دوره 16، شماره 1 - ( بهار و تابستان 1404 )
جلد 16 شماره 1 صفحات 70-59 |
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:
Mehrpourbernety F, Fazloula R, Emadi A, Javaheri N, Gholami Sefidkouh M A. (2026). Flood Forecasting of the Tajan Watershed Using the Output of the Numerical Weather Prediction Model (GFS) and the HEC-HMS Hydrological Model. J Watershed Manage Res. 16(1), 59-70. doi:10.61882/jwmr.2024.1279
URL: http://jwmr.sanru.ac.ir/article-1-1279-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1279-fa.html
مهرپور برنتی فاطمه، فضل اولی رامین، عمادی علیرضا، جواهری نصرالله، غلامی سفیدکوهی محمدعلی. شبیه سازی سیلاب حوزه آبخیز تجن با استفاده از مدل پیش بینی وضع هوا (GFS) و مدل هیدرولوژیکی HEC-HMS پژوهشنامه مديريت حوزه آبخيز 1404; 16 (1) :70-59 10.61882/jwmr.2024.1279
شبیه سازی سیلاب حوزه آبخیز تجن با استفاده از مدل پیش بینی وضع هوا (GFS) و مدل هیدرولوژیکی HEC-HMS
1- گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2- رییس هیئت مدیره شرکت مهندسی مشاور آب و عمران پردیسان، تهران، ایران
2- رییس هیئت مدیره شرکت مهندسی مشاور آب و عمران پردیسان، تهران، ایران
چکیده: (983 مشاهده)
چکیده مبسوط
مقدمه و هدف: سیل بهدلایل متعددی از جمله شدت بارندگی، تخریب پوشش گیاهی و تجاوز به حریم رودخانه ها ایجاد می شود. قدرت زیاد سیل ها به ساختمان‌ها، پل ها و سازه های موجود آسیب وارد می کند و ظرفیت بستر رودخانه را کاهش می دهد. همچنین حجم بیش از حد آب، خسارات جانی، مالی و تخریب زیستگاه های جانوران را نیز در پی دارد. برای مقابله با سیل و خسارات ناشی از آن، اقدامات سازهای مانند احداث سد و اقدامات غیر سازه ای مانند افزایش پوشش گیاهی، پیش بینی و سیستم های هشدار سیل انجام می شود. پیش بینی سیل، فرآیند برآورد زمان و مکان وقوع سیل و میزان حجم آب است و به عنوان ابزاری کارآمد و کم هزینه برای مدیریت سیلاب و کاهش خسارات ناشی از آن است که در سال های اخیر مورد توجه قرار گرفته است. مدل سازی بارش رواناب از جمله اقدامات جهت مدیریت سیلاب است. جهت شناخت ارتباط بین پارامتر بارش و رواناب و همچنین تعیین مقدار دبی اوج و زمان رسیدن به دبی اوج، شبیه سازی از طریق مدل های هیدرولوژیکی انجام می شود. یکی از نرم افزارهای هیدرولوژیکی در این زمینه، نرم افزار HEC-HMS است. با استفاده از سه مؤلفه مدل حوضه، مدل هواشناسی و مشخصه های کنترل، میزان تلفات، رواناب، جریان پایه و روندیابی با روش های موجود محاسبه می شود و در نهایت عملیات واسنجی جهت کاهش اختلاف هیدروگراف های مشاهداتی و شبیه سازی شده انجام می گردد. بارش از مهمترین پارامترهای ورودی جهت شبیهسازی سیلاب است. بنابراین، برآورد صحیح میزان آن امری ضروری و مهم تلقی می گردد. با توجه به تعداد ایستگاه های باران سنجی و عدم وجود ایستگاه های کافی در سطح کشور بهخصوص مناطق کوهستانی، استفاده از اطلاعات مدل عددی هواشناسی و داده های بارش ماهواره ای در پیش بینی سیل نقش مهمی دارد. مدل های عددی هواشناسی با کمک مدل های ریاضی، وضعیت آب و هوا را پیش بینی می کنند. پیش بینی ها به سه دسته کوتاه مدت، میان مدت و بلندمدت و مدل های منطقه ای و جهانی تقسیم می شوند. یکی از این مدل ها، مدل عددی هواشناسی GFS می باشد که داده هایی مانند دما، باد و بارش را پیش بینی و ارائه می کند. بارندگی های شدید، تخریب جنگل ها، برداشت شن و ماسه و ساختمان سازی در پهنه های سیلابی از جمله دلایل وقوع سیل در مازندران و به خصوص رودخانه تجن در سال های اخیر هستند. هدف اصلی این پژوهش، برآورد مقدار دبی اوج سیل با شبیه سازی وقایع سیلابی و ارزیابی نتایج حاصل از آن با استفاده از اطلاعات بارش مدل عددی هواشناسی GFS در حوضه رودخانه تجن واقع در شهر ساری در استان مازندران بوده است.
