دوره 14، شماره 27 - ( بهار و تابستان 1402 )
جلد 14 شماره 27 صفحات 145-135 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kiyani Majd M, Nohtani M, Dehmardeh Ghaleh No M R, Shikh Z. (2023). Simulating the Runoff of Watersheds in Dry Areas on A Monthly Scale using the SWAT Model (Case Study: Lar Watershed). J Watershed Manage Res. 14(27), 135-145. doi:10.61186/jwmr.14.27.135
URL: http://jwmr.sanru.ac.ir/article-1-1214-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1214-fa.html
کیانی مجد مهناز، نهتانی محمد، دهمرده قلعه نو محمدرضا، شیخ زهرا. شبیه سازی رواناب حوضه های آبخیز مناطق خشک در مقیاس ماهانه با استفاده از مدل SWAT (مطالعه موردی: حوضه آبخیز لار) پژوهشنامه مديريت حوزه آبخيز 1402; 14 (27) :145-135 10.61186/jwmr.14.27.135
1- گروه مرتع و آبخیزداری، دانشگاه زابل
2- دانشگاه زابل
3- دانشگاه سمنان
2- دانشگاه زابل
3- دانشگاه سمنان
چکیده: (1594 مشاهده)
چکیده مبسوط
مقدمه و هدف: بشر در طول حیات خود شاهد حوادث مختلف هیدرولوژیکی مانند کمبود آب، خشکسالی، سیل، وقوع بهمن و ... بوده است که دامنه خطر این حوادث تابع رفتار متغیرهای هیدرولوژیکی و خصوصیات حوضه های آبخیز می باشد. فقدان آمار و اطلاعات یا کافی نبودن آمار درست و مناسب سبب شده است تا بررسی و شناخت رفتار متغیرهای هیدرولوژیکی و خصوصیات حوضه های آبخیز با دقت قابل قبولی صورت نگیرد. بر همین اساس، مدل های هیدرولوژیکی ابزار مناسبی برای ارزیابی وضعیت کنونی منابع آبی و پیش بینی شرایط آتی با آگاهی و درک از اندرکنش ها و تعاملات حاکم در سطح حوضه های آبخیز میباشند.
مواد و روش ها: در این پژوهش، با استفاده از مدل SWAT اقدام به انجام شبیه سازی بارش- رواناب حوضه آبخیز لار شد که برای این منظور از دادههای روزانه بارش، دما و دبی طی دوره آماری مشترک (2017-1988) استفاده شد. شبیهسازی اولیه مدل هیدرولوژیکی در افزونه SWAT انجام و از نرم افزار SWAT-CUP و روش SUFI-2 به عنوان یک الگوریتم بهینه برای تحلیل حساسیت، واسنجی و اعتبارسنجی مدل استفاده گردید.
یافته ها: بر پایه مدل SWAT منطقه مورد مطالعه به 37 زیرحوضه و 308 واحد پاسخ هیدرلوژیکی تقسیم گردید. علاوه بر این، با تحلیل حساسیت 24 پارامتر موثر بر شبیه سازی رواناب ماهانه خروجی حوضه آبخیز لار مشخص شد که تعداد 7 پارامتر براساس مقادیر دو شاخص t-state وp-value، به عنوان پارامترهایی با بیشترین اثرگذاری انتخاب و از این 7 پارامتر، سه پارامتر شماره منحنی برای شرایط رطوبتی متوسط، فاکتور بازگشت جریان پایه به آبراهه اصلی و متوسط آب قابل استفاده به عنوان حساسترین پارامترها در شبیه سازی رواناب شناسایی گردیدند. سپس مدت 18 سال از دوره آماری (1988-2005) جهت واسنجی و 12 سال (2006-2017) برای اعتبارسنجی انتخاب شد. همچنین کارآیی و راندمان مدل با استفاده از ضرایب NS، R2، p-factor و r-factor مورد ارزیابی قرار گرفت. مقادیر این ضرایب طی دوره واسنجی به ترتیب 0/80، 0/82، 0/80 و 0/33 و طی دوره اعتبارسنجی 0/90، 0/90، 0/39 و 0/43 برآورد گردید. علاوه براین، انطباق زمانی نقاط اوج و فرود هیدروگراف های شبیه سازی شده و اندازهگیری شده دبی نیز دقت بالای مدل در شبیه سازی را تأیید کرد.
