تغییر در الگوی بارندگی و کاربری اراضی اثرات قابل توجهی بر رفتار هیدرولوژیکی حوضه های آبخیز ایجاد کرده است. برای شبیه‌سازی چنین تغییراتی از مدل آنالیز تأثیر هیدرولوژیکی بلندمدت (L-THIA) استفاده شده است. مدل L-THIA عدد منحنی را با توجه به کاربری اراضی و گروه خاک هیدرولوژیکی قبل از محاسبه رواناب مستقیم بر اساس میزان بارندگی تعریف می‌کند و آن را به روشی مناسب برای تجزیه و تحلیل تبدیل می‌کند. اخیراً روشی برای تخمین جریان پایه با استفاده از این مدل پیشنهاد شده است که ممکن است برای تخمین جریان کلی مورد استفاده قرار گیرد. با توجه به اینکه این مدل توزیع فضایی کاربری اراضی و گروه های هیدرولوژیکی خاک را در نظر می گیرد و باید از داده های بارندگی در موقعیت های مختلف استفاده کند، نیاز به استفاده از سیستم اطلاعات جغرافیایی (GIS) دارد. بنابراین، مدلی که جریان رودخانه را با استفاده از نقشه های کاربری اراضی تخمین می زند، نقشه‌های گروه‌های خاک هیدرولوژیکی و نقشه‌های ایستگاه باران‌سنج در QGIS، یک نرم‌افزار محبوب GIS، توسعه داده شد. این مدل در 15 حوزه مورد آزمایش قرار گرفت.

کلید واژه ها: 

