نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی کارشناسی ارشد هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
2 دانشیار دانشگاه آزاد اسلامی، گروه هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
3 کارشناس ارشد هواشناسی، رئیس اداره هواشناسی ماهوارهای و فنآوری نوین سازمان هواشناسی کشور
چکیده
کلیدواژهها
عنوان مقاله [English]
نویسندگان [English]
Introduction
Due to their high speed, flash floods are placed among the most important devastating disasters to humanity in contrast to other disasters such as drought and famine. The event is usually results from heavy precipitation. If the flood forecasting is done by an appropriate method, dealing with can be managed more properly. There are many parameters which are effective on models of flood forecasting. An essential component for flood forecasting is quantitative precipitation forecasting (QPF). At present, QPF is provided using limited area numerical models. The output of these local models is also used for operational and research purposes in Iran. Concerning the importance of QPF for flood forecasting of, in this research, the QPF output of the WRF model is used as an input for the HEC-HMS hydrology model to forecast the flood of Tire basin in Lorestan province of Iran.
Materials and Methods
The Tire basin, in the west and southwest of Iran, is one of the sub-basins of the large Dez basin. In this research, hourly and daily precipitation data of rain gauges and also hourly discharge data from stations were collected and studied,. After preparation and qualitative control of the mentioned data sets, some preparations were applied for calibration of the HEC-HMS model and some of its hydrological parameters such as lag time, curve number and coefficient of maximum discharge were reconsidered. By topographic evaluation and assessment of soil and plant coverage of the region, needed preliminary data for performing of HEC-HMS model were estimated by trial and error method. After calibration and obtaining the optimum parameters, model verification was done using ther results obtained from 3 events thatwere not used for calibration already. For verification of rainfall-runoff models, forecasted precipitation of the meteorological WRF model was used. Simulated precipitations were used in the HEC-HMS model as an input and then runoff was simulated. Finally, simulated runoff was verified by statistical gauges.
Results
Three statistical criteria are computed in order to evaluate the capability of the coupled model including: the bias, the Mean Absolute Error (MAE), and the absolute relative error. The minimum MAE for the studied events was 13 (m3/s) and the maximum was 76 (m3/s). The minimum and maximum of absolute relative error for peak discharge in the studied events were 1.22, 41.4 (m3/s), respectively. The Minimum and the maximum of absolute relative error for volume of discharge in the studied events were 15.48 and 39.7. Time lags between the observed peak discharge and simulated peak discharge is calculated as 3 to 6 hours. Examining the results, we conclude that the coupled model is working much better for spring events in comparison to winter events.
Conclusion