نتیجه گیری: نتایج کسب شده نشان می دهد که با وجود جریان فصلی و بدون جریان پایه و همچنین فراوانی روزهای با جریان صفر، مدل SWAT از قابلیت بالایی جهت شبیه سازی دبی ماهانه حوضه های آبخیز مناطق خشک برخوردار است.
مقدمه و هدف: بشر در طول حیات خود شاهد حوادث مختلف هیدرولوژیکی مانند کمبود آب، خشکسالی، سیل، وقوع بهمن و ... بوده است که دامنه خطر این حوادث تابع رفتار متغیرهای هیدرولوژیکی و خصوصیات حوضه های آبخیز می باشد. فقدان آمار و اطلاعات یا کافی نبودن آمار درست و مناسب سبب شده است تا بررسی و شناخت رفتار متغیرهای هیدرولوژیکی و خصوصیات حوضه های آبخیز با دقت قابل قبولی صورت نگیرد. بر همین اساس، مدل های هیدرولوژیکی ابزار مناسبی برای ارزیابی وضعیت کنونی منابع آبی و پیش بینی شرایط آتی با آگاهی و درک از اندرکنش ها و تعاملات حاکم در سطح حوضه های آبخیز میباشند.
مواد و روش ها: در این پژوهش، با استفاده از مدل SWAT اقدام به انجام شبیه سازی بارش- رواناب حوضه آبخیز لار شد که برای این منظور از دادههای روزانه بارش، دما و دبی طی دوره آماری مشترک (2017-1988) استفاده شد. شبیهسازی اولیه مدل هیدرولوژیکی در افزونه SWAT انجام و از نرم افزار SWAT-CUP و روش SUFI-2 به عنوان یک الگوریتم بهینه برای تحلیل حساسیت، واسنجی و اعتبارسنجی مدل استفاده گردید.
یافته ها: بر پایه مدل SWAT منطقه مورد مطالعه به 37 زیرحوضه و 308 واحد پاسخ هیدرلوژیکی تقسیم گردید. علاوه بر این، با تحلیل حساسیت 24 پارامتر موثر بر شبیه سازی رواناب ماهانه خروجی حوضه آبخیز لار مشخص شد که تعداد 7 پارامتر براساس مقادیر دو شاخص t-state وp-value، به عنوان پارامترهایی با بیشترین اثرگذاری انتخاب و از این 7 پارامتر، سه پارامتر شماره منحنی برای شرایط رطوبتی متوسط، فاکتور بازگشت جریان پایه به آبراهه اصلی و متوسط آب قابل استفاده به عنوان حساسترین پارامترها در شبیه سازی رواناب شناسایی گردیدند. سپس مدت 18 سال از دوره آماری (1988-2005) جهت واسنجی و 12 سال (2006-2017) برای اعتبارسنجی انتخاب شد. همچنین کارآیی و راندمان مدل با استفاده از ضرایب NS، R2، p-factor و r-factor مورد ارزیابی قرار گرفت. مقادیر این ضرایب طی دوره واسنجی به ترتیب 0/80، 0/82، 0/80 و 0/33 و طی دوره اعتبارسنجی 0/90، 0/90، 0/39 و 0/43 برآورد گردید. علاوه براین، انطباق زمانی نقاط اوج و فرود هیدروگراف های شبیه سازی شده و اندازهگیری شده دبی نیز دقت بالای مدل در شبیه سازی را تأیید کرد.
نتیجه گیری: نتایج کسب شده نشان می دهد که با وجود جریان فصلی و بدون جریان پایه و همچنین فراوانی روزهای با جریان صفر، مدل SWAT از قابلیت بالایی جهت شبیه سازی دبی ماهانه حوضه های آبخیز مناطق خشک برخوردار است.
