع خود در سطح كشور ايران است و نيز طول دوره آماري مشاهداتي استفاده در اين مطالعه تا حدي كوتاه بوده است، بنابراين تاييد نهايي كارايي اين مولد به بررسي‌هاي بيش‌تر در ايستگاه‌هاي هواشناسي مختلف نياز دارد.

Background and Objectives: Hydrological models have been distinguished as a useful requirement for managing of natural resource over the past decades. However, these models need to various input climate data (i.e., solar radiation, wind speed, temperature, precipitation, soil water content, streamflow) at a different temporal scales (e.g. daily, hourly). Normally in many regions of the world physically based models are suffering from lake of environmental data. Many climate stations have very limited records as well as missing data in a continuous time series. Therefore, the users of hydrological models try to use the weather generators to produce the massive climate data from the short-term local observations records through statistical approaches. The generators are widely used to produce the long synthetic weather series through using of statistical parameters corresponding to those of the recorded data faced to lake of sufficient data. CLIGEN (CLImate GENerator) is a stochastic weather generator to simulate 10 meteorological variables, such as daily precipitation, storm duration, storm intensity, solar radiation, maximum and minimum daily temperature and wind velocity and direction. CLIGEN has primarily been used to provide climate input for WEPP, WEPS and ANSEWRS models. In this research we tried to examine and assess the capability of CLIGEN for regenerate the climate data in the Zidasht station located in central Elburz of Iran. Materials and Methods: To create the CLIGEN file the required monthly average data for precipitation such as liquid precipitation, probability of a wet day following a wet day, probability of a wet day following a dry day, maximum daily 30 minute liquid precipitation intensity, time to peak of rainfall intensity in 12 class were collected from 2002-2013 of recorded database, while other variables (max. and min, temperature, solar radiation, dew point temperature, wind velocity and direction in 16 direction) were collected from 2007-2013 of Zidasht station. The time to peak and intensity of rain storm was calculated by analysis of 165 storms. Finally, t student distribution and R2 were applied to compare the differences between observed weather data and CLIGEN generated data. Also, Nash-Sutcliffe coefficient has been used for evaluating of efficiency of CLIGEN. Results: The results showed no significant difference between observed and generated values (P < 1%) for all of considered variables namely total annual precipitation, number of rainy days, maximum and minimum temperature. Infacts the ability of CLIGN for average parameters are very well. Moreover, the efficiency of CLIGEN for generating of the monthly total precipitation is well. Also the obtained result from evaluation efficiency of CLIGEN by Nash-Sutcliffe coefficient showed that due to the random structure of climate data production, using of this coefficient for evaluation of result of climate generator will have misleading results. Conclusions: Findings revealed that using of short local climate data to generate the long appropriate weather data file needed for WEPP model is better than of using the similar station from data base of WEPP. However, considering of short time series and climate variability more researches are needed to elucidate the goodness of CLIGEN under Iran condition.