مدل‌سازي رواناب با استفاده از داده‌هاي بارش ماهواره TRMM در حوزه آبخيز چهل‌چاي

Runoff modeling using TRMM satellite precipitation data in Chehel Chai Watershed

بارش يكي از مهمترين ورودي‌­ها در مدل­‌سازي رواناب است. وجود داده‌­هاي بارش با دقت زماني و مكاني مناسب، براي حوزه­‌هاي آبخيز با ايستگاه‌هاي باران­سنجي اندك و پراكنده، بسيار مهم و ضروري است. در حال حاضر ماهواره­‌هاي اقليمي از منابع مهم در برآورد بارش هستند. در اين پژوهش، ابتدا كارايي داده­‌هاي بارش ماهواره TRMM در سري زماني ماهانه حوزه آبخيز چهل‌چاي با استفاده از شاخص­‌هاي آماري R2، RMSE، NSE و Bias از طريق مقايسه با داده‌هاي بارش ايستگاه‌هاي باران‌­سنجي (مشاهده شده) مورد ارزيابي قرار گرفت كه مقدار اين شاخص‌هاي آماري به‌ترتيب 0.54، 22.70، 0.44 و 14.86- به‌­دست آمد. با توجه به مقدار ضريب تبيين (R2)، مي‌توان نتيجه گرفت كه ماهواره TRMM توانسته 0.54 بارش مشاهده شده را برآورد كند. در گام بعدي به‌­منظور برآورد رواناب ماهانه از سه مدل­ داده مبنا شامل MLP، ANFIS و SVR استفاده شد. دو نوع تركيب ورودي به مدل‌هاي داده مبنا شامل: 1) داده‌هاي بارش مشاهده شده در گام‌­هاي زماني t و 1-t و رواناب در گام زماني 1-t و 2) داده‌­هاي بارش ماهواره­اي در گام‌هاي زماني t و 1-t و رواناب در گام زماني 1-t انتخاب شد. براي مقايسه ميزان دقت و خطاي مدل‌ها از R2 و RMSE مرحله صحت‌سنجي استفاده شد كه مدل ANFIS با مقدار R2 و RMSE به‌ترتيب براي تركيب ورودي نوع اول 0.80 و 0.97 و همچنين، براي تركيب ورودي نوع دوم 0.78 و 1.02 به‌­عنوان مدل منفرد مناسب در منطقه مورد مطالعه براي برآورد رواناب انتخاب شد. از روش ميانگين­‌گيري وزني در رويكرد تركيب داده­‌ها به­‌منظور مدل­‌سازي و ارائه يك مدل­ تركيبي داده­­ مبنا استفاده شد كه اين مدل تركيبي داده مبنا باعث بهبود مقادير0.81= R2 و 4.85- =Bias براي تركيب ورودي نوع اول و همچنين، بهبود مقدار 0.79=R2 براي تركيب ورودي نوع دوم شد و اين روش ضعف مدل‌هاي منفرد را پوشش داده است.