فهرست منابع
1. Amini, M.A., G. Turkan, S. Islamian, M.J. Zareian and A.A. Basaltpour. 2017. Evaluation of SWAT hydrological model in simulating water balance in watersheds of Semi-Arid Areas (case study: Zayandeh Roud watersheds). Journal of Water and Soil, 3(32): 849-863. DOI: 10.22067/jsw.v32i5.68815 (In Persian).
2. Astagneau, P.C., G. Thirel, O. Delaigue, J.H. Guillaum., J. Parajka, C.C. Brauer and K.J. Beven. 2021. A unified analysis of models and practicalities from a user perspective (hydrology modelling R packages). Journal of Hydrology and Earth System Sciences Discussions, 25 (7): 3937-3973. DOI:10.5194/hess-25-3937-2021. [DOI:10.5194/hess-25-3937-2021]
3. Aslam, H and L. Andrew. 2017. SWAT modeling of hydrology, sediment and nutrients from the Grand River, Ontario. Water Quality Research Journal, 52(4): 243-257. DOI:10.2166/wqrj.2017.014. [DOI:10.2166/wqrj.2017.014]
4. Abbaspour, K.C. and J. Yang. 2006. A calibration and uncertainly analysis program for SWAT. Swiss Federal Institute of Aquatic Scientific and Technology, 333: 413-430. [DOI:10.1016/j.jhydrol.2006.09.014]
5. Arnold, J.G., R. Srinivasan, R.S. Muttiah and J.R. Williams. 1998. Large area hydrologic modeling and assessment part i: model development. Journal of the American Water Resouces Association, 34: 73-89. DOI:10.1111/j.1752-1688. [DOI:10.1111/j.1752-1688.1998.tb05961.x]
6. Baloi, F., S. Soltani Kopani and M. Tavakoli. 2020. Investigating the effectiveness of SWAT model in simulating runoff and soil moisture in the Dourij Basin of Ilam province. Journal of Watershed Management Research, 12(23): 180-190. DOI:10.52547/jwmr.12.23.180 (In Persian). [DOI:10.52547/jwmr.12.23.180]
7. Dutta, P. and A.K. Sarma. 2021. Hydrological modeling as a tool for water resources management of the data-scarce Brahmaputra Basin. Journal of Water and Climate Change, 12(1): 152-165. DOI:10.2166/wcc.2020.186. [DOI:10.2166/wcc.2020.186]
8. Fatehi, Z. and S.V. Shahoei. 2020. Application of SWAT model for simulating monthly runoff, lake Urmia watershed in Kurdistan province, Iran. Journal of Environment and Water Engineering, 6(3): 295-305. DOI: 10.22034/jewe.2020.218842.1346 (In Persian).
9. Gholami, S.A. and M. Nasiri. 2014. Simulation of the monthly discharge of the Atrak river using the SWAT model (case study: Marawah-tepe catchment area of Golestan province). Journal of Watershed Engineering and Management, 7(2): 126-135. DOI:10.22092/ijwmse.2015.101256 (In Persian).
10. Guderzi, A., M.T. Dasturani, A.R. Masahboani and A. Talebi. 2011. Investigating the effects of climate change on the state of runoff in arid regions (case study: Herat-Yazd river Basin). The 4th Iran Water Resources Management Conference, Tehran, Iran, 7pp (In Persian).
11. Golshan, M., A. Kavian, H. Rouhani and A. Ismaili. 2015. Multi-station calibration of Haraz watershed runoff with SWAT model. Journa of Iranian Water and Soil Research, 46(2): 293-303. DOI:10.22059/ijswr.2015.55934 (In Persian).
12. Ghezelsofloo, A.A., M. Hajibigloo, M. Eftekhari, S. Mahmoodizadeh, M. Akbari and S.A. Eslaminezhad. 2022. Simulation of runoff from Atrak river Basin Iran using SWAT model. Journal Soil and Environment, 41(1): 33-45. 2022. DOI:10.25252/SE/2022/222697.