According to this research it can be said that the combination of WRF and HEC-HMS models increases the lead time of runoff prediction in real time forecasting. In spite of low errors in the forecasting, it can be said that the complete simulation were partly desirable. These results related to the tested cases in the research and generalizing of these results depend on to the more and extended research in the different fields and events. According to the importance of these kinds of forecasts, we suggest to eliminate the errors of these forecasts performing more studies and investigations.
کلیدواژهها [English]
مقدمه
موقعیت جغرافیایی کشورمان به گونهای است که هر ساله پراکندگی زمانی و مکانی بارش در بسیاری از مناطق کشور باعث وقوع سیل وهم موجب خشکسالی میشود. سیل یکی از مهمترین بلایای طبیعی است که خسارات وارده از آن به انسان به دلیل سرعت رخداد آن، ازسایر بلایا نظیر خشکسالی و قحطی بیشتر است(Green, et. al., 2000). این پدیده عمدتاً از بارشهای شدید حاصل میآید. اگر پیشبینی سیل به نحو مطلوب انجام شود زمینه را برای مدیریت مناسب و بهنگام آن ایجاد میکند. روشهای پیشبینی از روابط ساده تجربی و روابط همبستگی تا استفاده از مدلهای پیچیده که شامل تمامی مراحل بیلان آب در حوضه رودخانه است متغیر میباشد (حیدری و همکاران، 1384). تکنولوژی جمعآوری، انتقال و پردازش دادههای آبشناختی و پیشبینی زمان وقوع سیل از طریق مدلسازی طی چهل سال اخیر پیشرفت قابل توجهی نموده و امکان بیشتری را برای استفاده از سامانههای پیشرفته هشدار و پیشبینی سیل فراهم ساخته است (جواهری و همکاران، 1386). در مدلهای پیشبینی سیل یا رواناب پارامترهای زیادی دخیل میباشند. یکی از این پارامترها که می تواند تاثیر بسزایی در پیشبینی ایفا کند، پیشبینی کمی بارندگی[1] است. تند سیلابها دارای زمان انتظار[2] بسیار کوتاهی میباشند و با رخدادهای هواشناسی بیشینه همراهند، معمولاً به یک توفان همرفتی با یک موقعیت آبشناختی خاص مثل یک حوضه آبریز کوچک یا جایی که ظرفیت نفوذپذیری پایین دارد وابستهاند. پیشبینی این تند سیلابها قویاً به پیشبینی کمی بارندگی بستگی دارد (krysztofwicz, 1995). بنابراین با توجه به رابطهای که پیشبینی کمی بارندگی با پیشبینی رواناب و سیلاب دارد، در این تحقیق از پیشبینی کمی بارندگی برای پیشبینی سیل استفاده خواهد شد. پیشبینی کمی بارندگی امروزه توسط مدلهای پیشبینی عددی وضع هوا[3] تولید میشود. در ایران نیز از خروجی مدلهای منطقهای در کارهای تحقیقاتی و عملیاتی استفاده میشود. وقتی بتوان همه پارامترهای مؤثر برپیشبینی هیدرولوژیکی را تا حد امکان و به طور مناسب برآورد نمود و به مدلها وارد کرد، پیشبینیها از دقت و صحت بالا برخوردار میشوند که یکی از این پارامترها پیشبینی کمی بارندگی است. اهمیت استفاده از پیشبینی کمی بارندگی راهکار مناسبی برای کاهش خسارات ناشی از تند سیلابها است. همچنین استفاده از پیشبینی کمی بارندگی منتج شده از مدلهای پیشبینی عددی وضع هواو استفاده از آنها به عنوان ورودی مدلهای پیشبینی هیدرولوژیکی بارش-رواناب و درنتیجه پیشبینی جریان، توسط تعدادی از محققان انجام شده که نشان می دهد نسبت به مدلهای پیشبینی رواناب که از پیشبینی کمی بارندگی استفاده نکردهاند، نتایج بهتری حاصل شده است (Guolei, et. al., 2010 ). کنکاش در مورد پیشبینی بارش معمولاً در مناطق با توپوگرافی پیچیده به شدت افزایش مییابد و پیشبینی کمی بارش در مناطق پر باران که همواره در معرض وقوع سیلاب میباشند اهمیت فوقالعادهای پیدا میکند. پیشبینی کمی بارش برای طرحهای منابع آبی و سیلهای ویرانگر، وابسته به دقت پیشبینیهایی است که توسط مدلهای هواشناسی انجام میشود. اما مدلهای هواشناسی برای پیشبینی کمیت ها (بارش، دما ...) همواره دچار خطای سامانمند و عدم قطعیت در نتایج حاصله میباشند، به دلایل مختلف از جمله ناپیوستگی بارش در زمان و مکان ، خطای پیشبینی کمیت بارش از دیگر پارامترها مثل دما بیشتر است.