نوع مقاله : مقاله پژوهشی

نویسندگان

• ابوالحسن فتح آبادی ¹
• سید مرتضی سیدیان ²
• حسین امامی ³

¹ استادیار دانشکده منابع طبیعی و کشاورزی گنبد کاووس

² دانشگاه گنبد کاووس

³ دانشگاه تهران

چکیده

هر نوع مدل سازی و تصمیم گیری در مدیریت حوضه آبخیز نیاز به داده های دبی خروجی حوضه دارد. با توجه به هزینه بالا و زمان بر بودن اندازه گیری مستقیم دبی، در ایستگاه های هیدرومتری ارتفاع اشل را قرائت می شود و با استفاده از رابطه منحنی سنجه مقدار دبی برای این ارتفاع اشل محاسبه می شود. وجود عواملی از قبیل خطاهای اندازه گیری سرعت آب، سطح مقطع و ارتفاع اشل، محدودیت انواع مدل های برای برآورد دبی کمینه و بیشینه و تغییرات زمانی بستری رودخانه در نتیجه فرسایش، رسوب گذاری و رشد گیاهان موجب می شود مقادیر دبی برآورد شده با استفاده از منحنی سنجه دارای خطا و عدم قطعیت باشد. این عدم قطعیت در دبی محاسباتی در خروجی مدل های هیدرولوژیکی و تصمیمات مدیریتی منعکس می شود و منجر به ایجاد خسارات زیاد می گردد. بنابراین نیاز است تا با استفاده روش مناسب دامنه عدم قطعیت برای دبی برآوردی محاسبه شود تا از خسارات ناشی از خطای برآورد دبی جلوگیری شود. تاکنون از روش های آمار کلاسیک و بیزی در برآورد عدم قطعیت منحنی سنجه استفاده شده است. در روش بیزی علاوه بر استفاده از اطلاعات نهفته در داده‌های مشاهداتی در قالب تابع احتمال، می‌توان از اطلاعات هیدرولیکی ایستگاه به صورت تابع توزیع پیشین برای برآورد عدم قطعیت منحنی‌سنجه استفاده نمود. با افزایش قابلیت‌های شبیه‌سازی کامپیوترها که امکان نمونه‌برداری مونت کارلو-زنجیر مارکف را افزایش داده است، این روش‌ها گزینه مناسبی برای برآورد عدم قطعیت منحنی‌سنجه به حساب می‌آیند و در سالهای اخیر انواع ساختارهای آن برای برآورد عدم قطعیت منحنی‌سنجه ارائه شده است. بدین منظور در این تحقیق اقدام به برآورد عدم قطعیت منحنی سنجه با استفاده از رویکرد بیزی در سه ایستگاه در استان گلستان گردید.

کلیدواژه‌ها

• دبی-اشل
• عدم قعطعیت
• گلو
• بیزی
• سطح مقطع رودخانه

عنوان مقاله [English]

Uncertainty Estimation of Discharge Rating Curves Using GLU and Bayesian Approaches

نویسندگان [English]

• Seyed Morteza Seydian ²
• Hossein Emami ³

¹

² Gonbad Kavous University

³ University of Tehran

چکیده [English]

Any modeling and decision-making process in watershed management fundamentally depends on accurate discharge data at the basin outlet. However, direct measurement of discharge is both costly and time-consuming. Therefore, at hydrometric stations, water stage is routinely recorded, and discharge is estimated using the rating-curve equation corresponding to the observed stage. Nevertheless, several sources of uncertainty, including errors in measuring flow velocity, cross-sectional area, and stage height, as well as model limitations in estimating extreme flows and temporal variations in channel morphology caused by erosion, sediment deposition, and vegetation growth, result in inaccuracies in rating-curve-based discharge estimations. Such uncertainties propagate through hydrological model outputs and management decisions, potentially leading to considerable economic and environmental losses. Consequently, it is essential to quantify the uncertainty bounds of rating-curve-derived discharge estimates in order to mitigate risks associated with measurement and estimation errors. To date, both classical statistical and Bayesian approaches have been employed for uncertainty estimation in rating curves. The Bayesian framework, in particular, offers significant advantages: in addition to incorporating observational data through the likelihood function, it allows prior hydraulic knowledge of the station to be embedded in the model through prior distributions. With recent advances in computational power and the widespread application of Markov Chain Monte Carlo (MCMC) sampling techniques, Bayesian methods have become a powerful and flexible tool for rating-curve uncertainty estimation, and various model structures have been introduced in recent years. Accordingly, the present study estimates rating-curve uncertainty using a Bayesian approach for three hydrometric stations located in Golestan Province.

کلیدواژه‌ها [English]

• Stage–discharge
• Uncertainty
• GLU method
• Bayesian approaches
• River cross-section