ورود
مقالات فارسیISIکنفرانسهاژورنالها

مقایسه چهار روش تحلیل حساسیت پارامترهای مدل مفهومی HBV در حوضه آبریز کرخه و زیرحوضه های آن

محل انتشار: مجله فیزیک زمین و فضا، دوره: 45، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 50

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1797072

شناسه ملی سند علمی:

JR_JESPHYS-45-1_007

تاریخ نمایه سازی: 7 آبان 1402

چکیده مقاله:

مدل HBV (Hydrologiska Byråns Vattenbalansavedlning) یک مدل مفهومی است که به طور گسترده­ای برای پیش­بینی­های آب شناسی و مطالعات منابع آب به کار می­رود. در این مطالعه تحلیل حساسیت پارامترهای مدل HBV برای زیرحوضه های کرخه و کل حوضه کرخه در چهار بازه زمانی مختلف ۱، ۵، ۱۰ و ۲۵ سال با چهار روش FAST (Fourier Amplitude Sensitivity Test)، (Regional Sensitivity Analysis) RSA،Sobol  و رگرسیون بررسی شده است. پس از تعیین حساس­ترین پارامترها مدل با روش الگوریتم ژنتیک با مرتب­سازی نامغلوب، NSGA (Nondominated Sorting Genetic Algorithm) واسنجی شده است. توابع هدف برای بررسی عملکرد مدل شامل NSE، RMSE، RSR و BIAS می­باشند. نتایج تحلیل حساسیت پارامترها نشان می­دهد که روش­های Sobol و RSA به علت تغییرپذیری در بازه­های زمانی و زیرحوضه­های مختلفروش­های قابل اطمینان­تری هستند. حساس­ترین پارامترهای مدل HBV برای زیرحوضه­ها و حوضه کرخه در روال خاک پارامتر بیشینه ذخیره رطوبت خاک (Fcap) و در روال پاسخ پارامتر بیشینه ذخیره رطوبت لایه سطحی خاک (hl۱) هستند، این پارامترها در دبی­های کمینه بیشترین حساسیت را نشان داده­اند. پارامترهای روال برف مخصوصا پارامتر دمای آستانه برای یخ­زدگی (ttlim) در زیرحوضه­های قره­سو و کشکان و در بازه­های زمانی کوتاه­مدت (۱ و ۵ سال) حساسیت نشان داده­اند. مدل HBV توانایی شبیه­سازی رواناب در حوضه کرخه و زیرحوضه­های آن با دقت بالا را دارد. این مطالعه نشان می­دهد انتخاب بازه­های زمانی کوتاه­تر واسنجی، نتایج شبیه­سازی بهتری ارائه می­دهد. در بازه زمانی یک سال بهترین ضریب NSE، RSR و RMSE مربوط به زیرحوضه گاماسیاب به ترتیب به مقدار ۹۵/۰، ۲۱/۰ و ۴/۱ و بهترین BIAS مربوط به زیرحوضه کشکان و حوضه کرخه به مقدار ۱۳/۰ است.

کلیدواژه ها:

نویسندگان

Maryam Shafiei

دانش آموخته دکتری، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

Javad Bazrafshan

دانشیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

Parviz Irannejad

دانشیار، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • تحلیل حساسیت و مقایسه عملکرد سه مدل مفهومی HBV، IHARCES و HEC-HMS در شبیه سازی بارش-رواناب پیوسته در حوضه های نیمه خشک (بررسی موردی: حوضه اعظم هرات-یزد) [مقاله ژورنالی]
  • Abebe, N. A., Ogden, F. L. and Pradhan, N. R., ...
  • Akhtar, M., Ahmad, N. and Booij, M., ۲۰۰۸, The impact ...
  • Ascough II, J. C., Green, T. R., Fischer, C., Kralisch, ...
  • Baroni, G. and Tarantola, S., ۲۰۱۴, A General Probabilistic Framework ...
  • Bennett, D. A., Wade, G. A. and Armstrong, M. P., ...
  • Bergstrom, S., ۱۹۹۵, The HBV model. Computer models of watershed ...
  • Beven, K. and Binley, A., ۱۹۹۲, The future of distributed ...
  • Bronstert, A., Niehoff, D. and Bürger, G., ۲۰۰۲, Effects of ...
  • Coello, C. C., Lamont, G. B. and Van Veldhuizen, D. ...
  • Driessen, T. L. A., Hurkmans, R. T. W. L., Terink, ...
  • Fischer, C., Kralisch, S. and Flügel, W., ۲۰۱۲, An integrated, ...
  • Gan, Y., Duan, Q., Gong, W., Tong, C., Sun, Y., ...
  • Gupta, H. V., Sorooshian, S. and Yapo, P. O., ۱۹۹۹, ...
  • Hamby, D., ۱۹۹۴, A review of techniques for parameter sensitivity ...
  • Helton, J.C. and Davis, F., ۲۰۰۲, Illustration of sampling-based methods ...
  • Herman, J., Reed, P. and Wagener, T., ۲۰۱۳, Time-varying sensitivity ...
  • Hornberger, G. M. and Spear, R. C., ۱۹۸۱, Approach to ...
  • Massmann, C. and Holzmann, H., ۲۰۱۲, Analysis of the behavior ...
  • Merz, R. and Blöschl, G., ۲۰۰۴, Regionalisation of catchment model ...
  • Moradkhani, H. and Sorooshian, S., ۲۰۰۸, General review of rainfall-runoff ...
  • Moriasi, D. N., Arnold, G. J., Van Liew, M. W., ...
  • Muleta, M. K. and Nicklow, J. W., ۲۰۰۵, Sensitivity and ...
  • Nützmann, G. and Mey, S., ۲۰۰۷, Model-based estimation of runoff ...
  • Ouyang, S., Puhlmann, H., Wang, S., von Wilpert, K. and ...
  • Pappenberger, F., Beven, K. J., Ratto, M. and Matgen, P., ...
  • Razavi, S., Tolson, B. A. and Burn, D. H., ۲۰۱۲, ...
  • Rusli, S.R., Yudianto, D. and Liu, J.-t., ۲۰۱۵, Effects of ...
  • Saltelli, A., ۲۰۰۲, Making best use of model evaluations to ...
  • Saltelli, A., Ratto, M., Tarantola, S. and Campolongo, F., ۲۰۱۲, ...
  • Saltelli, A., Tarantola, S., Campolongo, F. and Ratto, M., ۲۰۰۴, ...
  • Saltelli, A., Tarantola, S. and Chan, K.-S., ۱۹۹۹, A quantitative ...
  • Seibert, J. and Vis, M., ۲۰۱۲, Teaching hydrological modeling with ...
  • Sobol, I. M., ۲۰۰۱, Global sensitivity indices for nonlinear mathematical ...
  • Song, X., Zhan, C., Xia, J. and Zhang, Y., ۲۰۱۴, ...
  • Song, X., Zhang, J., Zhan, C., Xuan, Y., Ye, M. ...
  • Spear, R. and Hornberger, G., ۱۹۸۰, Eutrophication in Peel Inlet—II. ...
  • Tang, T., Reed, P., Wagener, T. and Van Werkhoven, K., ...
  • Uhlenbrook, S., Seibert, J., Leibundgut, C. and Rodhe, A., ۱۹۹۹, ...
  • Van Pelt, S., Kabat, P., Ter Maat, H., Van den ...
  • Vis, M., Knight, R., Pool, S., Wolfe, W. and Seibert, ...
  • Wang, S., McGrath, R., Semmler, T., Sweeney, C. and Nolan, ...
  • Yang, J., ۲۰۱۱, Convergence and uncertainty analyses in Monte-Carlo based ...
  • Ye, M., Meyer, P. D. and Neuman, S. P., ۲۰۰۸, ...
  • Zhan, C.-S., Song, X.-M., Xia, J. and Tong, C., ۲۰۱۳, ...
  • Zhang, A., Zhang, C., Fu, G., Wang, B., Bao, Z. ...
    • نمایش کامل مراجع