( Kalnay, 2003) تعدادی از محققین کشورمان در این رابطه پژوهشهایی انجام دادهاند که به طور اجمالی به برخی اشاره میکنیم. تقی زاده در پایان نامه کارشناسی ارشد خود در سال 1389، به بررسی عملکرد مدلهای منطقه ای HRM[4] ، [5]MM5 و WRF برای پیشبینی بارش روی ایران پرداخته است. نتایج نشان داد با افزایش سن پیشبینی دقت پیشبینیها کاهش پیدا کرده است. همچنین دقت پیشبینی سه مدل در حالتهای بررسی شده به هم نزدیک بوده است، این موضوع از لحاظ توزیع مکانی نیز اختلاف قابل توجهی را نشان نداده است. شباهت رفتار سه مدل به گونهای است که کمیت اریبی تقریباً برای سه مدل، با هم، در یک آستانه بارش و یا یک منطقه نسبت به دیگر آستانهها یا مناطق بیشینه یا کمینه میشود در کل سه مدل کارایی مشابهی داشتهاند، هر چند می توان به برتری مدل WRF به ویژه در زمان رخداد بارش و همین طور تا حدودی مهارت و ارزش اقتصادی بالاتر آن توجه کرد. شیر غلامی در سال 1388 در پایان نامه کارشناسی ارشد خود، برونداد مدل WRFبرای بارندگی روی ایران را پس پردازش کرد. ایشان بارشهای 24 ساعته برونداد مدل WRF برای 205 ایستگاه همدیدی کشور را با استفاده از روش میانگین لغزان و برآوردکنندهی بهینه ساده مورد پس پردازش قرار داد. از عواملی که در نتایج بهدست آمده در این پژوهش موثر بوده است، طول دوره آموزش مناسب میباشد. به طور کلی نتایج نشان می دهد که روشهای پس پردازش مورد استفاده توانسته است، خطای سامانمند موجود در برونداد مدل را کاهش دهد. به طوری که میانگین خطای مطلق بارندگی، به طور میانگین در حدود 20 درصد کاهش یافته است. بنابراین استفاده از پس پردازش برای پیشبینی بارش مدلها مفید و ضروری می باشد. محاسبه برخی شاخصهای راستآزمایی متداول مانند اریبی، میانگین خطای مطلق و امتیاز مهارتی متناظر با آن نشان میدهد که هر دو روش پس پردازش میانگین لغزان و برآورد کننده بهینه ساده به طور قطع خطای برونداد مدل را بهبود میبخشند. همچنین نتایج بهدست آمده از این شاخصها نشان میدهد که روش پس پردازش میانگین لغزان نسبت به روش برآورد کنندهی بهینه ساده، خطای پیشبین ی مدل را بیشتر کاهش میدهد. طی تحقیق دیگر کفاشزاده در سال 89 به بررسی پیشبینیهای احتمالی بارش واسنجیده با استفاده از یک سامانه همادی WRF-MM5 در ایران پرداخته است. در این تحقیق نتیجه شد که در اغلب اوقات پیشبینی سامانه، برآوردی اضافیتر از مقدار دیدبانی داشته است. پس واسنجیکردن پیشبینی، قبل از صدور پیشبینی احتمالی امری ضروری است. به طور کلی نتایج این پژوهش نشان میدهد که واسنجی به روش بافتنگار رتبهای توانسته است خطای سامانمند موجود در برونداد خام مدل را کاهش دهد. اما این نتایج نسبت به نتایج کار های مشابه چشمگیر نمی باشد. واشانی،1388 در رساله خود با پس پردازش برونداد یک سامانه همادی برای کمیت بارش با استفاده از روش شبکه عصبی مصنوعی و راستآزمایی برونداد این سامانه روی منطقه شمال ایران نشان داد که شبکه عصبی مصنوعی و روش همیل و کلوچی به عنوان یک روش پسپردازش به خوبی خطای سامانمند مدلهای پیشبینی عددی وضع هوا را کاهش میدهند. وی همچنین نشان داده است که روش شبکه عصبی مصنوعی بهتر از روش همیل و کلوچی خطای سامانمند مدل را از بین میبرد. اهمیت بارشهای رگباری برای تولید سیلاب موضوع واضح و غیرقابل انکار است. بنابراین شبیهسازی بارشهای رگباری توسط مدل های پیشبینی عددی جو و سپس پیشبینی اینگونه بارشها از مسائلی است که میتواند راهکارهای مناسب جهت پیشبینی سیلاب ارائه دهد. قندهاری وهمکاران 1385، به بررسی و امکان شبیهسازی بارش های رگباری شدید حاصل از سلول های همرفتی با استفاده از مدل MM5 پرداختهاند. بر اساس تحقیقات انجام شده نتایج مشاهده شده مدل به خوبی این بارشها را شبیهسازی نمود. بررسی مقدار کمینه وبیشینه بارش پیشبینی شده توسط مدل و مقایسه آن با دیدبانی ها نشان میدهد که کیفیت نتایج تولید شده مناسب میباشد. در نتیجه می توان گفت با امکان پیشبینی بارش توسط مدل های پیشبینی عددی جو و حصول نتایج حدوداً قابل قبول می توان از این پیشبینی ها برای پیشبینیهای هیدرولوژیکی استفاده کرد. تحقیقات وسیعی در مورد پیشبینی سیل و رواناب صورت گرفته است . این مطالعات با روش های متعددی انجام شده است. با توجه به ضرورت پیشبینیهای هیدرولوژیکی و پیشرفت پیشبینیهای عددی جوی تلفیق این دو پیشبینی می تواند راهکار مناسبی برای پیشبینیهای زمان واقعی باشد. در این زمینه پژوهشهایی در سطح جهان صورت گرفته است که به اختصار به