مواد و روشها: در این پژوهش، داده های مورد نیاز ایستگاه های هیدرومتری حوزه آبخیز تجن شامل اندازه گیری های ساعتی سیلاب های ثبتشده و همچنین اطلاعات مورد نیاز ایستگاه های تبخیرسنجی و باران سنجی در این حوضه شامل بارندگی حوزه آبخیز تجن از طریق شرکت آب منطقه ای مازندران برای دوره 10 ساله 1400-1390 اخذ گردید. همچنین، اطلاعات بارش از طریق خروجی مدل عددی هواشناسی GFS نیز در دوره مذکور از سایت https://openweathermap.org دریافت شد. با استفاده از لایه های کاربری اراضی و گروه هیدرولوژیک خاک در نرم افزار ArcGIS، شماره منحنی هر زیرحوضه تعیین و خصوصیات فیزیوگرافی حوزه آبخیز تجن با استفاده از الحاقیه HEC-GeoHMS استخراج گردید. با توجه به خصوصیات فیزیوگرافی زیرحوضه ها، اطلاعات مربوط به بارش ایستگاه های حوزه آبخیز تجن و دبی سیلاب اخذ شده از شرکت آب منطقه ای مازندران، شبیه سازی چهار واقعه سیل 1390/07/12، 1390/09/20، 1390/08/23 و 1396/09/10 در نرم افزار HEC-HMS انجام شد. از روش شماره منحنی سازمان حفاظت خاک آمریکا برای محاسبه تلفات، جهت محاسبه رواناب از روش هیدروگراف واحد SCS و روندیابی از روش روندیابی تأخیر مورد استفاده قرار گرفت. سپس برای تعیین میزان حساسیت پارامترهای شماره منحنی، زمان تأخیر و تلفات اولیه آنالیز حساسیت انجام شد. در فرآیند واسنجی، جهت تعیین مقادیر بهینه پارامترها از نه تابع هدف موجود در نرم افزار HEC-HMS شامل میانگین قدر مطلق باقیمانده ها، میانگین مربع باقیمانده ها، انحراف معیار وزنی دبی اوج، توان متغیر وزنی دبی اوج، درصد خطای دبی اوج، مجذور میانگین مربعات خطا، مجموع قدر مطلق باقیمانده ها، مجموع مربع باقیمانده ها و انحراف معیار وزنی زمان اوج استفاده گردید. در گام بعد، صحت سنجی (رویداد 1396/09/10) با استفاده از مقادیر بهینه پارامترها انجام شد و در نهایت پس از واسنجی و صحت سنجی نرم افزار HEC-HMS، وقایع سیلابی مورد نظر با استفاده از داده های مدل عددی هواشناسی GFS، شبیه سازی شدند.
یافتهها: نتایج، همبستگی بالای میان هیدروگراف های مشاهده ای و واسنجی شده را در سطح معنی داری 95 درصد (0/9 <r ) نشان دادند. همچنین، بهترین تابع هدف، توان متغیر وزنی دبی اوج بود. نتایج حاصل از آنالیز حساسیت نشان داد که دبی اوج نسبت به تغییرات پارامترهای تلفات اولیه و شماره منحنی حساسیت بیشتری داشت. برای تأیید صحت نتایج به دست آمده در فرآیند واسنجی، صحت سنجی انجام شد. نتایج حاکی از آن است که میان میانگین های دو گروه دبی های مشاهده شده و واسنجی شده تفاوت معنی داری وجود نداشت (0/213 =P-value ). همچنین، نتایج شبیه سازی با استفاده از مدل عددی هواشناسی نشان دادند که میان هیدروگراف های مشاهدهشده و شبیه سازی شده توسط داده های مدل عددی هواشناسی تفاوت معنی داری (در سطح معنی داری 95 درصد) وجود نداشت.
