قابليت روش هاي رگرسيوني منحني سنجه مدل Loadest در برآورد رسوب معلق سالانه

Ability of Loadest Regression Methods to Estimate Annual Suspended Sediment

داشتن اطلاع از مقدار كمي بار رسوبي حمل شده توسط رودخانه‌ها از اساسي‌ترين اطلاعات براي مقابله با فرسايش خاك و طراحي سدهاي ‌مي‌باشد. در ايران غالبا برآورد بار رسوب معلق بر پايه روش‌هاي منحني سنجه مي‌باشد. از آن‌جا كه داده‌هاي برداشت دبي رسوب به طور تصادفي و ناپيوسته مي‌باشد لذا، در عمل درونيابي و برونيابي آن‌ها با خطاي زيادي همراه مي‌باشد. اين بررسي به منظور ارزيابي در تعداد داده‌هاي موجود براي برآورد بار رسوبي روزانه با مدل‌هاي رگرسيوني Loadest است. بنابراين از داده‌هاي دبي روزانه رسوب ايستگاه قزاقلي در حوزه آبخيز جنگلي گرگانرود استفاده شد. با توجه به نتايج ارزيابي (دياگرام تيلور) مدل شماره 2 داراي بهترين دقت بوده و در صورت نبود تا 50 درصد از داده‌هاي روزانه رسوب، ضريب همبستگي بيش از 5/0را در برآورد رسوب سالانه و آن هم فقط براي سال اول از خود نشان داد و در مابقي سال‌هاي مورد تحقيق ضريب همبستگي غير قابل قبول است. بنابراين استفاده از روش‌هاي منحني سنجه رسوب با داده‌هاي موجود در سطح ايستگاه‌هاي ايران، در صورتيكه تعداد داده موجود براي ساخت منحني سنجه كمتر از 185 عدد باشد با دقت بسيار كمي همراه خواهد بود. همچنين هرچقدر مقدار داده موجود متعلق به دوره هاي حمل رسوب كم (فصل پاييز و سال خشك) بيشتر باشد كارايي روش Loadest كمتر خواهد بود. با توجه به اينكه در برخي مطالعات براي برآورد و واسنجي مدل SWAT از ايجاد ارتباط بين مدل Loadestبا مدل SWATاستفاده مي‌شود،

Having knowledge on the quantitative amount of watershed sediment yield is one of the most basic information to deal with soil erosion and conservation as well as design of dams. In Iran, the estimation of suspended sediment load is often based on measurement curve methods. Since sediment discharge data are random and discontinuous, in practice, their internalization and extrapolation is associated with many errors. This review is to evaluate the number of data available to estimate daily sediment load with Loadest regression models. Therefore, daily discharge data of Ghazaghli station in Gorganrood forest watershed were used. So that different percentages of available data were accidentally deleted and the amount of sediment load was estimated by 11 methods. According to the evaluation results (Taylor diagram), model number 2 has the best accuracy and in the absence of up to 50% of the daily sediment data, the correlation coefficient of more than 0/5 in the annual sediment estimation and only for the first year an‎d in the rest of the years under study the correlation coefficient is unacceptable. Therefore, the use of sediment measurement curve methods with the data available at the level of Iranian stations, if the number of data available to construct the measurement curve is less than 185 will be associated with very little accuracy. Also, the higher the amount of available data belonging to the periods of low sediment transport (autumn and dry years), the lower the efficiency of the Loadest method will be.