برآورد ميزان رواناب با كمك مدل هاي تغيير يافته SCS

Estimation of Runoff using Modified SCS Models

در دهه­ هاي اخير مدل­ هاي مفهومي مختلفي ارائه شده است كه اين مدل­ ها همواره داراي پارامترهايي هستند كه مي­بايست با توجه به داده­ هاي مشاهداتي مورد تخمين قرار گيرند. از طرف ديگر، يافتن مقادير بهينه براي پارامترهاي هر مدل شبيه ­سازي، كاري است كه همواره با شك و ترديد همراه مي­ باشد. يكي از روش ­هاي عمده براي پيش­بيني سيلاب، روش سازمان حفاظت خاك آمريكا (SCS) مي­ باشد كه توسط محققين زيادي مورد بازبيني و تغيير قرار گرفته است. هدف از تحقيق حاضر، واسنجي پارامترهاي 1- روش اصلاحي CN، 2- مدل ميشرا و سينگ، 3- روش قديمي شماره منحني هر سه نسخه مدل معروف SCS و مقايسه نتايج آن­ها مي ­باشد. با توجه به مشكل اعتماد و نقص در داده­ هاي حوضه­ هاي داخل كشور، حوضه معرف با كيفيت داده ­هاي بارش و رواناب ساعتي مورد قبول، واقع در جنوب شيلي با استفاده از الگوريتم فراكاوشي PSO مورد مطالعه قرار گرفت. مقادير دبي شبيه­ سازي شده با استفاده از معيارهاي خطاي كلينگ گوپتا (KGE)، ضريب ناش- ساتكليف (NS)، ضريب همبستگي (R2) و ميانگين مربعات خطا (RMSE) مورد بررسي قرار گرفت. به طور خلاصه مقايسه نتايج مقادير رواناب شبيه ­سازي شده و مشاهده شده با كمك معيارهاي ارزيابي مدل، نشان ازكارايي بالاتر دو روش 1- ميشرا و سينگ و 2- روش اصلاحي CN (KGE=0.91) در شبيه­ سازي بارش-رواناب بود كه لزوم بازنگري جدي استفاده از روش ­هاي بارش-رواناب مرسوم مبتني بر شماره منحني را مي­طلبد

In recent decades, due to the importance of watershed management programs and the need for adequate information and correct estimation of rainfall and runoff, many conceptual models have been proposed. These models have parameters that must be estimated according to observational data. However, finding the optimal values for the parameters of simulation models has always faced uncertainty. One of the main methods for evaluating and predicting floods is the soil conservation methods provided by the Soil Conservation Service (SCS). This study aims to calibrate model parameters for three modified SCS models, i.e. 1- the Mishra and Singh model, 2- curve number model, and 3- modified curve number (MCN) model, in a basin in southern Chile using the evolutionary PSO algorithm. Comparison of the results was carried out using performance criteria such as Kling Gupta Efficiency (KGE), Nash-Sutcliff coefficient (NS), and mean square error (RMSE). Results revealed that simulated runoff is more efficient in MCN and Mishra and Singh models with KGE = 0.91 in rainfall-runoff simulations.