مدل مبتنی بر GIS ; مدلسازی آبخیز هیدرولوژیکی ; تخمین جریان جریان

1. مقدمه

رفتار هیدرولوژیکی یک حوزه آبخیز ممکن است با توجه به تغییرات الگوی بارندگی یا کاربری زمین که معمولاً ناشی از شهرنشینی یا صنعتی شدن است، متفاوت باشد [ 1 ، 2 ]. این تغییرات ممکن است نفوذ ناپذیری در حوضه آبخیز را افزایش دهد یا فرکانس یا مقدار بارندگی را تغییر دهد که باعث کاهش تغذیه آب زیرزمینی می شود. بنابراین، افزایش یا تغییر رواناب مستقیم، اوج رواناب، پتانسیل سیل در پایین دست، و تغییرات فصلی در رفتار هیدرولوژیکی [ 3 ]]. علاوه بر این، تأمین منابع آب دشوار است زیرا احتباس آب خاک در یک حوزه آبخیز کاهش می یابد. علاوه بر این، به دلیل افزایش احتمالی بارهای منبع آلودگی غیرنقطه ای (NPS) ناشی از افزایش رواناب مستقیم از نهرها، مدیریت آبخیزداری برای ایمن سازی منابع آب و کنترل منابع آلودگی ضروری است. در طول مدیریت آبخیز، الگوهای بارندگی یا تجزیه و تحلیل تغییر کاربری اراضی با استفاده از مدل‌های هیدرولوژیکی انجام می‌شود. مدل تجزیه و تحلیل اثرات هیدرولوژیکی بلند مدت (L-THIA) از زمان توسعه آن در سال 1994 به طور مرتب مورد استفاده قرار گرفته است [ 4 ، 5 ، 6 ، 7 ].
مدل L-THIA در ابتدا در قالب صفحه گسترده [ 4 ] توسعه یافت که بعداً برای استفاده در سیستم های اطلاعات جغرافیایی (GIS) [ 5 ، 6 ] توسعه یافت. یک مدل L-THIA/NPS WWW مبتنی بر نرم افزار ArcView در سال 1999 [ 7 ] توسعه یافت که شرایط مختلف کاربری زمین را منعکس می کرد. بهادری و همکاران [ 5 ] و لیم و همکاران. [ 7 ] از مدل L-THIA/NPS WWW برای تحلیل رواناب مستقیم و بار منبع آلودگی غیرنقطه ای با توجه به تغییرات کاربری زمین استفاده کرد. در طول دوره شبیه‌سازی از سال 1973 تا 1991، افزایش 18 درصدی در ناحیه غیرقابل نفوذ منجر به افزایش 80 درصدی در میانگین رواناب مستقیم سالانه و افزایش 50 درصدی در بار منبع آلودگی غیرنقطه‌ای شد. تانگ و همکاران [ 8] مدل L-THIA را از 1973 تا 1997 در لیتل ایگل کریک، ایندیانا، ایالات متحده، برای تجزیه و تحلیل سناریوی طراحی شهری در منطقه به کار برد. نتایج نشان داد که زمانی که مساحت شهری 14 درصد از سال 1973 تا 1983 افزایش یافت، رواناب مستقیم 44 درصد افزایش یافت. افزایش 34 درصدی در ناحیه شهری از سال 1991 تا 1997 تنها منجر به افزایش 11 درصدی رواناب مستقیم شد و در نظر گرفته شد که یک طراحی شهری مناسب می تواند تغییرات رواناب مستقیم را به حداقل برساند. ویلسون و ونگ [ 9 ] از مدل L-THIA برای تجزیه و تحلیل تغییرات رواناب مستقیم با توجه به تغییرات کاربری زمین استفاده کردند. هنگامی که بارندگی تقریباً 30٪ افزایش یافت و منطقه مسکونی تقریباً 37٪ افزایش یافت، رواناب مستقیم 200٪ یا بیشتر افزایش یافت. ایتون [ 10] یک تجزیه و تحلیل غربالگری زیرساخت سبز انجام داد و نشان داد که رواناب مستقیم را می توان تا 12٪ با نصب یک سیستم حفظ زیستی و یک باغ باران در حوضه کاهش داد. لی و همکاران [ 11 ] از یک مدل ArcL-THIA [ 12 ] برای تجزیه و تحلیل تأثیر تغییرات در الگوهای بارندگی و کاربری زمین در حوضه آبخیز استفاده کرد در حالی که مدل ArcL-THIA را با یک برنامه فیلتر جریان پایه (BFLOW) [ 13 ] تکمیل کرد تا رواناب مستقیم را جدا کند. جریان جریان؛ لی و همکاران [ 11 ] بیان کرد که تغییرات در الگوهای بارندگی در مقایسه با تغییرات کاربری زمین، تأثیر بیشتری بر رواناب مستقیم دارد. آهیابلام و همکاران [ 14] شیوه‌های توسعه کم‌تأثیر را با استفاده از مدل L-THIA-LID ارزیابی کرد، که در آن تأثیر بر جریان پایه و رواناب مستقیم در آنالیز در نظر گرفته شد. واضح است که مدل L-THIA برای تجزیه و تحلیل رفتار هیدرولوژیکی با توجه به تغییرات بارندگی یا شرایط کاربری زمین در حوضه های مختلف آبخیز استفاده شده است، اما تنها تخمین رواناب مستقیم با استفاده از خدمات تبدیل منابع ملی (خدمات حفاظت خاک سابق) امکان پذیر است. روش شماره منحنی (NRCS-CN). علاوه بر این، اندازه گیری رواناب مستقیم در حوضه ها در طول بارندگی دشوار است. جریان جریان به عنوان مجموع رواناب مستقیم با جریان پایه اندازه گیری می شود، و انجام یک مقایسه فوری بین نتایج برآورد و اندازه گیری های واقعی دشوار است. بنابراین، ارزیابی انحصاری رواناب مستقیم به طور کلی از مدل L-THIA پیروی می کند [5 ، 8 ، 9 ، 10 ] یا مدل دیگری برای جداسازی رواناب مستقیم برای مقایسه در حوضه اندازه گیری شده [ 11 ]. با وجود در نظر گرفتن پارامتر جریان پایه، محدودیت‌هایی برای در نظر گرفتن تغییرات فصلی جریان جریان تنها از برآوردهای سالانه جریان پایه وجود داشت [ 15 ]. به عبارت دیگر، در مقایسه با سایر مدل های هیدرولوژیکی [ 16 ، 17 ، 18 ، 19 ، 20]، مدل L-THIA مزایایی را در سادگی مدل ارائه می دهد، زیرا این مدل فقط به داده های بارندگی روزانه، نقشه زمین و نقشه خاک هیدرولوژیکی نیاز دارد و فقط توسط CN ها قابل کالیبره شدن است. به همین دلیل است که مدل به طور مداوم مورد استفاده و اصلاح قرار می گیرد. با این حال، مدل همچنان دارای محدودیت‌هایی است که برای مقایسه خروجی‌های مدل با جریان اندازه‌گیری شده چالش برانگیز است و واریانس فصلی جریان را نمی‌توان تخمین زد.
این مطالعه یک مدل L-THIA ایجاد کرد که تغییرات فصلی در جریان جریان را با استفاده از روش تخمین جریان پایه ماهانه [ 21 ] برآورد می‌کند، که می‌تواند برای مدل L-THIA اخیراً پیشنهادی با استفاده از نقشه‌های کاربری اراضی، نقشه‌های گروه خاک هیدرولوژیکی، و داده‌های بارندگی اندازه‌گیری شده اعمال شود. از منابع متعدد

2. مواد و روشها

2.1. محاسبه رواناب مستقیم

مدل L-THIA رواناب مستقیم را با روش NRCS-CN [ 22 ] شبیه‌سازی می‌کند که از بارش (P, mm)، انتزاع اولیه (I a , mm)، حداکثر ماندگاری بالقوه پس از شروع رواناب (S, mm) و عدد منحنی (CN)، تعریف شده توسط کاربری زمین و گروه خاک هیدرولوژیکی (HSG) برای تخمین عمق رواناب مستقیم (Q، میلی متر) (معادلات (1)-(4)).

