مدل‌سازی رواناب با استفاده از داده‌های بارش ماهواره TRMM در حوزه آبخیز چهل‌چای

نویسندگان

1 کارشناس ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران

2 استاد دانشکده منابع طبیعی دانشگاه تهران

3 دانشیار، دانشکده منابع طبیعی، دانشگاه تهران

4 دانشیار دانشکده منابع طبیعی دانشگاه تهران

5 استادیار، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس

doi
10.22092/ijwmse.2021.354545.1897
چکیده

بارش یکی از مهمترین ورودی‌­ها در مدل­‌سازی رواناب است. وجود داده‌­های بارش با دقت زمانی و مکانی مناسب، برای حوزه­‌های آبخیز با ایستگاه‌های باران­سنجی اندک و پراکنده، بسیار مهم و ضروری است. در حال حاضر ماهواره­‌های اقلیمی از منابع مهم در برآورد بارش هستند. در این پژوهش، ابتدا کارایی داده­‌های بارش ماهواره TRMM در سری زمانی ماهانه حوزه آبخیز چهل‌چای با استفاده از شاخص­‌های آماری R2، RMSE، NSE و Bias از طریق مقایسه با داده‌های بارش ایستگاه‌های باران‌­سنجی (مشاهده شده) مورد ارزیابی قرار گرفت که مقدار این شاخص‌های آماری به‌ترتیب 0.54، 22.70، 0.44 و 14.86- به‌­دست آمد. با توجه به مقدار ضریب تبیین (R2)، می‌توان نتیجه گرفت که ماهواره TRMM توانسته 0.54 بارش مشاهده شده را برآورد کند. در گام بعدی به‌­منظور برآورد رواناب ماهانه از سه مدل­ داده مبنا شامل MLP، ANFIS و SVR استفاده شد. دو نوع ترکیب ورودی به مدل‌های داده مبنا شامل: 1) داده‌های بارش مشاهده شده در گام‌­های زمانی t و 1-t و رواناب در گام زمانی 1-t و 2) داده‌­های بارش ماهواره­ای در گام‌های زمانی t و 1-t و رواناب در گام زمانی 1-t انتخاب شد. برای مقایسه میزان دقت و خطای مدل‌ها از R2 و RMSE مرحله صحت‌سنجی استفاده شد که مدل ANFIS با مقدار R2 و RMSE به‌ترتیب برای ترکیب ورودی نوع اول 0.80 و 0.97 و همچنین، برای ترکیب ورودی نوع دوم  0.78 و 1.02 به‌­عنوان مدل منفرد مناسب در منطقه مورد مطالعه برای برآورد رواناب انتخاب شد. از روش میانگین­‌گیری وزنی در رویکرد ترکیب داده­‌ها به­‌منظور مدل­‌سازی و ارائه یک مدل­ ترکیبی داده­­ مبنا استفاده شد که این مدل ترکیبی داده مبنا باعث بهبود مقادیر0.81= R2 و 4.85- =Bias برای ترکیب ورودی نوع اول و همچنین، بهبود مقدار 0.79=R2 برای ترکیب ورودی نوع دوم شد و این روش ضعف مدل‌های منفرد را پوشش داده است.