نتیجهگیری: مطابق با نتایج به دست آمده، با استفاده از داده های بارش مدل عددی هواشناسی GFS و نرم افزار بارش رواناب HEC-HMS می توان شبیه سازی سیلاب را با نتایج قابل قبولی در پیش بینی دبی اوج سیل انجام داد.
مقدمه و هدف: سیل بهدلایل متعددی از جمله شدت بارندگی، تخریب پوشش گیاهی و تجاوز به حریم رودخانه ها ایجاد می شود. قدرت زیاد سیل ها به ساختمان‌ها، پل ها و سازه های موجود آسیب وارد می کند و ظرفیت بستر رودخانه را کاهش می دهد. همچنین حجم بیش از حد آب، خسارات جانی، مالی و تخریب زیستگاه های جانوران را نیز در پی دارد. برای مقابله با سیل و خسارات ناشی از آن، اقدامات سازهای مانند احداث سد و اقدامات غیر سازه ای مانند افزایش پوشش گیاهی، پیش بینی و سیستم های هشدار سیل انجام می شود. پیش بینی سیل، فرآیند برآورد زمان و مکان وقوع سیل و میزان حجم آب است و به عنوان ابزاری کارآمد و کم هزینه برای مدیریت سیلاب و کاهش خسارات ناشی از آن است که در سال های اخیر مورد توجه قرار گرفته است. مدل سازی بارش رواناب از جمله اقدامات جهت مدیریت سیلاب است. جهت شناخت ارتباط بین پارامتر بارش و رواناب و همچنین تعیین مقدار دبی اوج و زمان رسیدن به دبی اوج، شبیه سازی از طریق مدل های هیدرولوژیکی انجام می شود. یکی از نرم افزارهای هیدرولوژیکی در این زمینه، نرم افزار HEC-HMS است. با استفاده از سه مؤلفه مدل حوضه، مدل هواشناسی و مشخصه های کنترل، میزان تلفات، رواناب، جریان پایه و روندیابی با روش های موجود محاسبه می شود و در نهایت عملیات واسنجی جهت کاهش اختلاف هیدروگراف های مشاهداتی و شبیه سازی شده انجام می گردد. بارش از مهمترین پارامترهای ورودی جهت شبیهسازی سیلاب است. بنابراین، برآورد صحیح میزان آن امری ضروری و مهم تلقی می گردد. با توجه به تعداد ایستگاه های باران سنجی و عدم وجود ایستگاه های کافی در سطح کشور بهخصوص مناطق کوهستانی، استفاده از اطلاعات مدل عددی هواشناسی و داده های بارش ماهواره ای در پیش بینی سیل نقش مهمی دارد. مدل های عددی هواشناسی با کمک مدل های ریاضی، وضعیت آب و هوا را پیش بینی می کنند. پیش بینی ها به سه دسته کوتاه مدت، میان مدت و بلندمدت و مدل های منطقه ای و جهانی تقسیم می شوند. یکی از این مدل ها، مدل عددی هواشناسی GFS می باشد که داده هایی مانند دما، باد و بارش را پیش بینی و ارائه می کند. بارندگی های شدید، تخریب جنگل ها، برداشت شن و ماسه و ساختمان سازی در پهنه های سیلابی از جمله دلایل وقوع سیل در مازندران و به خصوص رودخانه تجن در سال های اخیر هستند. هدف اصلی این پژوهش، برآورد مقدار دبی اوج سیل با شبیه سازی وقایع سیلابی و ارزیابی نتایج حاصل از آن با استفاده از اطلاعات بارش مدل عددی هواشناسی GFS در حوضه رودخانه تجن واقع در شهر ساری در استان مازندران بوده است.
