بررسي تاثير ضريب زبري متغير بر صحت پيش بيني رقوم سطح آب رودخانه ها، مطالعه موردي: رودخانه كارون

Investigating effect of variable roughness coefficient on the predicted water level of rivers, Case Study: Karoon River

مدل هاي رياضي ابزار ارزشمندي براي پيش بيني شرايط جريان آب از بعد كمي و كيفي فراهم كرده اند و به طور گسترده در علوم مهندسي آب كاربرد دارند. در تحقيق حاضر، با استفاده از يك سري روابط رياضي بدست آمده از مدل هاي فيزيكي كه ضريب زبري تابعي از عمق، سرعت و نوع پوشش گياهي مي باشد، مدل رياضي FASTER براي شبيه سازي سطح و دبي آب رودخانه كارون به كار برده شد. لذا، اطلاعات هيدروگرافي سال آبي 1382-1383 در سه ايستگاه هيدرومتري به عنوان نماينده شرايط حدي مقادير كمينه، بيشينه و مياني براي سنجش صحت مدل انتخاب شد. مقايسه سطح آب پيش بيني شده با استفاده از مدل FASTER با (n) ثابت 03/0 و (n) متغير با مقادير متناظر اندازه گيري شده نشان مي دهد كه متغير (n) به خوبي توانسته است، دقت مدل هيدرو ديناميكي را به نسبت قابل توجهي نسبت به n ثابت، بالاتر ببرد. نتايج نشان مي دهد منحني تغييرات سطح آب در مدل با ضريب زبري متغير تطبيق بسيار خوبي بر روي منحني سطح آب مشاهده شده دارد. در اين حالت، ميزان ضريب تبيين 932/0 است كه بيشتر از مدل با ضريب زبري ثابت (799/0= R2) مي باشد. به عبارت ديگر، تخمين هاي مدل رياضي نزديك به شرايط واقعي رودخانه است. با توجه به محاسبات آماري انجام شده، مدل با ضريب زبري متغير، مقادير ارتفاع سطح آب را در واسنجي و صحت سنجي در مقايسه با مدل با ضريب زبري ثابت با دقت بسيار خوبي شبيه سازي مي كند.

Mathematical models are widely used in water engineering as valuable tools to simulate the qualitative and quantitative aspects of water flow conditions. In This study, mathematical relationships derived from the physical models were used where the roughness coefficient was as a function of water depth and speed, and type of vegetation, to simulate the water flow by FASTER model in Karoon river. The hydrographic data of years 2003 and 2004 in three hydrometric stations were used as the minimum, maximum and average values for measurement of the model accuracy. Comparing the water level simulated by the FASTER model with fixed roughness coefficient of 0.03 and variable coefficient and corresponding values measured by the model, indicated that the variable “n” can be improved the model accuracy. The results showed that the predicted surface roughness obtained from the FASTER model was well fitted by observed values. In this case, the correlation of surface roughness of the mathematical model with variable coefficient is equal to R2=0.932 and with a constant roughness coefficient is R2=0.799. This means the estimations of the mathematical model was closed to actual conditions of the river values with high accuracy.