عمق رواناب مستقیم (Q) بر اساس CN محاسبه شد که توسط کاربری زمین و HSG تعریف می شود. بنابراین Q برای هر واحد پاسخ هیدرولوژیکی (HRU) به عنوان ترکیبی از کاربری زمین و HSG محاسبه می شود. CN باید قبل از محاسبه Q تعیین شود. S متعاقباً با استفاده از معادله (4) محاسبه می شود که از محاسبه I a از رابطه (3) پیروی می کند. بعد، P و I aبرای محاسبه انتخابی Q با معادله (1) یا (2)، هر کدام که با شرایط موافق است، مقایسه می شوند. گزینه بین معادلات (1) و (2) امکان در نظر گرفتن حالت عدم رواناب مستقیم زمانی که بارندگی در سطح خاک حفظ می شود را می دهد. این احتباس ممکن است بسته به مقدار آب حفظ شده در خاک از بارندگی قبلی متفاوت باشد، که نشان دهنده مقادیر متفاوتی از احتباس علیرغم مقدار مساوی بارندگی است. بنابراین، شرایط رطوبت خاک باید در محاسبه Q منعکس شود، که با استفاده از شرایط رطوبت پیشین (AMC) امکان پذیر است. بر اساس USDA [ 22]، AMC I به شرایط خاک خشک اشاره دارد (یعنی میزان رطوبت خاک بسیار کم است/در نقطه پژمردگی)، AMC II به شرایطی اشاره دارد که در آن خاک بیش از حد خشک یا مرطوب نباشد، و AMC III به خاک مرطوب اشاره دارد. شرایط (یعنی خاک اشباع شده است). AMC با بارش 5 روزه قبلی (P 5 ) و فصل ( جدول 1 ) تعریف می شود.
پس از تعیین AMC، CN باید مطابق با آن تنظیم شود. ابتدا، CN AMC II به عنوان CN II نشان داده می شود، که مقداری است که توسط کاربری زمین و HSG تعیین می شود. CN I برای AMG I با رابطه (5) و CN II و CN III به ترتیب با استفاده از رابطه (6) و CN II تعیین می شوند. در نهایت، CN I، CN II، یا CN III به معادلات (1)-(4) برای محاسبه Q اعمال می‌شوند.

2.2. محاسبه جریان پایه

مدل L-THIA در سال 1994 توسعه یافت [ 4 ] و از آن زمان برای سازگاری با نرم افزار ArcGIS بهبود یافته است [ 12 ]. استفاده مداوم از این مدل، عمدتاً در شبیه‌سازی رواناب مستقیم با توجه به تغییرات کاربری اراضی و الگوی بارندگی، به دلیل سادگی مدل است. فقط داده های ورودی برای تعیین CN مورد نیاز است و فرآیند محاسبه ساده است. لی و همکاران [ 21 ] بیان کرد که جریان واقعی و نتایج تخمین زده شده از این مدل L-THIA باید قابل مقایسه باشد تا قابلیت کاربرد مدل را بهبود بخشد. این سادگی باید در طول فرآیند بهبود حفظ شود. بنابراین، 20 حوضه آبخیز از 5695 هکتار تا 155806 هکتار انتخاب شدند و میزان بارندگی (P i , mm) iماه، کل مساحت شهری (A URBN ، هکتار)، سطح زیر کشت (A AGRL ، هکتار)، مساحت پوشش جنگلی (A FRST ، هکتار)، مساحت مورد استفاده برای مرتع (A PAST ، هکتار)، سطح پوشش تالاب ( یک WTDL ، هکتار)، مساحت زمین لخت (A BARE ، ha)، مساحت آب (A WATR ، ha)، و ضرایب برای هر منطقه کاربری زمین برای پیشنهاد روشی برای تخمین جریان پایه (m3 ) از i استفاده شد. ماه ام (معادله (7)) [ 21 ].

در رابطه (7)، ضرایب برای هر کاربری، پارامترهای مدلی هستند که می‌توانند با توجه به حوضه هدف مورد استفاده برای شبیه‌سازی کالیبره شوند. لی و همکاران [ 13 ] مقادیر پایه را به صورت 0.04 (C URBM )، 0.40 (C AGRL )، 0.20 (C FRST )، 0.18 (C PAST )، 0.48 (C WTLD )، 0.15 (C BARE ) و 0.22 (C WATR ) پیشنهاد کرد. .
این مطالعه از رویکرد فوق برای بهبود مدل L-THIA استفاده کرد. داده های منطقه از هر منطقه کاربری زمین قرار شد از نقشه کاربری زمین مورد نیاز برای محاسبه رواناب مستقیم استخراج شود، و هیچ داده ورودی بیشتری برای برآورد جریان پایه ماهانه مورد نیاز نیست.

