مدل سازی رواناب روزانه حوضه نازلو چای در غرب دریاچه ارومیه با استفاده از مدل tank

سابقه و هدف: پس از انقلاب کامپیوتری دهه 1960 مدل سازی هیدرولوژیک شکل تازه ای به خود گرفت و می توان یکی از اولین تلاش های موفق را مدل دانشگاه استنفورد swm دانست. مدل های بارش رواناب به عنوان یکی از مهم ترین ابزارهای تصمیم گیری در مدیریت حوضه های آبریز همواره موردتوجه بوده اند. در این مطالعه از مدل بارش رواناب روزانه تانک در حوضه آبریز رودخانه نازلو چای، در غرب دریاچه ارومیه استفاده شده است. اهمیت نوسانات هیدرولوژیکی این دریاچه در شرایط بحرانی امروزی بر کسی پوشیده نیست. آگاهی از رابطه بارش و رواناب در تمامی زیر حوضه های دشت ارومیه به خصوص در زیر حوضه هایی مانند نازلو که دچار کمبود تعداد ایستگاه بوده و از بخشی از حوضه که در ترکیه قرار گرفته نیز اطلاعاتی در دسترس نیست، بسیار مهم است. بنابراین هدف، ایجاد رابطه ای بین بارش حوضه و رواناب خروجی می باشد تا بتوان رواناب آینده را پیش بینی نمود. مواد و روش ها: رودخانه نازلو چای، به طول تقریبی 93 کیلومتر، یکی از رودخانه های 13گانه منتهی به دریاچه ارومیه می باشد. مدل بارش رواناب تانک مدلی ساده، مفهومی و یکپارچه است. ورودی های مدل بارش، تبخیر و رواناب رودخانه در خروجی می باشد. از میان ایستگاه های اندازه گیری سه ایستگاه با پوشش مناسب حوضه و با حداکثر دوره مشترک آماری برابر با 16 سال انتخاب شدند. به دلیل برداشت زیاد آب از زیر حوضه منتهی به خروجی رودخانه ، این زیرحوضه حذف و مساحت حوضه مدل شده تقلیل یافت. متوسط ماهانه داده های بارش و تبخیر با داده های بلندمدت ماهانه این پارامترها مقایسه و اصلاحاتی صورت گرفت تا فرآیندهای حوضه به نحو مطلوبی در ورودی منعکس شود. مدل تانک در بسته نرم افزاری rrl که در کشور استرالیا توسعه یافته است در کنار برخی دیگر از مدل ها، از پرکاربردترین مدل های بارش رواناب ارائه شده است. مجموع 224 واسنجی و نیز صحت سنجی با به کارگیری 7 روش واسنجی، 8 تابع هدف اولیه و 4 تابع هدف ثانویه انجام شد. اعتبار مدل در هر بار اجرا با معیار کارایی ناش و ضریب همبستگی پیرسون مورد ارزیابی قرار گرفت. یافته ها: در مجموع حدود 117 مورد از کل 224 واسنجی که با روش های مختلف بهینه سازی انجام شدند برازش قابل قبول نشان دادند و ضریب ناش در آنها بین صفر تا 1 گزارش شد که به معنای واقع شدن در بازه قابل بررسی و یا مدل سازی است چراکه مقادیر ضریب ناش کمتر از صفر به طور کل مدل سازی را بی معنی می سازد زیرا در آن شرایط یعنی متوسط مقادیر مشاهداتی تخمین زننده بهتری از مدل می باشد. حدود 30 مورد نیز دارای ضریب ناش بیش از 4/0 بودند و برازش رواناب مشاهداتی و محاسباتی نیز نشان دهنده برازش قابل قبول در این موارد بود. ضریب همبستگی نیز مورد ارزیابی قرار گرفت که در حالت کلی برتری مدل هایی که بر مبنای ضریب ناش انتخاب شده بودند را تایید نمود. اما ضریب ناش به دلیل برتری بر ضریب همبستگی، در این مطالعه بیشتر مدنظر قرار گرفت. نتیجه گیری: مشاهده شد که مدل در شبیه سازی مقادیر رواناب بالا خوب عمل نمی کند و مقادیر پیک را عموماً کمتر از مقدار واقعی شبیه سازی می کند. با تحقیق صحرایی در حوضه و بررسی داده های تاریخی معلوم شد مقادیر پیک رواناب در ماه های اردیبهشت و نیمی از ماه خرداد رخ می دهد که علاوه بر بارش زیاد در منطقه آب ناشی از ذوب برف نیز به شکل گیری رواناب کمک می کند. نبود ایستگاه های کافی به خصوص در ارتفاعات و نبود گره ای در مدل برای ورود داده های ذوب برف باعث می شود ورودی بارش کمتری در این زمان ها وارد مدل شده و مدل از شبیه سازی دبی های اوج باز بماند. اما در حالت کلی دبی های پایه در شرایط خوبی شبیه سازی شده و عملکرد مدل قابل قبول می باشد.