13. Hosseini, S.H., H. Memarian and H. Memarian. 2018. Use of SWAT model and SWAT-CUP software in simulating and analyzing hydrological uncertainty of watersheds in arid and semi-arid regions (case study: Zashk watershed in Targaba-Shandiz city). Scientific Journal of Rain Catchment Surface Systems, 7(2): 35-44 (In Persian).
14. Khoi, D.N. and T. Suetsugi. 2014. Impact of climate and land-use changes on hydrological processes and sediment yield (a case study: be river catchment, Vietnam). Journal of Hydrological Sciences, 59(5): 1095-1108. DOI:10.1080/02626667.2013.819433. [DOI:10.1080/02626667.2013.819433]
15. Kiyani Majd, M., M. Nahtani and M.R. Dehmarde Ghaleno. 2021. Investigating SPI and SDI indicators of Zahedan plain using R software. 10Th International Conference on Rain Catchment Surface Systems, Kordestan, Iran, 8pp (In Persian).
16. Kiyani Majd, M. 2022. Hydrological simulation of Lar watershed in Sistan and Baluchistan province using SWAT model. M.ScThesis, Faculty of Water and Soil, University of Zabol, Iran. 112 pp (In Persian).
17. Khosravi, S.A. and M.H. Mir Yagoub Zadeh. 2019. Simulation of river flow based on SWAT physical model in Barandozchai watershed of Urmia Lake. Journal of Watershed Management Research, 11(22): 31-42. DOI:10.52547/jwmr.11.22.31 (In Persian). [DOI:10.52547/jwmr.11.22.31]
18. Lucas, M., R. Marcelo, L. Marx, F.A. Diego and C. Nilton. 2016. Hydrological modeling of tributaries of cantareira system southeast Brazil with the SWAT model. Journal of the Brazilian Association of Agricultural Engineering, 1037-1049. DOI:10.1590/1809-4430. [DOI:10.1590/1809-4430-eng.agric.v36n6p1037-1049/2016]
19. Li, T. and Y. Gao. 2015. Runoff and sediment yield variations in response to precipitation changes (a case study: Xichuan watershed in the loess plateau, China). Journal of Water, 7(10): 5638-5656. DOI:10.3390/w7105638. [DOI:10.3390/w7105638]
20. Liu, J., D. Yuan, L. Zhang, X. Zou and X. Song. 2016. Comparison of three statistical downscaling methods and ensemble downscaling method based on Bayesian model averaging, China. Advances in Meteorology Journal, 1 (1): 1-12. DOI:10.1155/2016/7463963. [DOI:10.1155/2016/7463963]
21. Liu, Y., Y. Xu, Y. Zhao and Y. Long. 2022. Using SWAT model to assess the impacts of land use and climate changes on flood in the Upperweihe River, China. Journal of Water, 14(13): 2098. DOI:10.3390/w14132098. [DOI:10.3390/w14132098]
22. Mahzari, S., F. Kiani, F. Khormali and M. Azimi. 2016. Using SWAT model to determine runoff, sediment yield and nitrate loss in Gorganrood watershed. Journal of Ecopersia Iran, 2: 1359-1377 (In Persian). [DOI:10.18869/modares.ecopersia.4.2.1359]
23. Mokhtari, F., A. Honrabakhsh, S. Soltani, Kh. Abdulahi and M. Pajuohesh. 2019. Runoff simulation in Karkheh watershed using SWAT model. Seventh Comprehensive Conference on Flood Management and Engineering, Tehran. Iran, 10 pp (In Persian).
24. Nikita, Sh., K. Prabhat and B. Shyam. 2018. A comparison of SWAT model calibration techniques for hydrological modeling in the Ganga river watershed. Research Journal Watershed Ecology, 4: 643-653. DOI:10.1016/j.eng.2018.08.012. [DOI:10.1016/j.eng.2018.08.012]
25. Parisouj, P., H. Goharnza and P. Moazami. 2018. Hydrological simulation of precipitation-runoff using modified satellite precipitation algorithms (Case Study: Golestan Vashmgir dam Basin). Journal of Iranian Water Resources Research, 14(3): 174-188 (In Persian).