2.3. توسعه مدل L-THIA 2022

روش NRCS-CN که برای مدل L-THIA برای تخمین رواناب مستقیم استفاده می‌شود، CN را با استفاده از زمین و داده‌های HSG محاسبه می‌کند و رواناب مستقیم را با این مقدار CN و داده‌های بارندگی تخمین می‌زند. با این حال، HRU های متعددی با ترکیب کاربری زمین و HSG در حوزه آبخیز تولید می شوند و یک محدودیت واقعی برای محاسبه دستی رواناب مستقیم برای هر HRU وجود دارد. بنابراین، مدل L-THIA در این مطالعه برای قابل اجرا در نرم افزار QGIS نسخه 3.10 [ 23 ] توسعه داده شد.
فرآیند محاسبه برای جریان ماهانه شامل دو مرحله – جریان مستقیم و محاسبات جریان پایه است. اول، محاسبه جریان مستقیم به یک فایل جدول CN نیاز دارد که مقادیر CN را با توجه به کاربری زمین و HSG تعریف می کند، و یک نقشه HSG که داده های مکانی خاک را حمل می کند. فایل جدول CN در قالب فایل مقدار جدا شده با کاما (CSV) می تواند توسط کاربر کالیبره شود. فایل به همراه مدل L-THIA 2022 ارائه شده است. بنابراین، پس از همپوشانی نقشه‌های کاربری زمین و HSG، مقادیر CN از فایل جدول CN برای تولید یک نقشه CN به دست می‌آیند ( شکل 1).). در صورت وجود چندین نقطه اندازه گیری بارندگی در اطراف حوضه که در آن L-THIA 2022 اعمال می شود، داده های بارندگی اندازه گیری شده از این نقاط باید در نظر گرفته شود. این مدل برای دریافت نقشه‌های ایستگاه باران‌سنج و زیرحوضه و اعمال داده‌های بارندگی از نزدیک‌ترین ایستگاه باران‌سنج از هر زیرحوضه توسعه داده شد. پس از این فرآیند، یک فایل اطلاعاتی HRU تولید می شود که داده های ایستگاه CN، ناحیه و باران سنج را برای همه HRU ها نگه می دارد. رواناب مستقیم روزانه بر اساس روش NRCS-CN در هر HRU، با استفاده از اطلاعات HRU و فایل‌های داده‌های بارندگی، بر اساس داده‌های بارندگی از نزدیک‌ترین ایستگاه باران‌سنج در میان ایستگاه‌های متعدد، برآورد شد. سپس مجموع رواناب مستقیم روزانه برای همه HRUها به رواناب مستقیم ماهانه برای هر زیرحوضه تبدیل می شود ( شکل 1).
نقشه های کاربری اراضی، نقشه های زیرحوضه، نقشه ایستگاه های باران سنجی و فایل های داده های بارندگی برای محاسبه جریان پایه ضروری هستند. ابتدا نقشه کاربری اراضی و زیرحوضه برای ترسیم داده های کاربری اراضی برای هر زیرحوضه استفاده می شود و ایستگاه باران سنج اعمال شده برای هر زیرحوضه با استفاده از نقشه های ایستگاه های زیرحوضه و باران سنجی تعریف می شود. مساحت کاربری زمین برای هر زیرحوضه و بارندگی ماهانه به معادله (7) برای برآورد جریان پایه ماهانه برای هر زیرحوضه اعمال می شود ( شکل 1 ).
مدل L-THIA 2022 برای قابل اجرا در QGIS 3.10 توسعه داده شد و از چهار رابط تشکیل شده است ( شکل 2 ). اولین رابط نقشه CN لازم برای تخمین رواناب مستقیم را تولید می کند و به نقشه های کاربری زمین و HSG به عنوان داده های ورودی نیاز دارد ( شکل 2 a). در رابط دوم، نقشه زیرحوضه، نقشه ایستگاه سنج و فایل های داده های بارندگی روزانه به عنوان داده ورودی مورد نیاز است که سپس برای تخمین رواناب مستقیم روزانه استفاده می شود ( شکل 2).ج). فایل CN در قالب CSV را می توان در نرم افزار Microsoft Excel تنظیم کرد و با نقشه CN ایجاد شده از اولین رابط برای تعریف CN توزیع شده فضایی HRU مطابقت داده می شود. علاوه بر این، رواناب مستقیم با این CN توزیع‌شده فضایی HRU محاسبه می‌شود، که برای آن CN‌ها در طول کالیبراسیون مدل نیاز به تنظیم دارند. مایکروسافت اکسل باید برای ویرایش فایل های CN استفاده شود که به پردازش دست و پا گیر نقشه CN کمک می کند. این باید چندین بار با مقایسه داده‌ها با جریان اندازه‌گیری شده (یا رواناب مستقیم) تکرار شود تا زمانی که جریان برآوردی رضایت‌بخش (یا رواناب مستقیم) به دست آید. بنابراین، مدل در این مطالعه برای فعال کردن استفاده از CN بلافاصله تنظیم شده در رابط مدل توسعه داده شد ( شکل 2ج). رابط چهارم برای تخمین جریان پایه هر زیرحوضه و برای طبقه‌بندی کاربری اراضی کاربر بر اساس طبقه‌بندی کاربری زمین (یعنی کشاورزی شهری، جنگل، مرتع، تالاب، زمین بایر یا آب) برای تخمین جریان پایه ماهانه استفاده می‌شود. در معادله (7) مشاهده می شود. علاوه بر این، ضرایب برای هر کاربری در معادله (7) را می توان در این رابط تنظیم کرد ( شکل 2 د).