مواد و روشها: در این پژوهش، داده های مورد نیاز ایستگاه های هیدرومتری حوزه آبخیز تجن شامل اندازه گیری های ساعتی سیلاب های ثبتشده و همچنین اطلاعات مورد نیاز ایستگاه های تبخیرسنجی و باران سنجی در این حوضه شامل بارندگی حوزه آبخیز تجن از طریق شرکت آب منطقه ای مازندران برای دوره 10 ساله 1400-1390 اخذ گردید. همچنین، اطلاعات بارش از طریق خروجی مدل عددی هواشناسی GFS نیز در دوره مذکور از سایت https://openweathermap.org دریافت شد. با استفاده از لایه های کاربری اراضی و گروه هیدرولوژیک خاک در نرم افزار ArcGIS، شماره منحنی هر زیرحوضه تعیین و خصوصیات فیزیوگرافی حوزه آبخیز تجن با استفاده از الحاقیه HEC-GeoHMS استخراج گردید. با توجه به خصوصیات فیزیوگرافی زیرحوضه ها، اطلاعات مربوط به بارش ایستگاه های حوزه آبخیز تجن و دبی سیلاب اخذ شده از شرکت آب منطقه ای مازندران، شبیه سازی چهار واقعه سیل 1390/07/12، 1390/09/20، 1390/08/23 و 1396/09/10 در نرم افزار HEC-HMS انجام شد. از روش شماره منحنی سازمان حفاظت خاک آمریکا برای محاسبه تلفات، جهت محاسبه رواناب از روش هیدروگراف واحد SCS و روندیابی از روش روندیابی تأخیر مورد استفاده قرار گرفت. سپس برای تعیین میزان حساسیت پارامترهای شماره منحنی، زمان تأخیر و تلفات اولیه آنالیز حساسیت انجام شد. در فرآیند واسنجی، جهت تعیین مقادیر بهینه پارامترها از نه تابع هدف موجود در نرم افزار HEC-HMS شامل میانگین قدر مطلق باقیمانده ها، میانگین مربع باقیمانده ها، انحراف معیار وزنی دبی اوج، توان متغیر وزنی دبی اوج، درصد خطای دبی اوج، مجذور میانگین مربعات خطا، مجموع قدر مطلق باقیمانده ها، مجموع مربع باقیمانده ها و انحراف معیار وزنی زمان اوج استفاده گردید. در گام بعد، صحت سنجی (رویداد 1396/09/10) با استفاده از مقادیر بهینه پارامترها انجام شد و در نهایت پس از واسنجی و صحت سنجی نرم افزار HEC-HMS، وقایع سیلابی مورد نظر با استفاده از داده های مدل عددی هواشناسی GFS، شبیه سازی شدند.
یافتهها: نتایج، همبستگی بالای میان هیدروگراف های مشاهده ای و واسنجی شده را در سطح معنی داری 95 درصد (0/9 <r ) نشان دادند. همچنین، بهترین تابع هدف، توان متغیر وزنی دبی اوج بود. نتایج حاصل از آنالیز حساسیت نشان داد که دبی اوج نسبت به تغییرات پارامترهای تلفات اولیه و شماره منحنی حساسیت بیشتری داشت. برای تأیید صحت نتایج به دست آمده در فرآیند واسنجی، صحت سنجی انجام شد. نتایج حاکی از آن است که میان میانگین های دو گروه دبی های مشاهده شده و واسنجی شده تفاوت معنی داری وجود نداشت (0/213 =P-value ). همچنین، نتایج شبیه سازی با استفاده از مدل عددی هواشناسی نشان دادند که میان هیدروگراف های مشاهدهشده و شبیه سازی شده توسط داده های مدل عددی هواشناسی تفاوت معنی داری (در سطح معنی داری 95 درصد) وجود نداشت.
نتیجهگیری: مطابق با نتایج به دست آمده، با استفاده از داده های بارش مدل عددی هواشناسی GFS و نرم افزار بارش رواناب HEC-HMS می توان شبیه سازی سیلاب را با نتایج قابل قبولی در پیش بینی دبی اوج سیل انجام داد.
