تحليل حساسيت مدل مبتني بر موج سينماتيك KW–GIUH نسبت به روش‌هاي مختلف برآورد نفوذ و ضرايب زبري

Sensitivity analysis of KW-GIUH rainfall runoff model with respect to infiltration methods and roughness coefficients

پيش‌بيني صحيح سيلاب همواره يكي از چالش‌­هاي اساسي محققين و مهندسين بوده و به همين خاطر در طول دهه­‌هاي اخير مدل‌هاي رياضي متعددي براي اين منظور توسعه داده شده است. براي مدل‎‌سازي مناسب سيلاب و رواناب در يك حوضه، تخمين صحيح ميزان نفوذ آب در خاك عاملي مهم بشمار مي­‌آيد. تاكنون مدل‌هاي رياضي و تجربي زيادي براي محاسبه ميزان نفوذ آب در خاك و بارش خالص (بارش منجربه توليد رواناب) ارائه شده كه هر كدام داراي مزايا و معايب خاص خود مي­‌باشند. در پژوهش حاضر به‌جاي ارزيابي منفرد روش‌هاي محاسبه نفوذ به ارزيابي چهار روش مختلف برآورد نفوذ يعني شاخص Ø، هورتون، گرين-امپت و SCS بر عملكرد مدل ژئومورفولوژيكي مبتني بر موج سينماتيك KW-GIUH پرداخته شده است. همچنين، تحليل حساسيت عملكرد مدل KW-GIUH نسبت به روش‌هاي مختلف برآورد نفوذ و ضرايب زبري جريان دامنه­اي و آبراهه­اي از ديگر اهداف اين پژوهش مي­باشد. نتايج حاصل از ارزيابي هيدروگراف سيلاب شبيه­سازي شده با استفاده از هر روش و داده­‌هاي مشاهداتي در حوضه كسيليان، حاكي از عملكرد بالاي روش‌­هاي هورتون و شاخص Ø نسبت به دو روش ديگر دارد. شاخص كارائي نش-ساتكليف به‌دست آمده از روش‌هاي هورتون و شاخص Ø به‌ترتيب معادل 94.9 و 90.3 بوده و اين در حاليست كه براي روش‌هاي گرين-امپت و SCS مقدار اين شاخص به‌ترتيب معادل 77.7 و 76.3 مي­‌باشد. تحليل حساسيت نتايج به‌دست آمده از روش‌هاي مختلف نفوذ نيز حاكي از آن است كه عملكرد مدل KW-GIUH نسبت به روش­هاي گرين-امپت و شاخص Ø به‌ترتيب بيشترين و كمترين حساسيت را دارا مي­باشد. نتايج حاصل از بررسي اثر مقادير مختلف ضرايب زبري جريان دامنه­اي و آبراهه­اي بر دبي اوج سيلاب نيز نشان مي­‌دهد كه ضريب زبري دامنه‌­اي تاثير به مراتب بالاتري از ضريب زبري آبراهه­اي دارد. حداكثر تغيير مقدار دبي اوج به‌دست آمده از مقادير مختلف ضريب زبري دامنه­‌اي و آبراهه­‌اي به‌ترتيب برابر 64 و 25 درصد مي­‌باشد. در يك جمع­‌بندي كلي مي­توان چنين نتيجه گرفت كه عملكرد مدل KW-GIUH نسبت به روش برآورد نفوذ و ضريب زبري جريان دامنه­اي از حساسيت بالايي برخوردار مي­‌باشد و به همين خاطر توصيه مي‌­شود، در انتخاب اين دو پارامتر به ويژه در حوضه­ هاي فاقد آمار و يا آمار كم دقت كافي به‌عمل آيد.

Flood forecasting in a sound way leading to correct results has been a challenge for all researchers and engineers for many decades, which is the basic reason for developing many different types of mathematical rainfall runoff models. Correct estimation of infiltration during a storm is essential to a justified and rational modeling of runoff at watershed scale. There are many experimental or mathematical models for simulating infiltration and deriving net rainfall with pros and cons. In the present research, instead of evaluating infiltration simulation methods solely, four more widely used methods; namely, ɸ index, Horton, Green-Ampt and SCS methods were selected to find out their effects on the performance of a kinematic wave based geomorphological model called KW-GIUH. Furthermore, a sensitivity analysis with respect to different infiltration methods and different overland and channel roughness coefficient were performed. Horton and ɸ method led to a better performance of the model in terms of observed and simulated hydrographs in the study watershed. In this regard, Nash-Sutcliffe efficiency indices for Horton and ɸ index methods were obtained as 94.9 and 90.3, respectively, while it was 77.7 for Green–Ampt and 76.3 for SCS infiltration method. According to results of sensitivity analysis, KW-GIUH performance has the most and least sensitivity when using Green–Ampt and ɸ index as the infiltration method, respectively. Although studying in a steep watershed with an overland slope of about 17% and a small area of about 38 km2, changing the overland roughness coefficient has more effect on the model performance comparing with the change of channel roughness coefficient. Simulated flood peaks changed about 64 % due to changing the overland roughness coefficient while this value amounted to 25% for channel one. Shortly, it is concluded that KW-GIUH is highly sensitive to infiltration simulation method and overland roughness coefficient.