2.4. کاربرد L-THIA 2022

این مطالعه یک مدل L-THIA 2022 را پیشنهاد می‌کند که در نرم‌افزار QGIS برای تخمین جریان ماهانه قابل اجرا است. علاوه بر این، یک برنامه آزمایشی از مدل L-THIA 2022 انجام شد که برای آن داده‌های نقشه کاربری زمین (مقیاس 1:5000) توسط سرویس اطلاعات جغرافیایی محیطی [ 24 ]، بارندگی ماهانه ارائه شده توسط هواشناسی کره ارائه شد. مدیریت (KMA) [ 25 ]، و نرخ جریان روزانه ارائه شده توسط سیستم اطلاعات مدیریت منابع آب (WAMIS) [ 26 ]. در حوضه برای کاربرد آزمایشی، نقاط اندازه‌گیری جریان از WAMIS به عنوان خروجی حوضه تنظیم و برای جلوگیری از همپوشانی فضایی انتخاب شدند. در مجموع 15 حوزه آبخیز انتخاب شد ( شکل 3) و حوزه های آبخیز از حداقل 5841 تا حداکثر 81107 هکتار متغیر است ( جدول 2 ). کاربری اراضی هر حوزه آبخیز به دو دسته شهری، کشاورزی، جنگلی، مرتعی، تالاب، زمین بایر و آب طبقه بندی شد. جنگل ها بیشترین مساحت را در هر حوضه به استثنای Wsd-02 به خود اختصاص دادند و پس از آن کشاورزی.
دوره درخواست آزمایشی از ژانویه 2011 تا دسامبر 2020 بود و حداقل و حداکثر جریان ماهانه در هر حوضه به ترتیب 0.10 متر مکعب در Wsd-09 و 462.88 متر مکعب در Wsd-15 بود. مدل L-THIA از داده‌های بارندگی جمع‌آوری‌شده از ایستگاه‌های باران‌سنجی متعددی که در نزدیکی یا درون حوضه‌های آبخیز قرار دارند، استفاده می‌کند. بنابراین، داده‌های بارندگی جمع‌آوری‌شده از بیشترین تعداد ممکن از ایستگاه‌های باران‌سنجی استفاده شد، که برای آن داده‌های اندازه‌گیری از حداقل یک ایستگاه باران‌سنجی در هر شش حوضه، شامل Wsd-02 و داده‌های اندازه‌گیری حداکثر چهار ایستگاه باران‌سنجی در Wsd-09 حوضه، استفاده شد ( جدول 3 ).

3. نتایج

3.1. کالیبراسیون مدل

مقادیر اندازه‌گیری شده جریان جریان با مقادیر تخمینی مدل هیدرولیک مقایسه شد تا مشخص شود که آیا مقادیر برآورد شده با مقادیر اندازه‌گیری شده مطابقت دارند یا خیر. دودا و همکاران [ 27 ] ادعا کرد که مقادیر زمانی که اختلاف 45٪ یا کمتر باشد و R2 بالای 0.65 باشد، کافی هستند ، در حالی که Skaggs و همکاران. [ 28 ] ادعا کرد که آنها زمانی که NSE بزرگتر از 0.5 باشد، کافی هستند. علاوه بر این، معیارهای مقادیر تخمینی کافی طبق وانگ و همکاران. [ 29 ] این بود که R2 باید بالای 0.60، NSE بالای 0.50، و PBIAS 15 % باشد، در حالی که موریاسی و همکاران. [ 30 ] اعلام کردند که NSE بالای 0.50، R2 را پذیرفته اندبالای 0.60 و PBIAS زیر 15 درصد. بنابراین، اگرچه معیارهایی از جمله NSE برای تعیین کفایت مقادیر تخمینی استفاده می شود، معیارهای مختلفی وجود دارد که کفایت را تعیین می کنند. کفایت مقادیر برآورد شده از L-THIA 2022 در این مطالعه با NSE یا R2 بر اساس نمودارهای پراکندگی تعیین شد .
مدل L-THIA 2022 با مقایسه جریان اندازه‌گیری شده از ژانویه 2011 تا دسامبر 2015 برای همه حوزه‌های آبخیز کالیبره شد. تعدیل برای CN ها با استفاده از زمین و HSG در هر حوضه تعیین شد، و ضرایب برای هر کاربری، با استفاده از رابطه (7)، بر اساس رابط L-THIA 2022 ( شکل 2 c,d) محاسبه شد. NSE از 0.601 (Wsd-07) تا 0.868 (Wsd-03) و R 2 از 0.743 (Wsd-15) تا 0.917 (Wsd-03) ( جدول 4 ) بود. نمودارهای پراکندگی بیشتر به صورت خطی از کوچکترین تا بزرگترین مقادیر برآورد و اندازه گیری در هر حوضه بیان شد ( شکل 4 ).

3.2. اعتبار سنجی مدل

اعتبار سنجی مدل L-THIA 2022 با مقایسه جریان های تخمینی و اندازه گیری شده از ژانویه 2016 تا دسامبر 2020 در تمام 15 حوضه انجام شد. NSE از 0.611 (Wsd-04) تا 0.917 (Wsd-02) و R 2 از 0.676 (Wsd-15) تا 0.946 (Wsd-02) ( جدول 5 ) بود. مشابه فرآیند کالیبراسیون، جریان تخمینی از L-THIA 2022 در طول فرآیند اعتبارسنجی قابل اعتماد بودن مشخص شد. NSE برای همه حوضه ها به جز Wsd-04، Wsd-07 و Wsd-15 0.7 یا بالاتر بود، در حالی که R20.7 یا بالاتر برای همه حوضه ها به جز Wsd-15 بود. مشابه نمودارهای پراکندگی از کالیبراسیون، نمودارهای پراکندگی از فرآیند اعتبار سنجی به صورت خطی بیان شد که از کوچکترین به بزرگترین مقادیر هر دو مقادیر تخمینی و اندازه گیری شده برای هر حوزه آبخیز می رود ( شکل 5 ).