چند مورد از این مطالعات اشاره شده است . در سال 2005 Barthholmes و همکاران طی مطالعهای به بررسی نتایج جفت کردن مدل های هواشناسی و مدل های هیدرولوژیکی توزیعی بر روی رودخانه پو [6] واقع در شمال ایتالیا با مساحت 37000 کیلومتر مربع پرداختند. آنها در این کار از مدل هیدرولوژیکی توزیعی TOPKAPI [7] و مدل های هواشناسی اروپایی ECMWF[8] با تفکیک مکانی °85/1° *85/1 و مدل های منطقه محدود DWDو DMI با تفکیک مکانی°625/0 ×°625/0استفاده کردهاند. دراین مطالعه با جفت کردن مدل هواشناسی ECMWF و مدل فیزیکی TOPKAPI زمان هشدارسیل افزایش یافته است. البته قابلذکر است که نتایج مدل های مختلف هواشناسی بکار رفته در این مطالعه تفاوت های زیادی داشته است اما به طور کلی نتایج این تحقیق دلگرم کننده بوده است ولی از لحاظ پیشبینی کمی سیل هنوز نتیجه مطلوب دست نیافته است. در مطالعهای دیگر توسط Collischonn وهمکاران در سال 2005 با استفاده از بارش مشاهده شده و پیشبینی شده توسط مدل های عددی جو و شبیه سازی بارش-رواناب به پیشبینی جریان رودخانه پرداختهاند. این تحقیق بر روی رودخانه اوروگوئه که یکی از شاخههای اصلی حوضه آبریز رودخانه لاپلاتا است، صورت گرفتهاست. پیشبینیها برای یک دوره 167 روزه و یک واقعه سیل انجام شده است . در این مطالعه از بارش پیشبینی شده با سه تفکیک مکانی استفاده شده است. مدل بکار رفته در این تحقیق توسط کالیسچن و توچی مبنی بر تصاویر ماهوارهای، نقشه های ارتفاعی و رقومی زمین ، پوشش گیاهی زمین و شکل خاک طراحی شده است، که شبیه مدل LARSIM وVIC-2L میباشد. مقادیر پیشبینی شده بارش از مدل منطقهای ARPS استخراج شده است، که با سه تفکیک مکانی 40، 12، 4 کیلومتر اجرا شده است. با وجود اینکه در طول وقوع سیل مقدار بارش کمتر از میزان واقعی برآورد شده است اما اوج جریان خیلیخوب و با زمان انتظار 10 ساعت پیشبینی شده است. پیشبینی جریان با استفاده از بارش پیشبینی شده بهتر از زمانی که بارش ساعات آینده را نداریم انجام شده است. اما در طول دوره پیوسته اینگونه نبوده است و این نتیجه غیره منتظره ممکن است به دلیل خشک بودن دوره پیوسته باشد، چنانچه در دورهتر نتایج عکس بوده است. البته خطای زمانی پیشبینی بارش را میتوان دلیل دیگری دانست که بعد از اوج هیدروگراف مقدار جریان پیشبینی شده بالاتر از مقدار واقعی بوده است.
سال 2007 Collischonn وهمکارانش روشی برای پیشبینی جریان مبنی بر بارش پیشبینی شده و بارش مشاهده شده استفاده کردند. که بارش را از مدلEta پیشبینی کردند و برای تخمین جریان از مدل هیدرولوژیکی MGB –IPH استفاده کردند. پیشبینی برای دوره 2 ساله با فواصل زمانی یک هفتهای بر روی قسمتی از رودخانه بین دو مخزن که قسمت مهمی از نیروی برق آبی برزیل را تامین می کند انجام گرفته است. پیشبینی جریان روزانه از چهارشنبه هر هفته تا یکشنبه هفته بعد با زمان انتظار 12 ساعته صادر می شد. در ابتدا کیفیت پیشبینیها با مقایسه آنها با جریان مشاهده شده در یک روز ارزیابی شد. در چهار روز اول پیشبینی ها بسیار خوب بود و ضریب نش- ساتکلیف[9] بالاتر از 9/0 و برای روزهای 6 تا 12 این ضریب در حدود 83/0 پایدار بود . همچنین به وضوح مشخص شد که به روز رسانی مدل یک اثر مثبت روی پیشبینی انجام شده دارد. به گونهای که در روز اول پیشبینی که از بارش مشاهداتی استفاده شد با افزایش ضریب نش- ساتکلیف از 9/0 در طول دوره واسنجی به 98/0 در دوره پیشبینی رسیده است. همانطور که انتظار میرود، پیشبینیها بر اساس بارش مشاهده شده بهتر از پیشبینی ها بر اساس بارش پیشبینی شده است اما نمیتوان از آنها برای اجرای عملیاتی پیشبینی جریان در طول دوره میان مدت چندین روزه استفاده کرد زیرا مقدار مشاهداتی بارشی که جریان را تولید میکند در دسترس نمی باشد. بنابراین در پیشبینی عملیاتی از بارش پیشبینی شده استفاده کردند. از نتایج دیگر این تحقیق مقایسه پیشبینیهای میانگین هفتروزه دبی و نتایج حاصل از اجرای مدل خودهمبسته که از بارش استفاده نشده است، با مقادیر واقعی جریان می باشد و به وضوح مشخص شد که مدل MGB–IPH عملکرد بهتری نسبت به مدل خودهمبسته داشته است.
