تاثیر هم‌گنی حوزه‌های آبخیز در دقت روابط منطقه‌ای سیلاب

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد پژوهشکده حفاظت خاک و آبخیزداری

2 دانشیار پژوهشکده حفاظت خاک و آبخیزداری

چکیده

در یک حوزه آبخیز، بین وقایع هیدرولوژیک و ساختار فیزیکی و شرایط اقلیمی حاکم بر آن، ارتباط وجود دارد. با توجه به تنوع شرایط در حوزه‌های آبخیز، عکس‌العمل‌های هیدرولوژیکی آن‌ها با یک‌دیگر متفاوت است. با شناخت عوامل اصلی می‌توان حوزه‌های آبخیز دارای شرایط هیدرولوژیکی مشابه را از طریق روش‌های تعیین هم‌گنی تفکیک کرد. در نتیجه، می­توان مدل‌های برآورد دبی سیلاب را برای حوزه‌های هم‌گن با دقت بالاتری نسبت به مدل‌های کلی منطقه به‌دست آورد. در این تحقیق، ابتدا کمیت‌های مورفومتری مختلف 31 حوزه‌ آبخیز انتخابی مربوط به ناحیه خاوری ساحل دریای خزر (خزر خاوری) با مختصات جغرافیایی 22, 52 تا 26, 56 طول‌ خاوری و18,36 تا54,37 عرض‌ شمالی در محیط GISاستـخراج شد. سپس، ‌بر اساس تجزیه و تحلیل عاملی، کمیت‌های مساحت، شیب متوسط وزنی و تراکم زهکشی حوزه‌های آبخیز و متغیر بارندگی متوسط سـالیانه به‌‌عنوان متغیرهای اصلی انتخاب شد. بر اساس این متغیرها و با استفاده از روش‌های آماری تجزیه و تحلیل‌خوشه‌ای و توابع متمایزکننده و نیز روش گرافیکی منحنی ‌آندرو، حـوزه‌های آبخیز به ‌گروه‌های هم‌گن طبقه‌بندی شد. سپس، بررسی کارآیی گروه‌های هم‌گن، با انتخاب دو حوزه آبخیز شاهد در منطقه، از طریق آزمون تحلیل ممیزی، میزان تعلق آن‌ها به هر یک از گروه‌های هم‌گن تعیین شد. درنتیجه، حوزه زرین‌گل با 100 درصد احتمال عضویت به گروه هم‌گن چهار و حوزه داراب کلاً با 54 درصد و 46 درصد احتمال عضویت به‌ترتیب به گروه‌های هم‌گن یک و سه تعلق داشت. بررسی دقت روابط منطقه‌ای سیل مربوط به گروه‌های هم‌گن در مقایسه با رابطه کل منطقه، با استفاده از معیار جذر میانگین مربع خطا (RMSE) نشان‌داد که روابط مربوط به گروه‌های هم‌گن از دقت بالاتری برخوردارند. به‌‌عنوان مثال، برای یک گروه هم‌گن، مقادیر RMSE با دوره بازگشت‌های 2، 5، 25، 50، 100 به‌ترتیب معادل 35.8، 44.6، 66.4، 88.3، 120.2 در مقایسه با RMSE مربوط به رابطه کل منطقه به‌ترتیب 58/7، 80.5، 114.1، 135.4، 164 به‌دست آمد. با توجه به این مقایسه، مقادیر دبی برآورد شده برای دو‌‌ حوزه شاهد در دوره بازگشت‌های مختلف از طریق روابط رگرسیونی گروه‌های همگن (Qes) با مقادیر حاصل از توابع توزیع فراوانی سیلاب (Qpdf) نشان‌ داد که این مقادیر درسطح معنی‌داری کم‌تر از یک درصد و با ضریب 0.99 R= از همبستگی بسیارخوبی برخوردارند.

کلیدواژه‌ها


عنوان مقاله [English]

Effect of homogeneity of the basins on precision flood estimation ‎methods

نویسندگان [English]

  • Ali Reza Eslami 1
  • Abdol Rasoul Telvari 2
1 MSc, Soil Conservation and Watershed Management Research Institute, Iran
2 Associate Professor, Soil Conservation and Watershed Management Research Institute, Iran
چکیده [English]

The hydrologic events and physical structure of a basin is related to governing climatic conditions. Basins have different hydrologic responses considering their various morphologic and climatic characteristics. It is recommended to separate basins with respect to their major factors into homogenous groups with the same hydrologic conditions. This grouping is effective so that models for estimating flood peak discharge in each homogenous group have higher performance than a single model for all basins. In this research, firstly different morphological characteristic of selected basins were derived using GIS. Based on factor analysis, major variables (factors) including; basin area, weighted-average slope, drainage density and annual mean precipitation were selected. Then, all basins were classified in homogenous groups with respect to major factors using cluster analysis and discriminate functions analysis, statistical methods, and Andrew’s curve as a graphical method. To investigate on the efficiency of grouping, two control basins were selected and their similarity to each homogenous group was carried out using above methods. By applying regression models developed for whole region and homogenous groups, flood peak discharges for two basins with different return periods were estimated. Simulated values compared with observed data and showed that models for homogenous groups have better performance than those for the whole region.

کلیدواژه‌ها [English]

  • Homogenous groups
  • Factorial analysis
  • cluster analysis
  • Discriminate Functions Analysis
  • ‎Andrew’s curve
  • Khazar basin