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

نویسندگان

1 دانشیار، گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران

2 دانش‌آموخته دکتری، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

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

doi
10.22059/jesphys.2019.253304.1006979
چکیده

مدل HBV (Hydrologiska Byråns Vattenbalansavedlning) یک مدل مفهومی است که به‌طور گسترده­ای برای پیش­بینی­های آب‌شناسی و مطالعات منابع آب به‌کار می­رود. در این مطالعه تحلیل حساسیت پارامترهای مدل HBV برای زیرحوضه‌های کرخه و کل حوضه کرخه در چهار بازه زمانی مختلف 1، 5، 10 و 25 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 به‌علت 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 (hl1) هستند، این پارامترها در دبی­های کمینه بیشترین حساسیت را نشان داده­اند. پارامترهای روال برف مخصوصاً پارامتر دمای آستانه برای یخ­زدگی (ttlim) در زیرحوضه­های قره­سو و کشکان و در بازه­های زمانی کوتاه­مدت (1 و 5 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 به‌ترتیب به‌مقدار 95/0، 21/0 و 4/1 و بهترین BIAS مربوط به زیرحوضه کشکان و حوضه کرخه به‌مقدار 13/0 است.