فهرست منابع
1. Afifi, M. E. (2020). Simulation of rainfall-runoff and flood potential using model HEC-HMS and Fuzzy Logic Case Study of Rudbal Watershed in Fars Province. Physical Geography Quarterly, 12(46), 111-127. [In Persian]
2. Asadi, M., Jabbari, I., & Hesadi, H. (2020). Flood Modeling in Arid and Semi Arid Areas Using HEC-HMS Model (Case Study: Esteghlal Minab Basin). Quantitative Geomorphological Research, 8(3), 17-33. [In Persian]
3. Azadi, M., Ghayoor, H., Masoodian, A., & Nouri, H. (2013). Investigation on Synoptic-Dynamic patterns of Heavy and Convective or No convective Precipitation Events in the Southern Coasts of Caspian Sea Using WRF Model. Geographical Research, 28(109), 215-238. [In Persian]
4. Dehban, H., Imani, S., Farrokhnia, A., & Roozbahani, R. (2017). Evaluation of daily precipitation results of GFS model for issuing flood early warnings; Case study: Lorestan province, Fifth Comprehensive Conference on Flood Management and Engineering, Tehran, https://civilica.com/doc/741649
5. de la Fuente, A., Meruane, V., & Meruane, C. (2019). Hydrological early warning system based on a deep learning runoff model coupled with a meteorological forecast. Water, 11(9), 1808. [DOI:10.3390/w11091808]
6. Eslami, H., Kamali Ardakani, D., Rezaee, N., & Eivazi, M. (2014). Flood Forecasting of Bakhtiari River in the construction site of Bakhtiari dam, 3th Dam and Tunnel Conference and Exhibition, 13. [In Persian].
7. Goodarzi, M. R., Poorattar, M. J., Vazirian, M., & Talebi, A. (2024). Evaluation of a weather forecasting model and HEC-HMS for flood forecasting: case study of Talesh catchment. Applied Water Science, 14(2), 34. [DOI:10.1007/s13201-023-02079-x]
8. Heidari Chenari, F., Fazloula, R., & Nikzad Tehrani, E. (2022). Calibration and Evaluation of HEC-HMS Hydrological Model Parameters in Simulation of Single Rainfall-Runoff Events (Case Study: Tajan Watershed). Journal of Watershed Management Research, 13(26), 69-81. [In Persian] [DOI:10.52547/jwmr.13.26.69]
9. Heidary Beni, M., Shiasi, M., & Mobini, S. (2017). Validation of GFS model in forecasting climatic elements (case study: Shahrekord station). Second National Conference on Hydrology of Iran. 10 [In Persian].
10. Imani Amirabad, S., Farokhnia, A., Dehban, H., Hasanli, A., Javadi, F., & Najafi, M. (2019). Evaluation of the performance of WRF and GFS forecasting models in forecasting the recent heavy rains of the country. 7th Comprehensive Conference on Flood Engineering and Management, 19. [In Persian]
11. Javanmardghassab, M., Eslami, H., Rezaee, N., & Eivazi, M. (2017). Evaluation of GFS and WRF rainfall forecasting models in Gavshan Watershed. 5th Flood Management and Engineering Conference, 11. [In Persian]
12. Lien, G.-Y., Kalnay, E., Miyoshi, T., & Huffman, G. J. (2016). Statistical properties of global precipitation in the NCEP GFS model and TMPA observations for data assimilation. Monthly Weather Review, 144(2), 663-679. [DOI:10.1175/MWR-D-15-0150.1]
13. Mahmoudzadeh, H., & Bakoi, M. (2018). Flood zoning using fuzzy analysis (case study: Sari city). Journal of Natural Environmental Hazards, 7(18), 51-68. [In Persian]
14. Mazidi, A., & Kooshki, S. (2015). Simulation of rainfall-runoff process and estimate of flood with HEC-HMSModel in Khorramabad catchment area. Geography and Development, 13(41), 1-10. [In Persian]
