پیشبینی جریان ماهانه با استفاده از مدل ECMWF، مطالعه موردی: حوضه آبریز سفیدرود
نویسندگان
1 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
2 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
3 گروه مهندسی آبیاری و آبادانی، دانشگاه تهران
4 گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
5 استادیار گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد
doi
چکیده
پیشبینی جریان در مقیاس زمانی ماهانه برای مدیریت و برنامهریزی بهینه منابع آب ضروری است. در این مقاله با استفاده از پیشبینیهای حاصل از مدل اقلیمی ECMWF، پیشبینی جریان ماهانه در زیر حوضه شاهرود واقع در حوضه آبریز سفیدرود در شمال غرب کشور انجام شد. برای این منظور با استفاده از پیشبینی بارش ماهانه حاصل از مدل اقلیمی ECMWF و مدلسازی داده محور SVR بهعنوان مدل بارش- رواناب، بارش پیشبینیشده به جریان تبدیل شد. ابتدا نتایج مربوط به پیشبینی بارش در دوره تاریخی حاصل از مدل اقلیمی ECMWF تا افق پیشبینی 3 ماهه برای محدوده مورد مطالعه، از درگاه اینترنتی Climate Data Store دریافت شد. سپس با استفاده از مدل داده محور SVR، مدل ترکیبشده اقلیمی- داده محور برای پیشبینی جریان تا افق پیشبینی 3 ماه آینده توسعه داده شد. نتایج نشان داد که پیشبینی جریان مبتنی بر مدلهای پیشبینی اقلیمی برای افق پیشبینی 1 ماه آینده نسبت به دو افق پیشبینی 2 و 3 ماه آینده دقیقتر است. بهطوریکه افق پیشبینی 1 ماه آینده بیشترین ضریب نش- ساتکلیف در واسنجی مساوی 77/0 و در مرحله صحتسنجی 48/0، بیشترین ضریب همبستگی در واسنجی 87/0 و در صحتسنجی 69/0، کمترین مقدار جذر میانگین مربعات خطا در واسنجی 8/6 میلیون مترمکعب و صحتسنجی 3/6 میلیون مترمکعب و بهترین مقدار اریبی نسبی برای واسنجی 96/0 و صحتسنجی 1/1 را داشته است. همچنین نتایج نشان داد که بر اساس دو شاخص ارزیابی احتمالاتی POD و FAR، مدل پیشبینی توسعهیافته، توانایی بالایی در تشخیص وقایع مختلف جریان بهخصوص جریانهای کم و زیاد را دارد.