دوره 16، شماره 1 - ( بهار و تابستان 1404 )                   جلد 16 شماره 1 صفحات 70-59 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
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
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

URL: http://jwmr.sanru.ac.ir/article-1-1279-fa.html


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
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.

 
متن کامل [PDF 2089 kb]   (43 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: هيدرولوژی
دریافت: 1403/2/26 | پذیرش: 1403/7/5

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 نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by : Yektaweb