Guolei و همکاران (2010)، یک مدل(ARMA)[10] پیش بینی جریان آب رودخانه را با استفاده از پیشبینی کمی بارندگی از خروجی مدلGFS میان مدت (10 روزه) طراحی کردند. نتایج در مقابل مدل پیشبینی جریان خودهمبسته (AR)[11] کاهشی در حدود 15 درصد در متوسط مطلق خطاها (ABE)[12] را نشان میدهد. Zhang و همکاران (2009) ،با استفاده از پیشبینی کمی بارندگی(QPF) و ترکیب آن با شبکه عصبی جریان را پیشبینی کردند. نتایج این پژوهش حاکی از آن است که زمان انتظار (هشدار) پیشبینی طولانی شده است و بعلاوه دقت نتایج پیشبینی نسبت به مدل های سنتی ARMA بسیار بهتر شده است. در زمینه پیشبینی رواناب و سیل در ایران نیز کارهایی انجام شده که در ذیل به ذکر برخی می پردازیم، قابلذکر است که تحقیق در زمینه پیشبینی رواناب با استفاده از پیشبینی کمی بارش در ایران بسیار معدود ومحدود بوده است. کمالی و همکاران (1387)، طی پروژهای به پیشبینی سیلاب های حوضه کارون بزرگ و تهیه سامانه ای به منظور برآورد پارامتر های اصلی سیل؛ نظیر دبی لحظهای، پیک سیلاب، زمان وقوع و حجم سیلاب پرداخته اند. اساس پیش بینی و هشدار سیل در مدل تهیه شده نتایج حاصل از پیشبینی عددی وضع هوا در 102 ساعت آینده توسط مدل MM5 میباشد. مدل تهیه شده اطلاعات موجود را دریافت و پردازش مینماید، نتایج برای 102 ساعت آینده با گام های زمانی 3 ساعت ارائه میگردد. خطای پیشبینی دبی پیک سیلابها بین ٪35- ٪9 و خطای پیشبینی حجم هیدروگراف بین ٪26- ٪8 و در مورد زمان وقوع سیل بین 30 دقیقه تا 6 ساعت میباشد. در این مدل پیشبینی سیل با وجود عدم بکارگیری دادههای بهنگام ایستگاههای اندازهگیری در زمان سیلاب خطای پیشبینی دبی اوج با تجربیات کمتر از 15درصد برآورد میگردد. به این ترتیب میتوان گفت سیستم موجود در دوره سیستم های کاملاً قابل قبول نیست.
در مورد شبیهسازیهای دبی با توجه به مطالبی که در بالا ذکر شد می توان به این نتیجه رسید که استفاده از پیشبینی کمی بارندگی در پیشبینی رواناب در برخی جنبهها نظیر افزایش زمان انتظار رواناب یا سیل ممکن است، مفید واقع شود. از آنجا که اخیرا ولو در سطح پژوهشی در ایران امکان استفاده از برونداد مدل های پیشبینی عددی وضع هوا وجود دارد ، لذا استفاده از پیشبینی کمی بارندگی این مدل ها در مدل های هیدرولوژیکی و ارزیابی نتایج حاصل از آنها یکی از ضرورت های انجام این تحقیق میباشد.
مواد و روش ها
معرفی منطقه مورد مطالعه
حوضه آبریز خلیج فارس و دریای عمان حدود 437150کیلومتر مربع مساحت دارد. این حوضه شامل حوضه های آبریز بزرگی همچون کارون، دز، کرخه، زاب سیروان و غیره می باشد . حوضه آبریز دز با مساحتی بالغ بر 21,463 کیلومتر مربع از شمال شرقی استان لرستان و جنوب غربی استان مرکزی شروع شده و تا شمال شهر اهواز امتداد دارد که از آنجا به رودخانه کارون می پیوندد. در این پژوهش به مطالعه دو زیر حوضه تیره و ماربر که از زیر حوضه های این حوضه آبریز بزرگ می باشند پرداخته شده است. شکل (1) موقعیت حوضه دز نسبت به ایران و شکل (2) موقعیت دو زیر حوضه تیره و ماربره را نسبت به حوضه دز نشان داده است. موقعیت ایستگاه های آبسنجی و بارانسنجی منطقه به ترتیب در شکلهای 3 و 4 نشان داده شده است.
شکل شماره 1- موقعیت حوضه دز نسبت به ایران
شکل شماره 2- موقعیت زیرحوضههای آبریز تیره و ماربر
شکل شماره 3- موقعیت ایستگاههای آبسنجی حوضه
شکل شماره 4- موقعیت ایستگاههای بارانسنجی حوضه
روش انجام کار
به رغم اهمیت سیل و خسارتهای ناشی از آن و همچنین اهمیت موضوع مدیریت منابع آب در کشور، آمار و اطلاعات لازم از جمله دبی ساعتی و بارش ساعتی بسیار ناقص بوده و پراکنده می باشد. در واقع امکان طراحی یک هیدروگراف واحد و هیتوگراف واحد مطمئن برای هر ایستگاه یا منطقه وجود ندارد. با این حال این پژوهش با استفاده از دادههای موجود به انجام رسید. به منظور انجام این تحقیق مجموعه آمار و دادههای زیر مورد نیاز بودند.
