مدل سازي تغييرات مكاني آب معادل برف بر اساس عوامل توپوگرافي و اقليمي (مطالعه موردي: حوزه آبخيز سهرورد استان زنجان)

Spatial distribution of snow water equivalent modeling based on topography and climatic factors (Case Study: Sohravard watershed, Zanjan Province)

داشتن اطلاعات در زمينۀ عمق، چگالي و آب معادل برف براي مديريت منابع آب در مناطق كوهستاني اجتناب ناپذير است. از طرفي، به‌دليل مسائل مالي، شرايط اقليمي نامساعد و صعب العبور‌بودن مناطق كوهستاني، اندازه گيري‌ها نقطه‌اي است كه تعميم آن به سطوح بزرگ خطاي زيادي دارد. يكي از روش‌ها براي پيش‌بيني آب معادل برف، بررسي ارتباط بين آب معادل برف با عوامل مؤثر است. بدين‌منظور حوضۀ آبخيز كوهستاني سهرورد استان زنجان انتخاب شد. داده هاي اوليه تهيه و نقشه هاي مورد نياز شامل نقشه هاي مدل رقومي ارتفاع، شيب، جهت شيب، شمالي‌بودن، شرقي‌بودن، انحناي افقي، انحناي عمودي، شاخص وضعيت توپوگرافي و تابش خورشيدي استخراج شد. سپس، هنگام بارش اوج برف، عمق برف به تعداد 150 نمونه به روش هايپركيوب لاتين و چگالي برف به تعداد 18 نمونه به‌روش تصادفي اندازهگيري شد. محاسبات شاخص بادپناهي براي نقاط اندازهگيري‌شدۀ عمق برف انجام شد. در مرحلۀ بعد با انجام رگرسيون بين آب معادل برف با عوامل مؤثر، رابطۀ كمي بين آنها تعيين شد. كارايي مدل ها با شاخص هاي آماري ميانگين خطا، ميانگين خطاي مطلق، ريشۀ ميانگين مربعات خطا و ضريب همبستگي تعيين شد. نتايج نشان داد در حوضۀ آبخيز يادشده با روش رگرسيون گام‌به‌گام ميتوان آب معادل برف را برآورد كرد. همچنين براساس نتايج، هرچند عامل اقليمي شاخص باد‌پناهي حجم زياد محاسبات را دارد؛ ولي دخالت‌دادن آن سبب افزايش كارايي مدل در برآورد آب معادل برف ميشود. آب معادل برف بيشترين همبستگي معنادار را با ارتفاع برابر با 0/607 و كمترين همبستگي معنادار را با شمالي‌بودن برابر با 0/204 در محدودۀ مطالعاتي دارد. ضرايب همبستگي بين متغير وابستۀ آب معادل برف با متغير مستقل شاخص بادپناهي نشان ميدهد فاصلۀ 300 متري، مؤثرترين فاصلۀ بر‌هم‌كنش باد و پستي و بلندي‌ها در ايجاد شرايط بادپناهي و بادروبي است. ضريب تغييرات عمق و چگالي برف اندازه‌گيري‌شده به‌ترتيب برابر با 54/14 ‌و 7/89درصد است.

It is inevitable to obtain necessary data including snow depth, snow density and snow water equivalent (SWE) in order to manage water resources in mountains areas. On the other hand, due to financial constraints, unfair weather and impassability of mountainous areas, measurement is limited to the points, and its generalization to larger areas is associated with large errors. A method for predicting the SWE is investigation the relationship between the SWE and effective factors. Therefore, in this research, mountainous Sohravard watershed located in Zanjan Province was selected as the case study. The required data and maps including Digital Elevation Model (DEM), slope, aspect, northern, eastern, profile curvature, plan curvature, topography position index and solar radiation maps were extracted. Then, during the peak of snowfall in the area, snow depth of 150 points and snow density of 18 points were measured using Latin Hypercube and random sampling methods, respectively. The calculation of upwind slope was carried out for the measured snow points. In the next step, the quantitative relation between the SWE and effective factors was determined by fitting a regression relationship. The efficiency of the created models was evaluated by statistical criteria including mean bias error, mean absolute error, root mean square error and correlation coefficient(R). The results showed that SWE in the studied watershed could be estimated by using stepwise regression. As the results show, although climate factor of upwind slope requires high computing, its incorporation in the model can lead to increased model efficiency in the SWE estimation. The SWE had the highest significant correlation equal to 0.607 with the elevation, and the lowest significant correlation equal to 0.204 to the northern part of the study area. Correlation coefficient between the dependent variable SWE and independent variable upwind slope shows that 300 meters distance is the most effective distance of the interaction of wind and terrain in creation of wind sheltering and wind deflation. Coefficient of variation in snow depth and snow density measurements is 54.14% and 7.89%, respectively.