دوره 11، شماره 21 - ( بهار و تابستان 1399 )
جلد 11 شماره 21 صفحات 207-198 |
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:
Edrisi T, Habibnejad Roshan M, Jafari Gorzin B. (2020). Simulation of Zaremrod river flow in different time scales using soil moisture accounting model(SMA). jwmr. 11(21), 198-207. doi:10.52547/jwmr.11.21.198
URL: http://jwmr.sanru.ac.ir/article-1-805-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-805-fa.html
ادریسی تریفه، حبیب نژاد روشن محمود، جعفری گرزین بهنوش. شبیه‌سازی جریان رودخانه زارمرود در مقیاس‌های زمانی متفاوت با استفاده از مدل تعیین رطوبت خاک (SMA) پژوهشنامه مديريت حوزه آبخيز 1399; 11 (21) :207-198 10.52547/jwmr.11.21.198
دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده: (2276 مشاهده)
شبیه‌سازی جریان رودخانه برای اطلاع از آورد رودخانه در دوره‌های زمانی آتی و تعیین دبی‌های سیلابی اهمیت ویژهای دارد. فرایند‌های هیدرولوژیکی مختلفی مثل گیرش گیاهی، ذخیره سطحی، نفوذ، ذخیره خاک، نفوذ عمقی و ذخیره آب زیرزمینی باید در مدلسازی پیوسته هیدرولوژیکی در نظر گرفته شوند. با توجه به روش‌های مختلف شبیه‌سازی هیدرولوژیکی، روش پیوسته بهترین پیش‌‌بینی را دارد زیرا می‌‌تواند شرایط تر و خشک را در طول یک دوره طولانی مدت مدل کند. مدل HEC-HMS الگوریتم احتساب‌کننده رطوبت خاک (SMA) را برای شبیه سازی روابط طولانی مدت بین بارش ،رواناب، ذخیره، تبخیر و تعرق و تلفات خاک به کار می‌گیرد. در این مطالعه مدل احتساب‌کننده رطوبت خاک (HMS SMA) به منظور تعیین تاثیر رطوبت خاک در ایجاد رواناب، ارزیابی جریان‌های شبیه‌سازی شده در حوزه آبخیز زارمرود واقع در استان مازندران به کار برده شد. داده‌های روزانه بارش و رواناب برای مدت 4 سال (85-89) به همراه داده‌های ماهانه تبخیر و تعرق، مدل رقومی ارتفاع (DEM) با قدرت تفکیک 25 متر و نقشه شبکه هیدروگرافی برای مراحل واسنجی و اعتبارسنجی مورد استفاده قرار گرفت. نتایج شبیه سازی بیانگر این بود که مقیاس زمانی ماهانه با داشتن بیشترین مقدار R2 و NSE و حداقل MAE و RMSE در مراحل واسنجی و اعتبارسنجی دقیق‌ترین شبیه سازی را ارائه کرده است. به طور کلی نتایج تحقیق، قابلیت خوب مدل HEC-HMS به همراه مدل جدید محاسبه تلفات SMA برای شبیه‌سازی جریان رودخانه در حوزه آبخیز رودخانه زارمرود را نشان داد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
آبخیزداری
دریافت: 1396/2/22 | ویرایش نهایی: 1399/6/11 | پذیرش: 1398/11/1 | انتشار: 1399/6/14
دریافت: 1396/2/22 | ویرایش نهایی: 1399/6/11 | پذیرش: 1398/11/1 | انتشار: 1399/6/14
فهرست منابع
1. Abushandi, E. and B. Merkel. 2013. Modelling rainfall runoff relations using HEC-HMS and IHACRES for a single rain event in an arid region of Jordan. Water Resources Management, 27(7): 2391-2409. [DOI:10.1007/s11269-013-0293-4]
2. Alizade, A. 1998. Principles Applied Hydrology. Publishing Center of Astan Quds Razavi , Mashhad, Iran. 636 pp (In Persian).
3. Bashar K.E. 2012. Comparative performance of soil moisture accounting approach in continuous hydrologic simulation of the Blue Nile. Nile Basin Water Science & Engineering Journal, 5(2):1-10.
4. Bennett, T. 1998. Development and Application of a Continuous Soil Moisture Accounting Algorithm for the Hydrologic Engineering Center Hydrologic Modeling System (HEC-HMS). M.Sc. Thesis, Department of Civil and Environmental Engineering, University of California, Davis, USA. 358 pp.