1- هیدروگراف مشاهدهای سیلاب ها در محل ایستگاههای هیدرومتری
2- آمار روزانه بارش در محل ایستگاههای بارانسنجی جهت تحلیل مکانی و محاسبه مقادیر متوسط بارش زیر حوضه ها
3- آمار ساعتی بارش در محل ایستگاههای باراننگاری جهت برآورد توزیع زمانی متوسط بارش هریک از زیر حوضه ها
4- نقشه های پوشش گیاهی و ارزیابی اراضی خاک و توپوگرافی منطقه مورد مطالعه
در ایستگاه های هیدرومتری آمار رواناب به صورت ساعتی موجود است. مقادیر بارش روزانه از ایستگاههای باران سنجی وزارت نیرو و سازمان هواشناسی و آمار ساعتی بارش از ایستگاه های باران نگاری جمع آوری شد. پس از تهیه دادههای فوق با بررسی آمار رویدادهایی که بارش ساعتی مولد آنها موجود بود، به عنوان رویدادهایی مورد استفاده در واسنجی مدل HEC-HMS انتخاب گردید. با بررسی توپوگرافی و ارزیابی خاک و پوشش گیاهی منطقه، دادهها و اطلاعات اولیه مورد نیاز اجرای مدل HEC-HMS برآورد گردید، سپس با ورود داده های بارش ساعتی و روزانه و آمار سیلابهای منتخب به مدل هر کدام از رویدادها شبیهسازی گردید. در این بررسی برای برآورد تلفات بارش از روش شماره منحنی و برای تبدیل بارش به رواناب از مدل تجربی هیدروگراف واحد مصنوعی اشنایدر استفاده شد. برای برآورد جریان پایه از مدل فروکش نمایی استفاده کردهایم. همچنین در تجزیه وتحلیل دادههای بارش از وزندهی بارانسنج به روش معکوس فاصله بهرهگرفته شد. پس از آمادهسازی مدل با تغییر در پارامترهای مدل سعی میشود تا هیدروگراف شبیهسازی مدل تطابق کافی با هیدروگراف مشاهدهای داشته باشد. تعیین برخی از پارامترهایی مانند زمان تاخیر، شماره منحنی یا تلفات بارش، بوسیله مشاهدات یا اندازهگیری خصوصیات حوضه یا آبراههها قابل تخمین زدن بود. پس از واسنجی مدل و بدست آوردن پارامترهای بهینه، راستآزمایی مدل توسط تعدادی از وقایع که در واسنجی از آنها استفاده نشده بود انجام گرفت. جهت راستآزمایی مدل بارش- رواناب از بارش پیشبینی شده توسط مدل هواشناسی WRF با تفکیک زمانی 1 ساعت و تفکیک مکانی 10 کیلومتر استفاده گردید. بارش شبیه سازی شده به عنوان مولفه ورودی به مدل HMS وارد و رواناب پیشبینی گردید. رواناب پیشبینی شده مورد بررسی قرار گرفت. در بخش بعد به بررسی نتایج حاصل از پژوهش پرداخته شده است.
معرفی مدل WRF
مدل WRF یک سامانه پیشبینی عددی وضع هوا (NWP) و شبیهسازی جوّ است که برای کاربردهای پژوهشی و عملیاتی طراحی شده است. توسعه و گسترش این مدل تبدیل به یک تلاش همگانی برای ایجاد یک مدل پیشبینی میانمقیاس و نیز ایجاد یک سامانه دادهگواری شده است تا فهم و پیشبینی وضعیت جوّی را گسترش داده و نیز پیشرفتهای تحقیقاتی را تسریع کند. طرحوارههای انتخاب شده برای فیزیک مدل به قرار زیر میباشد.