15. Moatamednia, M., Nohegar, A., Malekian, A., Saberi, M., & Karimi, K. (2017). Runoff prediction using intelligent models. Iranian Journal of Ecohydrology, 4(4), 955-968. [In Persian]
16. Mousavi Nadoushani, S., & Danandeh Mehr, A. (2005). Hydrologic Modelling System (HEC-HMS). Dibagaran Tehran Cultural-Art Institute, 295. [In Persian]
17. Mukhopadhyay, P., Prasad, V., Krishna, R. P. M., Deshpande, M., Ganai, M., Tirkey, S., Sarkar, S., Goswami, T., Johny, C., & Roy, K. (2019). Performance of a very high-resolution global forecast system model (GFS T1534) at 12.5 km over the Indian region during the 2016-2017 monsoon seasons. Journal of Earth System Science, 128, 1-18. [DOI:10.1007/s12040-019-1186-6]
18. Nodehi, S., & Moghaddas, N. H. (2008). Investigating the effects of Shahid Rajaei Dam on the Sari-Neka plain aquifer. Iranian Conference of Engineering Geology and the Environment, 10. [In Persian]
19. Nohegar, A., Salehi, E., Alavi Naeini, M., & Alavi Naeini, A. (2019). Prioritizing Different Methods for Participation and Education of People to Predict and Warning Flood in Iran. Environmental Management Hazards, 6(3), 259-269. [In Persian]
20. Nouri, F., Behmanesh, J., Mohammadnezhad, B. A., & Rezaei, H. (2013). Evaluation of WMS/HEC-HMS model in flood forecasting of Ghorve watershed. Journal of Water and Soil Conservation, 19(4), 201-210.
21. Rao, G. V., Reddy, K. V., Sridhar, V., Srinivasan, R., Umamahesh, N., & Pratap, D. (2022). Evaluation of NCEP-GFS-based Rainfall forecasts over the Nagavali and Vamsadhara basins in India. Atmospheric Research, 278, 106326. [DOI:10.1016/j.atmosres.2022.106326]
22. Shirmohammadi Aliakbarkhani, Z., Saberali, S. F., & Nastari Nasrabadi, H. (2019). Evaluation and Zoning of GPM and TRMM 3B42 V7 Satellite Rainfall Data in Northeast Iran. Journal of Meteorology and Atmospheric Science, 2(2), 179-191. [In Persian]
23. Shokri, S., Behnia, A., Radmanesh, F., & Akhond Ali, A. (2012). Watershed flood hydrograph estimation using HEC-HMS and geographic information system (Case study: Idanak watershed). Journal of Watershed Management Research, 3(5), 63-80. [In Persian]
24. Sridevi, C., Kumar Singh, K., Suneetha, P., Reval Durai, V., & Kumar, A. (2018). Vještina prognoze oborine iznad Indije tijekom ljetnog monsuna 2015. GFS modelom. Geofizika, 35(1), 40-52. [DOI:10.15233/gfz.2018.35.4]
25. Tassew, B. G., Belete, M. A., & Miegel, K. (2019). Application of HEC-HMS model for flow simulation in the Lake Tana basin: The case of Gilgel Abay catchment, upper Blue Nile basin, Ethiopia. Hydrology, 6(1), 21. [DOI:10.3390/hydrology6010021]
26. Yuan, F., Zhang, L., Soe, K. M. W., Ren, L., Zhao, C., Zhu, Y., Jiang, S., & Liu, Y. (2019). Applications of TRMM-and GPM-era multiple-satellite precipitation products for flood simulations at sub-daily scales in a sparsely gauged watershed in Myanmar. Remote Sensing, 11(2), 140. [DOI:10.3390/rs11020140]
27. Yue, H., Gebremichael, M., & Nourani, V. (2022). Performance of the Global Forecast System's medium-range precipitation forecasts in the Niger river basin using multiple satellite-based products. Hydrology and Earth System Sciences, 26(1), 167-181. [DOI:10.5194/hess-26-167-2022]
28. Wang, H., Hu, Y., Guo, Y., Wu, Z., & Yan, D. (2022). Urban flood forecasting based on the coupling of numerical weather model and stormwater model: A case study of Zhengzhou city. Journal of Hydrology: Regional Studies, 39, 100985. [DOI:10.1016/j.ejrh.2021.100985]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