4. نتیجه گیری

تغییرات در الگوی بارندگی یا کاربری اراضی می‌تواند منجر به تغییراتی در رفتار هیدرولیکی حوضه‌های آبخیز شود، که برای آن ویژگی‌های مکانی و زمانی باید از طریق نقشه‌های کاربری اراضی در نظر گرفته شود که شرایط سطح زمین را منعکس می‌کند. به عنوان مثال، یک نقشه HSG شرایطی مانند نفوذپذیری خاک زیرسطحی و داده های بارندگی از مکان های متعدد را منعکس می کند. این شرایط به عنوان HRU های متعدد با ترکیب کاربری زمین و مکان های فضایی HSG تعریف می شوند. داده های بارندگی اندازه گیری شده در نقاط مجاور زیرحوضه باید برای هر HRU به طور متفاوتی اعمال شود و استفاده از نرم افزار GIS برای مدیریت حوضه ضروری است.
این مطالعه یک مدل L-THIA 2022 را توسعه داد که در کنار نرم افزار QGIS قابل اجرا است. این مدل HRU را با توجه به توزیع‌های فضایی در استفاده از زمین و نقشه‌های HSG تعریف می‌کند، که در آن مکان‌های مکانی داده‌های بارندگی اندازه‌گیری شده از نقاط متعدد را می‌توان به درستی در نظر گرفت. به طور کلی، برآوردها برای جریان جریان بیشتر از برآوردهای رواناب مستقیم انجام می شود. همانطور که این مدل برای فعال کردن تخمین جریان بهبود یافت، مقایسه فوری مقادیر اندازه‌گیری شده و تخمینی ممکن شد. این احتمالاً به طور قابل توجهی کاربرد مدل L-THIA را با غلبه بر تخمین جریان غیرممکن قبلی، به دلیل عدم وجود برآورد جریان پایه از مدل L-THIA موجود، افزایش می دهد. مدل L-THIA 2022 در 15 حوضه آبخیز با مناطق مختلف برای تعیین قابلیت کاربرد مدل اعمال شد.2 برای همه حوضه ها 0.7 یا بالاتر بود. بنابراین، کالیبراسیون مدل موفقیت آمیز در نظر گرفته شد و جریان تخمینی برای قابلیت اطمینان آنها مشخص شد. علاوه بر این، NSE برای همه حوضه ها به جز سه حوضه از پانزده حوضه 0.7 یا بالاتر بود، R2 برای همه حوضه ها به جز تنها یک حوضه در فرآیند اعتبارسنجی 0.7 یا بالاتر بود. علاوه بر این، نمودارهای پراکندگی به صورت خطی بیان شد که از کوچکترین به بزرگترین مقادیر هر دو ارزش تخمینی و اندازه‌گیری شده برای هر حوضه در هر دو فرآیند کالیبراسیون و اعتبارسنجی انجام می‌شود. بنابراین، نتایج نشان داد که مدل در هر دو فرآیند کالیبراسیون و اعتبارسنجی قابل اعتماد است.
مدل L-THIA 2022 که همراه با QGIS کار می کند، قادر است توزیع فضایی کاربری زمین و استفاده از داده های بارندگی اندازه گیری شده از نقاط متعدد را در نظر بگیرد و آن را برای تجزیه و تحلیل تغییرات کاربری زمین مانند شهرنشینی و همچنین تغییرات الگوی بارندگی مفید می کند. ناشی از عواملی مانند تغییرات آب و هوایی است.

