کاهش عدم قطعیت مدلسازی بارش – رواناب با اعمال مدل تلفات sma و همبستگی مکانی بارش

با توجه به تاثیر بارز روش تلفات نفوذ، پارامترهای عدم قطعی و تغییرات مکانی بارش بر خروجی مدل، و عدم استفاده از نمونه گیری همبسته مونت کارلو - کاپولا در بررسی همبستگی و تاثیر متقابل پارامترها بر یکدیگر و عدم قطعیت مدل هیدرولوژیک، به منظور کاهش خطا و واریانس خصوصیات سیلاب مدلسازی شده، با انتخاب روش شبیه سازی پیوسته بارش – رواناب در مدل hec-hms، به بررسی تاثیر کاربرد روش تلفات نفوذ sma بر کاهش خطای پاسخ هیدرولوژیک حوزه، عدم قطعیت پارامترهای حساس مدل تلفات و همبستگی مکانی بارش بر خروجی مدل، به روش مونت کارلو – کاپولا پرداخته شد. مقایسه عملکرد مدلهای نفوذ سازمان حفاظت خاک آمریکا(scs)، گرین و امپت (ga)، تلفات اولیه-مقدار ثابت(ic)، نسبت ثابت(cf)، مدل اکسپوننشیال(exp) و sma در مدلسازی بارش – رواناب حوزه آبریز کارون 3، مدل sma را با بیشترین میانگین ضریب ناش ساتکلیف 0.81 در کالیبراسیون و 0.69 در تایید، برتر از سایرین نشان داد. این مدل از کمترین مجموع مربعات خطای وزنی متناسب با مقادیر دبی، برابر 148 و 143 در کالیبراسیون و احیا برخوردار بود. این نتیجه می تواند ناشی از ساختار کاملتر مدل در لحاظ تلفات برگاب و چالاب و محاسبات مرتبط با نفوذ آب در لایه اولیه خاک، آب زیرزمینی لایه اول و دوم باشد. مقایسه متغیرهای کلیدی شبیه سازی شده با مقادیر مشاهداتی نیز نشان داد، مدل sma از کمترین درصد خطای شبیه سازی حجم و دبی پیک شبیه سازی شده در کالیبراسیون و احیا برخوردار است. مدل scs در شبیه سازی دبی پیک در مرحله تایید با sma برابری کرد، اما ic و ga در زمان رسیدن به دبی پیک در مقام اول قرار گرفتند. از دیگر نتایج حصول به مقادیر مختلف شاخص های عملکرد روش های نفوذ در وقایع مختلف بود، که می تواند ناشی از اختلاف مقادیر عمق، شدت و تغییرات زمانی و مکانی بارش و تاثیر متقابل پارامترهای مذکور در یک حوزه بزرگ باشد. برخی از پارامترهای کالیبره شده مدل sma در مدل سازی تک واقعه با پیوسته متفاوت بود. از دلایل آن می توان به کالیبره شدن مدل پیوسته برای تعداد بیشتری واقعه بارش با خصوصیات زمانی و مکانی متفاوت و رفع حساسیت مدل پیوسته نسبت به شرایط اولیه پس از دوره warm up اشاره کرد. تحلیل عدم قطعیت همبستگی مکانی بارش نشان داد، در نظر همبستگی مکانی بارش به روش کاپولای دو متغیره سبب کاهش sharpness 80% و بیشترین مقدار شبیه سازی شده توسط مدل می گردد. تحلیل عدم قطعیت همبستگی پارامترها نیز ثابت کرد در نظر گرفتن همبستگی پارامترها به روش کاپولای دو متغیره نیز به طور متوسط سبب کاهش sharpness 80% و بیشترین مقدار شبیه سازی شده می شود. با افزایش ضرایب همبستگی تاثیر لحاظ همبستگی بر کاهش sharpness، مقدار بیشینه و میانه مقادیر شبیه سازی شده بیشتر می شود، بطوریکه لحاظ همبستگی کاپولا برای پارامترهای r و tc که از بیشترین میزان همبستگی برخوردارند، سبب بیشترین میزان کاهش sharpness، بیشینه و میانه شده است. برای پارامترهای k و tc که از ضریب همبستگی بالاتری نسبت به k و r برخوردارند نیز کاهش مقدار بیشینه در حالت کاپولا مشاهده شد. بررسی reliability نتایج نشان داد، در کلیه حالات reliability مدل به طور متوسط برای داده های بالای نرمال بیشتر از نرمال و در داده های نرمال بیش از زیر نرمال است. درصد reliability کل در حالت پارامترهای تصادفی k و tc بیشتر از k و r و k و r بیش از r و tc است. از علت های حصول این نتیجه می توان به نحوه تهیه توزیع پارامترهای فوق اشاره کرد. از دیگر نتایج افزایش reliability مدل در حالت لحاظ همبستگی کاپولا برای پارامترهای r و tc نسبت به حالت پارامترهای مستقل است. وجود بالاترین میزان همبستگی بین این دو متغیر را می توان از دلایل نتیجه حاصله برشمرد. نتیجه فوق به صورت متوسط برای حالت پارامترهای k و r که از ضریب همبستگی بالاتری نسبت به k و tc برخوردار بوده اند، نیز حاصل شد.