- طرحواره خرد فیزیک WSM 3-class simple ice scheme
- طرحواره همرفت Kain-Fritsch (new Eta) scheme
- طرحواره لایه مرزی YSU scheme
- طرحواره تابش موج بلند RRTM scheme
- طرحواره تابش موج کوتاه Dudhia scheme
- طرحواره سطح زمین Unified Noah land-surface model
- طرحواره لایه سطحی Monin-Obukhov scheme
معرفی مدل HEC-HMS
جهت بکارگیری روشها و محاسباتی که در تحلیل بارش-رواناب انجام میشود، نرم افزارهایی ارائه شده که هر یک دارای قابلیت محاسبه بخشهای از این محاسبات است. سامانه مدلسازی هیدرولوژیکیHMS HEC- برای شبیهسازی فرآیند های بارش- رواناب در حوضه های آبریز دندریتی[13] طراحی شده است. این مدل برای کاربرد در محدوده وسیعی از نواحی جغرافیایی جهت حل مسائل مختلفی شامل منابع آب و هیدرولوژی، سیلهای بزرگ و رواناب حوضههای آبریز طبیعی یا شهری کوچک طراحی شده است. هیدروگرافهای تولید شده توسط این مدل بطور مستقیم یا در تلفیق با نرم افزار های دیگر برای مطالعات و پروژه های آبی از جمله منابع آب، زهکشی شهری، پیشبینی جریان تاثیر شهرسازیهای آینده طراحی سرریز مخزن، کاهش خسارات سیل، مدیریت سیلابدشت و بهرهبرداری از سامانه منابع آب بهکار میرود. مدل HEC-HMS نسل جدید مدل HEC-1 است که تحت سیستم عامل ویندوز قابل اجرا بوده و از سیستم ارتباط گرافیکی پیشرفتهای بهره میجوید. این مدل حاصل تلاشهای مرکز مهندسی هیدرولوژی مؤسسه تحقیقات آبهنگ مهندسی ارتش ایالات متحده آمریکا است. در این مدل، شبیه سازی بارش- رواناب بهصورت سیستمی انجام می شود. یعنی حوضه سیستمی است که اجزای آن در ارتباطات درونی هستند و هر جز از مدل یک جنبه از فرایند بارش – رواناب را در یک زیر حوضه یا زیر ناحیه شبیهسازی می کند. بهطور کلی این مدل دارای سه بخش اصلی می باشد، که عبارتند از : بخش شبیهساز اجزا حوضه، بخش تجزیه و تحلیل دادههای هواشناسی، بخش مشخصههای کنترلی. هر کدام از این اجزا نیز به نوبه خود به بخشهای دیگری تقسیم میشوند.
بحث و نتایج
واسنجی مدل برای رویدادهای 14 بهمن 1371، 2 تا 3 اسفند 1371، 14 تا 15 اسفند 1371 و رویداد 3 تا 7 اردیبهشت 1372، با وجود کنترلهایی که بر روی داده های بارش وسیل صورت گرفت، به علت وضعیت داده ها نتایج مناسبی ارائه نداد لذا این سیلها از فهرست رویدادهای منتخب حذف شدند. از آمار واطلاعات رویدادهای هجده آذر 1390، پنج تا هفتم اسفند 1370، 17 تا 18 اسفند 1371 و 20 فروردین 1372 برای واسنجی مدل بهره گرفته شد. نتایج واسنجی در جدول (1) آورده شده است. با توجه به نتایج بدست آمده واسنجی مدل قابل قبول می باشد. بنابراین با انتخاب رویدادهای اول تا هفتم اردیبهشت 1382 و بیست تا بیست و چهار اسفند 1383 و پنجم تا ششم اردیبهشت 1383به پیشبینی رواناب پراداخته شد. همان گونه که در بخش قبل اشاره گردید، برای پیشبینی بارش از مدل WRF استفاده گردید، که در شکل 5 تفکیک مکانی اعمال شده توسط مدلWRF روی منطقه نشان داده شده است.