منابع

  1. تاکور، PK؛ پاتل، پی. گارگ، وی. روی، ا. دهوت، پ. بهات، سی ام. نیکام، BR; چوکسی، ا. Aggarwal، نقش SP فناوری جغرافیایی در مدل‌سازی هیدرولوژیکی و هیدرودینامیکی با تمرکز بر مطالعات سیل‌ها . Springer: Cham, Switzerland, 2022; صص 483-503. [ Google Scholar ] [ CrossRef ]
  2. پوچایوتس، او. اوبدوفسکی، او. لوکیانتس، او. Gerbin, V. الگوریتم تحقیق و ارزیابی حداقل جریان آب رودخانه های کوهستانی با استفاده از GIS ; ژئوانفورماتیک: کیف، اوکراین، 11 تا 14 مه 2021. [ Google Scholar ] [ CrossRef ]
  3. سنتاس، ا. کاراموتسو، ال. چاریزوپولوس، ن. Psilovikos، T. Psilovikos، A. Loukas، A. استفاده از مدل های تصادفی برای پیش بینی کوتاه مدت پارامترهای آب سد Thesaurus، رودخانه نستوس، یونان. مجموعه مقالات 2018 ، 2 ، 634. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  4. Harbor, J. یک روش عملی برای تخمین تأثیر تغییر کاربری زمین بر رواناب سطحی، تغذیه آب زیرزمینی و هیدرولوژی تالاب. مربا. برنامه ریزی کنید. دانشیار 1994 ، 60 ، 95-108. [ Google Scholar ] [ CrossRef ]
  5. Bhaduri، B. یک مدل مبتنی بر GIS برای ارزیابی اثرات بلندمدت تغییر کاربری زمین بر هیدرولوژی و آلودگی منبع غیر نقطه‌ای. دکتری پایان نامه، گروه علوم زمین و جو، دانشگاه پردو، وست لافایت، IN، ایالات متحده آمریکا، 1998. [ Google Scholar ]
  6. Grove, M. توسعه و کاربرد یک مدل مبتنی بر GIS برای ارزیابی اثرات هیدرولوژیکی بلندمدت تغییر کاربری زمین. پایان نامه کارشناسی ارشد، گروه علوم زمین و جو، دانشگاه پردو، وست لافایت، IN، ایالات متحده آمریکا، 1997. [ Google Scholar ]
  7. لیم، کی جی؛ انگل، بی. کیم، ی. بهادوری، بی. هاربر، جی. توسعه سیستم‌های WWW ارزیابی اثرات هیدرولوژیکی بلند مدت (L-THIA). در مجموعه مقالات دهمین جلسه سازمان بین المللی حفاظت از خاک، دانشگاه پردو و آزمایشگاه ملی تحقیقات فرسایش خاک USDA-ARS، لافایت غربی، IN، ایالات متحده آمریکا، 24 تا 29 مه 1999. [ Google Scholar ]
  8. تانگ، ز. انگل، کارشناسی; لیم، کی جی؛ پیجانوفسکی، ق.م. هاربر، ج. به حداقل رساندن تأثیر شهرنشینی رواناب بلند مدت. مربا. منبع آب دانشیار 2005 ، 41 ، 1347-1359. [ Google Scholar ] [ CrossRef ]
  9. ویلسون، سی. Weng، Q. ارزیابی کیفیت آب سطحی و ارتباط آن با تغییرات پوشش زمین شهری در منطقه دریاچه Calumet، شیکاگوی بزرگ. محیط زیست مدیریت 2010 ، 45 ، 1096-1111. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  10. Eaton، TT رویکرد و مطالعه موردی تجزیه و تحلیل غربالگری زیرساخت سبز برای کنترل طوفان شهری. جی. محیط زیست. مدیریت 2018 ، 209 ، 495-504. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  11. لی، اف. چن، جی. لیو، ی. خو، پی. سان، اچ. انگل، کارشناسی; وانگ، اس. ارزیابی تأثیر تغییر کاربری/پوشش زمین و تغییر بارندگی بر رواناب سطحی در چین. پایداری 2019 ، 11 ، 3535. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  12. پارک، YS; لیم، کی جی؛ لری، تی. Engel، BA ارزیابی اثرات هیدرولوژیکی بلند مدت. گروه مهندسی کشاورزی و بیولوژیکی، 2013. موجود به صورت آنلاین: https://npslab.kongju.ac.kr/models/LTHIA2013_Manual.pdf (دسترسی در 1 نوامبر 2021).
  13. آرنولد، جی جی؛ روش های خودکار آلن، PM برای تخمین جریان پایه و تغذیه آب زیرزمینی از سوابق جریان جریان. مربا. منبع آب دانشیار 1999 ، 35 ، 411-424. [ Google Scholar ] [ CrossRef ]
  14. Ahiablame، LM; انگل، کارشناسی; Chaubey، I. نمایش و ارزیابی شیوه های توسعه کم تاثیر با L-THIALID: نمونه ای برای برنامه ریزی سایت. محیط زیست آلودگی 2012 ، 1 ، 1. [ Google Scholar ] [ CrossRef ]
  15. آهیابلام، ال. چاوبی، آی. انگل، بی. چرکاور، ک. Merwade، V. برآورد جریان پایه سالانه در سایت های اندازه گیری نشده در ایندیانا ایالات متحده آمریکا. جی هیدرول. 2013 ، 476 ، 13-27. [ Google Scholar ] [ CrossRef ]
  16. قهوه ای، LC; Barnwell، به مدل‌های کیفیت آب جریان پیشرفته QUAL2E و QUAL2E-UNCAS: مستندات و راهنمای کاربر . آژانس حفاظت از محیط زیست ایالات متحده: آتن، GA، ایالات متحده آمریکا، 1987. [ Google Scholar ]
