تأثیرسری های زمانی مصنوعی هواشناسی در پیش بینی جریان رودخانه ای در ایران با استفاده از مدل SWAT

STUDENT

DEGREE

YEAR

امروزه یکی از مهم ترین چالش های موجود در مدل های هیدرولوژیکی، استفاده از داده های ورودی با دقت و صحت زیاد است. صحت و دقت داده های بارندگی یکی از موارد تأثیرگذار در خروجی مدل های هیدرولوژیکی، مانند جریان رودخانه، است. در مطالعه حاضر کشور ایران با مساحتی حدود 1648000 کیلومتر مربع که با کمبود منابع آبی در بسیاری مناطق روبرو بوده و از تنوع اقلیمی برخوردار است به عنوان منطقه مورد مطالعه انتخاب شد و با مقایسه اثرات دو منبع مختلف داده های هواشناسی، توزیع مکانی و زمانی بارندگی در ایران مورد بررسی قرار گرفت. از اهداف این مطالعه، مقایسه دو سری داده های هواشناسی (داده های مشاهداتی ایستگاه های سینوپتیک و داده های جهانی شبکه بندی شده CRU)، مشخص کردن اثرات داده های بارندگی بر روی پیش بینی جریان های خروجی از حوزه های آبخیز و بررسی ارتباط بین تعداد ایستگاه های اندازه گیری بارندگی با اندازه زیرحوزه (با دقت پیش بینی جریان خروجی حوزه) می باشد. بدین منظور منطقه مطالعاتی (ایران) با استفاده از مدل هیدرولوژیکی ArcSWAT2009 و در محیط ArcGIS9.3 با تعریف دو پروژه مدلسازی شد. در پروژه اول، داده های بارندگی بیش از 150 ایستگاه سینوپتیک در سراسر کشور و در پروژه دوم، داده های جهانی بارندگی واحد تحقیقات اقلیمی (CRU) با دقت مکانی 5/0 *5/0 درجه ( حدود 1200 نقطه داده بارندگی) در نظر گرفته شد. سپس به منظور بررسی ارتباط بین تعداد ایستگاه های اندازه گیری بارندگی با اندازه زیرحوزه، هر پروژه به دو زیر پروژه (چهار پروژه) با دو مرزبندی متفاوت به 506 و 1269 زیرحوزه تقسیم بندی شد. دوره مطالعاتی از سال 1987 تا 2002 با در نظر گرفتن سه سال اول به عنوان دوره آموزشی مورد تحلیل و بررسی قرار گرفت. برای مقایسه دو سری داده های بارندگی از شاخص درصد تغییرات و اختلاف (تفاضل) داده ها استفاده شد؛ نقشه ها و نمودارهای مربوط به مقایسه داده های بارندگی با دقت ماهانه برای هر شاخص جداگانه تهیه گردید. نتایج حاصل نشان داد که در نواحی نزدیک به دریای خزر و عمان، تخمین داده های جهانی CRU کمتر از داده های مشاهداتی می باشد؛ در مناطق کوهستانی و دارای توپوگرافی، در بیشتر ماه های سال داده های بارش CRU تخمینی بیشتر از داده های مشاهداتی داشته اند. در مناطقی که رشته کوههای زاگرس در آن واقع است، تخمین داده های بارش CRU در ماه های سرد و پر بارش کمتر از داده های مشاهداتی بدست آمد ولی در ماه های با بارندگی اندک تخمین داده های بارش CRU بیشتر از داده های مشاهداتی برآورد شده است. هم چنین در این مطالعه، به منظور مقایسه جریان رودخانه ای شبیه سازی شده (با مدل SWAT) با داده های مشاهداتی حاصل از 80 ایستگاه هیدرومتری، از دو شاخص نش-ساتکلیف(NS) و ضریب تعیین(r 2 ) استفاده شد. نتایج حاصل نشان داد که شاخص NS در ناحیه مرکزی ایران عملکرد بسیار مناسبی را برای داده های جهانی CRU از خود نشان داد به طوریکه مقدار NS در داده های مشاهداتی با 1269 زیرحوزه برابر با 46/116- می باشد در حالی که در داده های جهانی با همین تعداد زیرحوزه،(با پیشرفتی 6 برابری) به 17/18- رسید. بعلاوه مقادیر این شاخص در نواحی نزدیک خلیج فارس و جنوب کشور با تعداد 506 زیرحوزه، برای داده های جهانی در مقایسه با داده های مشاهداتی به ترتیب برابر 68/5- و 25/29- می باشد که افزایش 5 برابری مقدار NS را نشان داد. در شرق و جنوب شرقی ایران مقادیر NS برای داده های مشاهداتی با 506 و 1269 زیرحوزه، به ترتیب برابر 25/87- و 40/10- و برای داده های جهانی با 506 و 1269 زیرحوزه، به ترتیب برابر 54/153- و 52/11- می باشد که در این منطقه ارتباط تعداد ایستگاه های بارندگی با تعداد زیرحوزه ها به خوبی نمایان شده است. ارزیابی براساس مقادیر r 2 تغییرات محسوسی را در تعداد زیرحوزه های مختلف و دو سری داده های بارندگی نشان نداد. در نتیجه با مقایسه دو شاخص ارزیابی نمی توان بیان نمود که رابطه مستقیمی بین مقادیر NS و r 2 وجود دارد. به طور کلی، نتایج این تحقیق می‌تواند پایه بسیاری از مطالعات قوی تر و گسترده تر در مناطق مواجه با کمبود داده های هواشناسی (از لحاظ کیفی و کمی) در بخش های مختلف ایران باشد. واژگان کلیدی : داده های مشاهداتی، زیرحوزه، مدل های هیدرولوژیکی، ایران، SWAT، CRU

Accuracy and precision of hydrological simulations depend on the quality and quantity of the input requirements, mainly climatic data. Precision in the simulation of hydrological processes (e.g. stream flow) depends highly on the quality and quantity of climate datasets, especially precipitation. Our field of study is Iran, with an area of 1,648,000 km 2 which was confronted by water resources scarcity in most parts and has a pronounced influence on diversity of the climate. This study aimed to comparing two climate datasets: I) the observed data of 150 synoptic stations obtained from the public Weather Service of the Iranian Meteorological Organization (WSIMO), and II) the gridded climate data of Climatic Research Unit, University of East Anglia (CRU TS3.0 global), with 0.5 degree resolution (about 1200 grid points covering entire country), to determine precipitation datasets effects on the predicted output of the watershed and investigating the relationship between the number of rain gauges and subbasin size. For this study area (Iran) using hydrological model ArcSWAT2009 and in the environment of ArcGIS9.3 was modeled by defining two projects with two climate datasets. After this step, four SWAT projects were created to address the effect of two climate datasets and two different discretizations delineating 506 and 1269 subbasins. The study period was 1987-2002 considering 3 years of warm-up period. To compare the two precipitation datasets, two indicator: percentage difference and rainfall datasets difference by minus practice were used; maps and charts related to this comparison with monthly resolution were provided. The results showed that in north regions near to Caspian sea and coastal regions of Iran, rainfall data were estimated by CRU data less than observed data; in most months of year, location in mountainous regions, rainfall was estimated more by CRU data than observed data. In Zagros mountains, CRU data in cold and warm with little rainfall months were estimated precipitation less and more than observed data, subsequently. Also, in this study, in order to compare the simulated stream flow (from SWAT model) with observation data from 80 hydrometric stations, two criteria Nash-Sutcliffe (NS) and coefficient of determination (r 2 ) were used. The significant improvement in the projects with CRU dataset is related to its high spatial resolution, with which, subbasins can better capture proper climate data from the closest grid point by using NS. Therefore a balance between the number of subbasins and the resolution of the climate data network is required for optimizing the model performance in the prediction of the hydrological processes. It must be pointed out that improvement of NS value in 1269 subbasin with CRU data project was not similar in all regions of Iran but more significant in central region where Zayandehrud, one of the most important rivers in Iran is located. Evaluation based on r 2 values didn’t show any changes in using different size of subbasins or two climate datasets; A comparative evaluation criteria can not be expressed with the result that there is a relationship between the amount of NS and r 2 .This study lays the basis to use gridded high resolution climate datasets for advanced studies (e.g. water-food-climate change) in data scarce regions of Iran. Keywords: SWAT, CRU, subbasins, hydrologic modeling, Precipitation, Iran.