5. Broumandnasab, S. 2002. Flood Hydrology in Urban Basins. Shahid Chamran University, Ahvaz, Iran. 328 pp.
6. Darvari, Z. and K. Soleimani. 2007. River Flow Simulations Using Artificial Neural Network (Case Study: Kasilian Basin). 9th National Conference of the Irrigation and Reduce Evaporation, 1-10 pp., Kerman, Iran (In Persian).
7. Dehghani, N., M. Vafakhah and A. Bahremand. 2016. Rainfall-Runoff Modeling using Artificial Neural Network and Neuro-Fuzzy Inference System in Kasilian Watershed. Journal of Watershed Management Research, 7(13): 128-137 [DOI:10.18869/acadpub.jwmr.7.13.137]
8. Fleming, M. and V. Neary. 2004. Continuous Hydrologic Modeling Study with the Hydrologic Modeling System. Journal of Hydrologic Engineering, 9(3): 175-183. [DOI:10.1061/(ASCE)1084-0699(2004)9:3(175)]
9. Ghafouri, M., B. Saghafian, H.R. Taheri Shahr Aeini and S. Bagheri shouraki. 2010. Simulation of Daily River Flow in Karoun Basin Using HEC-HMS Model. International Conference On Water Resources, 1-9pp., Shahroud, Iran (In Persian).
10. Garcia, A., A. Sainz, J.A. Revilla, C. Alvarez, J.A. Juanes and A. Puente. 2008. Surface Water Resources Assessement in Scarcely Gauged Basins in the North of Spain. Journal of Hydrology, 356(3-4): 312-326. [DOI:10.1016/j.jhydrol.2008.04.019]
11. Gholinezhad, K. 2011. Check Flooding to Separate Wet and Dry Periods Based on Historical Statistics and Long-Term Rainfall-Runoff Simulations (Case Study: Nekaroud Basin, Golurd Sub-Basin). M.Sc. Thesis, Islamic Azad University, Science and Research Branch, Tehran, Iran. 124 pp (In Persian).
12. Hasanpour Kashani, M., M.A. Ghorbani, Y. Dinpazhouh and S Shahmorad. 2015. Rainfall-Runoff Simulation in the Navrood River basin using Truncated Volterra Model and Artificial Neural Networks. Journal of Watershed Management Research, 6(12):1-10.
13. Hydrologic Engineering Center. 2000. Hydrologic Modeling System HEC-HMS Technical Reference Manual, U.S. Army Corps of Engineers, Institute for Water Resources.
14. James, L.D. and S.J. Burges. 1982. Selection, Calibration and Testing Of Hydrologic Models, in Hydrologic Modeling of Small Watersheds. Edited by Haan C T., Johnson H P. and Brakensiek D L. American Society of Agricultural Engineers. Monograph, 5: 437-472.
15. Kisi, O. 2004. River Flow Modeling Using Artificial Neural Networks. Journal of Hydrologic Engineering, 9(1): 60-63. [DOI:10.1061/(ASCE)1084-0699(2004)9:1(60)]
16. Razmkhah, H., A.M. Akhound Ali., B. Saghafian and F. Radmanesh. 2014. Comparing the Performance of Different Loss Models in the Rainfall-Runoff Modeling of the Karoon III Basin. Journal Management System, 6(19): 17-36 (In Persian).
17. Rehan Shaikh, M.D., R.N. Sankhua and R.P. Thanedar. 2012. Continuous Hydrologic Simulation Using Soil Moisture Accounting Algorithm of Randullabad Watershed, India. Journal of Engineering, Scince and Management Education, 5(IV)
18. Sharifi, M.B. and M. Salehi. 2005. Application of Neural Networks in River Flow Forecasting in the Basin Kardeh. Iran Water Resources Management Company, Khorasan Regional Water Authority, Enforcement agency: Mashhad Ferdowsi University,Iran. 1-11pp (In Persian).
19. Taheri Shahr Aeini, H., M.R. Ghafouri, B. Saghafian and S. Bagheri Shouraki. 2012. Evaluation of Fuzzy Novel Method and a Conceptual Approach for a Long Term daily Streamflow Simulation. International Journal of River Systems, 3-4(20): 249-260 (In Persian). [DOI:10.1127/1868-5749/2012/0039]
20. Tali-Khoshk, S., M. Mohseni Saravi, M. Vafakhah and S. Khalighi-Sigaroudi. 2014. River Daily Flow Prediction using Neuro-Fuzzy Model (Case Study: Taleghan Watershed). Journal of Watershed Management Research, 5(10): 56-67.
21. Zorkeflee, A.H., H. Nuramidah and S.Y. Mohd. 2009. Integrated river basin management (IRBM): hydrologic modelling using hec-hms for sungai kurau basin, perak. International Conference on Water Resources, 1-7 pp., Shahrood, Iran.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
