نوع مقاله : مقاله پژوهشی

نویسندگان

• بهرام چوبین ¹
• کریم سلیمانی ²
• محمود حبیب‌نژاد روشن ²
• آرش ملکیان ³

¹ دانشجوی دکتری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

² استاد، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

³ دانشیار، دانشکده منابع طبیعی، دانشگاه تهران، کرج

چکیده

مدیریت جامع حوزه آبخیز و تعمیم اطلاعات به حوضه‌های فاقد آمار، نیازمند درک حوضه‌های همگن می‌باشد. شباهت هیدرولوژیکی حوضه‌ها از رفتار هیدرواقلیمی و فیزیکی حوضه‌ها منتج می‌شود. در این تحقیق، برای تشخیص زیرحوضه‎های همگن هیدرولوژیکی، از شاخص‎های هیدرواقلیمی و فیزیکی استفاده شد. تحلیل عاملی برای کاهش ابعاد متغیرها به‌طور جداگانه برای شاخص‌های اقلیمی، هیدرولوژیکی و فیزیکی انجام شد و سرانجام با استفاده از الگوریتم خوشه‌بندی فازی (FCM) و روش خوشه‌بندی سلسله مراتبی (HCA) زیرحوضه‌های همگن شناسایی شدند. نتایج تحلیل عاملی نشان داد که از بین شاخص‌های اقلیمی، شاخص‌های طول دوره سرد، طول فصل رشد، بیشترین بارش پنج روزه، میانگین دمای بیشینه و شاخص روزهای گرم و از بین شاخص‌های هیدرولوژیکی، شاخص‌ درصد سطح گروه D هیدرولوژیک و شاخص سیل‌خیزی به‌عنوان شاخص‌های نهایی هیدرواقلیمی انتخاب شدند. همچنین، از بین پارامترهای فیزیکی شاخص‌های سطح حوضه، کشیدگی حوضه، میانگین طول زهکش‌ها و کل پستی و بلندی برای گروه‌بندی زیرحوضه‌ها انتخاب شدند. مقایسه نتایج روش‌های FCM و HCA نشان داد که تعداد خوشه‌های بهینه در دو روش با هم تفاوتی ندارند ولی نتایج طبقه‌بندی حوضه‌ها در هر خوشه در دو روش متفاوت است. در استفاده از متغیرهای هیدرواقلیمی شباهت دو روش طبقه‌بندی در خوشه‌های یکسان برابر با 25 حوضه و برای متغیرهای فیزیکی برابر با 27 حوضه است. نتایج طبقه‌بندی حوضه‌ها به‌وسیله پارامترهای هیدرواقلیمی در مقایسه با پارامترهای فیزیکی شباهت چندانی ندارد، به‌‌طوری که در روش FCM تعداد 17 زیرحوضه و در روش HCA تعداد 19 زیرحوضه، در طبقات مشابه قرار گرفته‌اند. با توجه به این‌که هیچ ارجعیتی برای پذیرش نتایج طبقه‌بندی حوضه‌ها به‌وسیله پارامترهای هیدرواقلیمی یا پارامترهای فیزیکی وجود ندارد، بنابراین، از ترکیب پارامترهای نهایی هیدرواقلیمی و فیزیکی برای طبقه‌بندی استفاده شد. نتایج طبقه‎بندی حوضه‌ها با ترکیب پارامترهای هیدرواقلیمی و فیزیکی نشان داد که تعداد 33 زیرحوضه از 38 زیرحوضه در هر دو روش FCM و HCA در خوشه‌های مشابه قرار گرفته‌اند. همگن‌بندی زیرحوضه‌های کرخه بر اساس ترکیبی از متغیرهای فیزیکی و هیدرواقلیمی آشکار کرد که مناطق شمالی در طبقه سه، مناطق مرکزی (از شرق تا غرب) در طبقه دو و مناطق جنوبی حوضه در طبقه یک قرار گرفته‌اند. به‌طور ذاتی، این زیرحوضه‌ها به هم شبیه بوده و از نظر آبخیزداری عملیات مدیریتی و حفاظتی یکسانی را نیز می‌طلبند.

کلیدواژه‌ها

• الگوریتم خوشه‌بندی فازی
• حوزه آبخیز کرخه
• خوشه‌بندی سلسله مراتبی
• گروه‌بندی آبخیز
• مدیریت جامع حوزه آبخیز

عنوان مقاله [English]

Watershed classification using hydroclimate and physical indices

نویسندگان [English]

• Bahram Choubin ¹
• Karim Solaimani ²
• Mahmoud Habibnejad Roshan ²
• Arash Malekian ³

¹ PhD Student, Faculty of natural resources, Sari University of agriculture sciences and natural resources, Sari, Iran

² Professor, Faculty of Natural Resources, Sari University of Agriculture Sciences and Natural Resources, Sari, Iran

³ Associate Professor, Faculty of Natural Resources, University of Tehran, Tehran

چکیده [English]

Integrated watershed management and regeneralization of available information to ungauged basin needs to recognize homogeneous watersheds. The hydrologic similarity of watersheds is caused by the hydroclimate and physical behaviors. In present study, hydroclimate and physical indices were used for indicating the homogeneous sub-watersheds in Karkheh Watershed and then results were compared. Factor analysis to reduce in the dimension of variables was conducted, separately for climatic, hydrological and physical parameters. Finally, using Fuzzy c-means (FCM) and hierarchical clustering analysis (HCA) homogeneous sub- watersheds were indicated by hydro-climate and physical parameters. Factor analysis results showed that indices of CSDI (cold spell duration index), GSL (growing season length), RX5day (monthly maximum consecutive 5-day precipitation), TX90p (percentage of days when daily maximum temperature is greater than 90th percentile) and TMAXmean (mean of maximum temperature) of climate indices, and indices of percent of hydrologica group D and flood potential index of hydrologic indices were selected. Also indices of basin area, basin elongation, average length of drainage and total topography between the physical parameters were selected. Comparing the results of the FCM and HCA indicated that the optimal number of clusters is same, but the results of watershed classification are not same in each cluster of two ways. Classification by hydroclimate and physical indices highlights that 25 and 27 basins were classified similar, respectively in two methods of clustering. Clustering by hydroclimate parameters produced different results compared with physical parameters, so that the 17 and 19 sub-basins are in the same classes in the FCM and HCA, respectively. However, there is no preference to accept watershed classification by hydroclimate or physical parameters, thus a combination of hydroclimate and physical parameters were used for classification. Watershed classification by the combination of hydroclimate and physical parameters indicated that 33 sub-basins were classified similar in both FCM and HCA methods. Classification in Karkheh basins based on the combination of physical and hydroclimate parameters revealed that the northern areas are in group 3, central regions (from east to west) are in group 2 and southern areas are in group 1. Inherently, these basins are similar in each group and demand the same protection operations in view of watershed management.

کلیدواژه‌ها [English]

• Fuzzy c-means
• HCA
• Integrated Watershed Management
• Karkheh Basin
• Watershed classification