جدول 1- نتایج واسنجی مدل HMS
سنجه آماری |
هیجده آذر 1390 |
پنج تا هفتم اسفند 1370 |
17 تا 18 اسفند 1371 |
20 فروردین 1372 |
میانگین خطای پیشبینی (اریبی) (متر مکعب برثانیه) |
6/0 |
1- |
6/11- |
2/0 |
میانگین خطای مطلق (متر مکعب بر ثانیه) |
8/0 |
7/5 |
2/21 |
9/0 |
قدر مطلق خطای نسبی دبی اوج |
8/0 |
8/0 |
6/8 |
24/0 |
قدر مطلق خطای نسبی حجم |
1/3 |
2/2 |
8/5 |
2/0 |
اختلافزمانی بین دبی اوج مشاهده شده و شبیه سازی شده (ساعت) |
1 |
12 |
7 |
5 |
شکل5 - شبکه بارانسنجی اعمال شده توسط مدل WRF روی حوضه
با اعمال بارش پیشبینی شده توسط WRF به مدل HMS و پیشبینی رواناب نتایج آن در شکلهای 6 و 7 و جدول 2 آمده است. برای مقایسه نتایج از سنجههای آماری میانگین خطای پیشبینی (اریبی)، میانگین خطای مطلق و قدر مطلق خطای نسبی دبی اوج و حجم برای برآورد میزان خطای مدل در راستآزمایی رویداد استفاده شده است. نتایج بدست آمده از پیشبینی رواناب توسط مدل HMS با استفاده از بارش مدل WRF نشان می دهد که اریبی بدست آمده در همه رویدادها منفی بوده که نشان دهنده این موضوع است که، مقادیر رواناب پیشبینی شده کمتر از مقادیر مشاهده ای آن می باشد. کمترین میانگین خطای مطلق پیشبینی در رویداد اردیبهشت 1383 می باشد، که مقدار آن 13 متر مکعب بر ثانیه و بیشترین مقدار آن 76 متر مکعب بر ثانیه ، مربوط به رویداد اسفند 1383 می باشد. این کمیت برای رویداد اردیبهشت 1382 برابر 23 متر مکعب بر ثانیه است. قدر مطلق خطای نسبی دبی اوج برای سه رویداد اردیبهشت 1382 و 1383 و اسفند 1383 به ترتیب 13/16 و 22/1 و 4/41 می باشد، قدر مطلق خطای نسبی حجم به ترتیب 48/15، 94/18 و 7/39 بوده است.
باتوجه به نتایج بدست آمده می توان گفت تلفیق دو مدل ذکر شده در پیشبینی رواناب در فصل بهار نتایج بهتری را کسب کرده است، نتایج رویداد اسفند 1383 چشمگیر نبوده است.
جدول شماره 2- نتایج راست آزمایی مدل HMS
سنجه آماری |
7-1/2/1382 |
24-20/12/1383 |
6-5/2/1383 |
میانگین خطای پیشبینی (اریبی) (متر مکعب برثانیه) |
1/12- |
9/74- |
13- |
میانگین خطای مطلق (متر مکعب بر ثانیه) |
23 |
76 |
13 |
قدر مطلق خطای نسبی دبی اوج |
13/16 |
4/41 |
22/1 |
قدر مطلق خطای نسبی حجم |
48/15 |
7/39 |
94/18 |
اختلافزمانی بین دبی اوج مشاهده شده و شبیه سازی شده (ساعت) |
5 |
6 |
3 |
شکل6- خروجی مدل HMS حاصل از بکارگیری بارش پیشبینی شده توسط مدل WRF برای رویداد اسفند 1383
شکل 7- برونداد مدل HMSحاصل از بکارگیری بارش پیشبینی شده توسط مدل WRF برای رویداد اردیبهشت 1382
شکل 8- خروجی مدل HMS حاصل از بکارگیری بارش پیشبینی شده توسط مدل WRF برای رویداد اردیبهشت 1383
نتیجه گیری
از بررسی انجام گرفته میتوان این نتیجه را گرفت که تلفیق دو مدل هواشناسی WRF و مدل شبیهسازی بارش-رواناب HEC-HMS میتواند راهکار مناسبی جهت افزایش زمان هشدار پیشبینی، پیشبینی مناسب دبی اوج و حجم رواناب در فصل بهار باشد. قابل ذکر است که نتایج از لحاظ پیشبینی کمی سیل هنوز به نتیجه مطلوب دست نیافته است اما به طورکلی نتایج دلگرم کننده بود. برای بهبود نتایج نیاز به آمار ثبت شده پیوسته و جامعتر میباشد، که لزوماً همکاری سازمان ها و ادارات ذیربط را میطلبد. همچنین واسنجی مدل های هواشناسی برای حوضه های آبریز مختلف و به روز رسانی اطلاعات و دادههای مورد نیاز مانند اطلاعات پوشش گیاهی و ارزیابی خاک مطمئناً باعث افزایش دقت پیشبینیها میشود. با توجه به پیشرفت پیشبینیهای احتمالی و گسترش روز به روز این نوع پیشبینی، استفاده از این نوع پیشبینی در تلفیق مدلهای هیدرولوژیکی و جوی میتواند مورد بررسی قرار گیرد. استفاده کاربردی از چنین طرح هایی راهکار مناسبی جهت مدیریت منابع آب و کاهش خسارات ناشی از سیلها میشود. این نکته شایان ذکر می باشد که نتایج، مربوط به موارد بررسی شده می باشد و تعمیم نتایج منوط به بررسیهای بیشتر در این زمینه می باشد.
این مقاله قسمتی از پایان نامه کارشناسی ارشد هواشناسی با عنوان، پیشبینی رواناب حوضه آبریز تیره و ماربر با استفاده از پیش بینی کمی بارش خروجی مدلهای WRF وMM5 و مدلهای رگرسیون می باشد.