  17. سرینیواسان، ر. آرنولد، جی. ادغام یک مدل کیفیت آب در مقیاس حوضه با GIS. مربا. منبع آب دانشیار 1994 ، 30 ، 453-462. [ Google Scholar ] [ CrossRef ]
  18. Tetra Tech, Inc. The Environmental Fluid Dynamics Code ; Tetra Tech, Inc.: Fairfax, VA, USA, 2007. [ Google Scholar ]
  19. آژانس حفاظت از محیط زیست ایالات متحده (USEPA). برآورد پارامترهای هیدرولوژیکی و هیدرولیک برای HSPF، تبصره فنی 6 . USEPA: واشنگتن دی سی، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  20. Rossman، LA مدل سازی جایگزین های توسعه کم تاثیر با SWMM. J. Water Manag. مدل. 2010 ، 6062 ، 167-182. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. لی، اچ. چوی، اچ اس. چای، ام اس; پارک، YS مطالعه ای برای پیشنهاد رویکرد تخمین جریان پایه ماهانه برای مدل های بلند مدت تجزیه و تحلیل تاثیر هیدرولوژیکی: مطالعه موردی در کره جنوبی. آب 2021 ، 13 ، 2043. [ Google Scholar ] [ CrossRef ]
  22. USDA. هیدرولوژی شهری برای حوضه های آبخیز کوچک، خدمات حفاظت از منابع ملی ; وزارت کشاورزی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1986. [ Google Scholar ]
  23. تیم توسعه QGIS. سیستم اطلاعات جغرافیایی QGIS، پروژه بنیاد جغرافیایی منبع باز. 2009. در دسترس آنلاین: https://qgis.osgeo.org (در 1 ژوئیه 2021 قابل دسترسی است).
  24. سرویس اطلاعات جغرافیایی محیطی. در دسترس آنلاین: https://egis.me.go.kr/main.do (در 5 ژانویه 2021 قابل دسترسی است).
  25. اداره هواشناسی کره در دسترس آنلاین: https://www.weather.go.kr/w/index.do (در 7 ژانویه 2021 قابل دسترسی است).
  26. سیستم اطلاعات مدیریت منابع آب. در دسترس آنلاین: https://water.nier.go.kr/main/mainContent.do (در 7 ژانویه 2021 قابل دسترسی است).
  27. دودا، PB; Hummel, PR; Donigian، ع. Imhoff، JC BASINS/HSPF: استفاده، کالیبراسیون و اعتبارسنجی مدل. ترانس. ASABE 2012 ، 55 ، 1523-1547. [ Google Scholar ] [ CrossRef ]
  28. Skaggs، RW; یوسف، MA; Chescheir، GM DRAINMOD: استفاده از مدل، کالیبراسیون و اعتبارسنجی. ترانس. ASABE 2012 ، 55 ، 1509-1522. [ Google Scholar ] [ CrossRef ]
  29. وانگ، ایکس. ویلیامز، جی. گاسمن، پ. بافاوت، سی. Izaurralde، R. جئونگ، جی. Kiniry، J. EPIC و APEX: استفاده، کالیبراسیون و اعتبارسنجی مدل. ترانس. ASABE 2012 ، 55 ، 1447-1462. [ Google Scholar ] [ CrossRef ]
  30. موریاسی، دی. گیتاو، مگاوات؛ پی، ن. Daggupati، P. مدل های هیدرولوژیکی و کیفیت آب: معیارهای عملکرد و معیارهای ارزیابی. صبح. Soc. کشاورزی Biol. مهندس 2015 ، 58 ، 1763-1785. [ Google Scholar ]
Ijgi 11 00040 g001 550
شکل 1. شماتیک مدل L-THIA 2022 را نشان می دهد.
Ijgi 11 00040 g002a 550 Ijgi 11 00040 g002b 550
شکل 2. رابط های مدل L-THIA 2022: ( الف ) یک رابط برای ساخت نقشه CN، ( ب ) یک رابط برای محاسبه رواناب مستقیم روزانه، ( ج ) یک رابط برای به روز رسانی CN ها، و ( د ) یک رابط برای محاسبه جریان پایه ماهانه
Ijgi 11 00040 g003 550
شکل 3. مکان حوضه های مورد مطالعه و ایستگاه های باران سنجی.
Ijgi 11 00040 g004a 550 Ijgi 11 00040 g004b 550 Ijgi 11 00040 g004c 550
شکل 4. نمودارهای پراکنده جریان های ماهانه اندازه گیری و برآورد شده در طول کالیبراسیون: ( الف ) Wsd-01; ( ب ) Wsd-02; ( ج ) Wsd-03; ( د ) Wsd-04; ( ه ) Wsd-05; ( f ) Wsd-06; ( g ) Wsd-07; ( h ) Wsd-08; ( i ) Wsd-09; ( j ) Wsd-10; ( k ) Wsd-11; ( l ) Wsd-12; ( m ) Wsd-13; ( n ) Wsd-14; و ( o ) Wsd-15.
Ijgi 11 00040 g005a 550 Ijgi 11 00040 g005b 550 Ijgi 11 00040 g005c 550 Ijgi 11 00040 g005d 550
شکل 5. نمودارهای پراکنده جریان های ماهانه اندازه گیری و برآورد شده در طول اعتبارسنجی: ( الف ) Wsd-01; ( ب ) Wsd-02; ( ج ) Wsd-03; ( د ) Wsd-04; ( ه ) Wsd-05; ( f ) Wsd-06; ( g ) Wsd-07; ( h ) Wsd-08; ( i ) Wsd-09; ( j ) Wsd-10; ( k ) Wsd-11; ( l ) Wsd-12; ( m ) Wsd-13; ( n ) Wsd-14; و ( o ) Wsd-15.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید