نام پژوهشگر: بهنام آبابایی

ارزیابی مدل swat در شبیه سازی رطوبت خاک (مطالعه موردی حوضه آبی نومل)
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه علوم کشاورزی و منابع طبیعی گرگان - دانشکده مهندسی علوم آب 1392
  فاطمه ولی نژاد   مهدی ذاکری نیا

رطوبت خاک متغیر کلیدی برای درک فرآیندهای هیدرولوژیکی و شار انرژی در سطح زمین می باشد. بنابراین شبیه سازی و یا پیش بینی دقیق آن در طرح های آبیاری، مدیریت زراعی، پیش-بینی خشکسالی و سیل، مدیریت کیفیت آب و تغیر اقلیم از اهمیت بالایی برخوردار است. اما علیرغم اهمیت زیاد این متغیر هیدرولوژیک، بکاربردن روش های اندازه گیری صحرایی با توجه به تغییرات زیاد زمانی-مکانی خصوصیات خاک و همچنین هزینه های بالای آن منطقی نیست. بر این اساس استفاده از مدل های فیزیکی به عنوان راهکاری برای رفع این مشکل مد نظر پژوهشگران قرار گرفته است. در این مطالعه، مدل مفهومی swat در شبیه سازی رطوبت خاک در حوضه آبریز نومل مورد بررسی قرار گرفت. swat مدلیفیزیکیاست که فرآیندهایمرتبطباحرکتآب،رسوبات،رشدگیاه،چرخهمواد مغذیو ... رابطورمستقیماز رویپارامترهایورودیشبیه سازیمی نماید.این مدل نیازمنداطلاعاتیدرموردآبوهوا،مشخصات خاک،توپوگرافی،پوششگیاهیوروش هایمدیریتوکاربری اراضیدرسطححوضه می باشد. مدل در دوره ی زمانی 13 ساله در حوضه آبریز نومل اجرا شد. در فرآیند مدل سازی، حوضه آبریز نومل به 23 زیر حوضه تقسیم شد. برای واسنجی مدل swat در سطح محدوده مطالعاتی و براساس مقادیر اندازه گیری شده رطوبت خاک و نیز تحلیل عدم قطعیت مدلدر سطح حوضه، از الگوریتم sufi2 در بسته نرم افزاری swat-cup استفاده گردید. درجه عدم قطعیت توسط فاکتورهای p-factor و r-factor محاسبه شد. نتایج نشان داد که مقادیر r-factor در اکثر زیرحوضه ها کمتر از 1 و در کل حوضه 01/1 و مقایر p-factor در زیر حوضه ها بین 50-99 درصد و در کل حوضه 90 درصد می باشد. این مقادیر بیانگر واسنجی خوب رطوبت در سطح حوضه و عدم قطعیت زیاد پیش بینی ها هستند. شاخص 2br بعد از واسنجی 58 درصد بوده است که نشان می دهد واسنجی مدل در حوضه از دقت قابل قبولی برخوردار است و همچنین ضریب همبستگی 2r در حوضه برابر 63 درصد بوده که با توجه به بررسی های گذشته و کیفیت داده های استفاده شده در این پژوهش قابل قبول ارزیابی گردید. به این ترتیب، می توان مدل swat را ابزار مناسبی برای شبیه سازی و پیش بینی مقادیر رطوبت خاک در سطح حوضه های آبریز دانست. همچنین اطلاعات مهمی در مورد رطوبت خاک، هم از نظر توزیع مکانی (در مقیاس زیرحوضه) و هم از نظر توزیع زمانی (در مقیاس روزانه) به همراه باند تخمین عدم قطعیت پیش بینی ها به دست آمد.