26. Raju, B.K. and L. Nandagiri. 2018. Assessment of variable source area hydrological models in humid tropical watersheds. International Journal of River Basin Management, 16(2): 145-156. DOI:10.1080/15715124.2017.1372446. [DOI:10.1080/15715124.2017.1372446]
27. Rafael, A., B. Silvio and B.F. Daniel. 2018. Calibration and validtion of the SWAT hydrological model for the Mucuri river Basin Call. Journal of the Brazilian Association of Agricultural Engineering, 55-63. DOI:10.1590/1809-4430-Eng.Agric.v38n1p55-63/2018. [DOI:10.1590/1809-4430-eng.agric.v38n1p55-63/2018]
28. Rostamian, R., A. Jaleh, M. Afyuni, S. Farhad Mousavi, M. Heidarpour, A. Jalalian and K. Abbaspour. 2008. Application of a SWAT model for estimating runoff and sediment in two mountainous Basins in central Iran. Hydrological Sciences Journal, 53(5):977-988. DOI:10.1623/ hysj.53.5.977. [DOI:10.1623/hysj.53.5.977]
29. Rezaei Moghadam, M.H., M.A. Hajazi and A. Behbodi. 2018. Estimating the amount of runoff in the Lenbaran Chai catchment area in east azarbaijan province: comparative application of calibration methods and uncertainty analysis of the SWAT model. Geography and Environmental Hazards, 31: 75-59. DOI:10.22067/geo.v8i3.81998 (In Persian).
30. Sanjay Shekar, N.C. and D.C. Vinay. 2021. Performance of HEC-HMS and SWAT to simulate streamflow in the sub-humid tropical Hemavathi catchment. Journal of Water and Climate Change, 1-13. DOI:10.2166/wcc.2021.072. [DOI:10.2166/wcc.2021.072]
31. Sheikh, Z., A.M. Moghaddam Nia and D. Han. 2021. Climate change impact assessment on low streamflows using cross-entropy methods. Climate Research, 85: 159-176. DOI:10.3354/cr01674. [DOI:10.3354/cr01674]
32. Sheikh, Z., M.R. Yazdani and A. Moghaddam Nia. 2020. Spatiotemporal changes of 7-day low flow in Iran's Namak lake Basin: impacts of climatic and human factors. Theoretical and Applied Climatology, 139(1): 57-73. DOI:10.1007/s00704-019-02959-w. [DOI:10.1007/s00704-019-02959-w]
33. Slater, L.J., G. Thirel, S. Harrigan, O. Delaigue, A. Hurley, A. Khouakhi and K. Smith. 2019. Using R in hydrology: a review of recent developments and future directions. Journal of Hydrology and Earth System Sciences, 23 (7): 2939-2963. DOI:10.5194/hess-23-2939-2019. [DOI:10.5194/hess-23-2939-2019]
34. Safavi, M., A. Mustafaei and M.R. Molai Nia. 2021. Use of SWAT model in simulation of runoff in Karkheh catchment area. The First International Conference on Civil Engineering, New and Practical Findings, Shiraz, Iran, 12 pp (In Persian).
35. Zahabion, B., M.R. Guderzi and A.R. Masah Bovani. 2010. The application of SWAT model in estimating the runoff of the Basin in future periods under the influence of climate change. Journal of Climatology Research, 3(4): 44-58 (In Persian).
36. Zarezadeh Mehrizi, Sh., A. Khorani, J. Bazarafshan and A. Bazarafshan. 2016. Evaluation of SWAT model efficiency in runoff simulation of Gamasiab watershed. Journal of Natural Resources of Iran, 70(4): 881-893 (In Persian).
37. Zuo, D., Z. Xu, J. Zhao, C. Abbaspour and H. Yang. 2015. Response of runoff to climate change in the Wei River Basin, China. Hydrological Sciences Journal, 60(3): 508-522. DOI:10.1080/02626667.2014.943668. [DOI:10.1080/02626667.2014.943668]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
