تحلیل اثرات مشخصات خاک و پوشش گیاهی بر واکنش‌های هیدرولوژیکی با استفاده از مدل توزیعی DHSVM، مطالعه موردی: حوزه آبخیز چهل‌گزی سنندج

نویسندگان

1 دانشیار، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

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

3 استاد، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

4 استادیار پژوهشی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، سنندج، ایران

5 استادیار، دانشکده علوم، دانشگاه کردستان، سنندج، ایران

doi
10.22092/ijwmse.2018.120730.1446
چکیده

این مطالعه به‌منظور بررسی قابلیت مدل DHSVM برای شبیه‌سازی فرایندهای هیدرولوژیکی در یک حوزه آبخیز کوهستانی با کمینه سطح کاربری کشاورزی انجام شد. پارامترهای اقلیمی مورد نیاز برای گام زمانی روزانه تنظیم شدند. روش فاصله معکوس به‌منظور میانیابی متغیرهای اقلیمی از ایستگاه‌ها به سلول‌های شبکه مورد استفاده قرار گرفت. ورودی‌های زمانی به مدل برای سال‌های 1386 لغایت 1392 تهیه شد. نقشه پوشش زمین با استفاده از روش طبقه‌بندی نظارت شده و تصاویر لندست 8 تهیه شد. نقشه شبکه آبراهه با استفاده از نقشه DEM و در نرم‌افزار ARCGIS تولید شد. نقشه طبقات بافت خاک با استفاده از نمونه‌برداری میدانی و در آزمایشگاه تهیه شد. آزمایش‌های اولیه به‌منظور تعیین حساسیت به پارامترهای ورودی نشان داد که این مدل به هدایت هیدرولیکی جانبی، ضریب کاهش نمایی هدایت هیدرولیکی، میزان تخلخل، ظرفیت مزرعه و کمینه مقاومت روزنه‌ای سطح برگ حساس است. در این مطالعه، به‌جز هدایت هیدرولیکی جانبی و ضریب کاهش نمایی، تمامی پارامترهای دیگر (خاک و پوشش گیاهی) بر اساس مطالعات قبلی و مشاهدات میدانی به روش مشابه برای هر دو دسته داده‌ها تعیین شدند. سری زمانی داده‌ها به سه دسته زمانی گرم کردن یا آماده‎‌سازی (1388-1387)، واسنجی (1390-1388) و اعتبارسنجی (1392-1390) تقسیم شد. مدل با استفاده از داده‌های دبی سال‌های 1387 تا 1390 در خروجی حوضه واسنجی شد. ضرایب مختلف کارایی مابین جریان شبیه‌سازی شده و مشاهده شده محاسبه شد. عدد نش­-ساتکلیف برای واسنجی مدل DHSVM 0.59 و برای داده‌های اعتبارسنجی مدل 0.606 بودند. به‌طور کلی، نتایج اجرای این مدل در حوضه مورد مطالعه و با توجه به کیفیت و کمیت داده‌های ورودی به مدل رضایت‌بخش است.