برآورد رواناب با استفاده از مدل IHACRES بر اساس داده هاي ماهواره اي CHIRPS و مدل هاي CMIP5 (مطالعه موردي: حوضه آبخيز گرگانرود-منطقه آق قلا)

Runoff Estimation Using IHACRES Model Based on CHIRPS Satellite Data and CMIP5 Models (Case Study: Gorganroud Basin- Aq Qala Area)

حوضه آبخيز يك سامانه هيدرولوژيكي پويا به لحاظ زماني-مكاني است؛ بنابراين روند تبديل بارش به رواناب نيز بسيار پيچيده است. مدل هاي هيدرولوژيكي با توان بالقوه خود، ابزارهاي كارآمدي به ويژه تحت شرايط تغييرات آب و هوايي محسوب مي شوند. هدف از اين مطالعه برآورد رواناب حوضه آبخيز گرگانرود-منطقه آق قلا با استفاده از مدل نيمه توزيعي IHACRES است. به اين منظور داده هاي ايستگاه همديد گرگان، ايستگاه هيدرومتري آق قلا، چهار مدل CanESM2، GFDL-CM3، HadGEM2 و MRI-CGCM3 از مجموعه مدل هاي CMIP5 تحت روش هاي ريزمقياس نمايي آماري SDSM و MarkSimGCM و داده هاي ماهواره اي بارش با توان تفكيك بالا CHIRPS (0/05 ×0/05 درجه قوسي) به كارگيري شدند. در ادامه از آماره هاي R2، MBE و RMSE براي صحت سنجي و از آزمون هاي ناپارامتريكMann-Kendall و Sen’s Slope براي ارزيابي روند و شيب روند داده ها استفاده شد. نتايج نشان داد مدل CanESM2 ريزگرداني شده با SDSM از عملكرد بالاتري نسبت به مدل هاي ديگر برخوردار است. همچنين داده هاي CHIRPS كارايي مناسبي را براي مطالعه بارش نشان داده اند. رفتار آماري بلندمدت دبي در آق قلا نشان داد فروردين و ارديبهشت بيشينه دبي را در بين ماه هاي مختلف سال دارا مي باشند. مدل IHACRES هر چند كه در پيش بيني دبي هاي بيشينه نتوانسته دقت مناسبي را ارايه دهد اما در مجموع داراي دقت قابل قبولي است. بارش-رواناب در دوره مدل سازي شده آينده تحت سناريو هاي RCP2.6 و RCP4.5 روند كاهشي و تحت سناريو RCP8.5 روند جزيي افزايشي خواهد داشت. همچنين انتظار مي رود با افزايش بارش هاي حدي رخدادهاي سيلابي در منطقه نيز روندي افزايشي داشته باشند.

The catchment is a temporal-spatial dynamic hydrologic system; therefore, the process of rainfall-runoff is complicated. The hydrological models with their potentials are efficient tools to estimate runoff, especially under the conditions of climate change. The purpose of this study is to estimate runoff of Gorganroud Basin, located in the Aq Qala region, using the IHACRES semi-distributive model. For this purpose, the data of Gorgan Synoptic and Aq Qala Hydrometry Stations, four models; CanESM2, GFDL-CM3, HadGEM2, and MRI-CGCM3 from the CMIP5 models were applied under the SDSM and MarkSimGCM Statistical Downscaling methods. High-resolution CHIRPS precipitation data (0.05 × 0.05 arc degree) were also used. The statistical indices of R2, MBE, and RMSE were used for validation and non-parametric Mann-Kendall and Sen's Slope tests were used to evaluate the trend and slope trend of the data process. The results showed that the CanESM2 model downscaled with SDSM has a higher performance than the other models. CHIRPS data has also shown a good performance for rainfall studies. The long-term statistical behavior of discharge in Aq Qala showed that April and May have the maximum discharges among the other months. Although IHACRES model did not show an appropriate performance for prediction of maximum discharges, but in general, it's performance is acceptable. The rainfall-runoff trend during the proposed future period under the RCP2.6 and RCP4.5 scenarios will be reduced, whereas, it will be increased under the RCP8.5 scenario. Expected flood events in the region are also expected to show an increment trend with respect to the rainfall increment.