بررسي تاثير روش‌ هاي خوشه‌ بندي سلسله مراتبي در دقت مدل‌ سازي ضريب جريان در حوضه كرخه

Investigating the effect of hierarchical clustering methods on accurately modeling of runoff coefficient in Karkheh Basin

برآورد ميزان ضريب جريان، كه متأثر از عوامل مورفومتري، زمين‌شناسي و هيدرواقليمي است، همواره يكي از موضوعات مهم در هيدرولوژي بوده، اطلاع از ميزان آن، نقش به سزايي در برنامه‌ريزي و مديريت بهينه منابع آب دارد. همگن‌بندي حوزه‌هاي آبخيز مناسب‌ترين روش براي تحليل پارامتر‌هاي هيدرولوژيكي در غياب پوشش كامل داده‌هاي هيدرولوژي است. در اين پژوهش، ابتدا با بررسي داده‌هاي دبي روزانه ايستگاه‌هاي آب‌سنجي و باران‌سنجي تعداد 22 ايستگاه با آمار مناسب و دوره مشترك آماري، سال‌هاي آبي 1378-1353 انتخاب شد. همچنين، با استفاده از نقشه توپوگرافي با مقياس 1:50000 و تعيين موقعيت ايستگاه‌ها، محدوده مورد پژوهش مشخص و پارامترهاي اوليه حوضه‌ها با استفاده از سامانه اطلاعات جغرافيايي استخراج شد. ضريب جريان با استفاده از روش جاستين و شاخص جريان پايه به روش فيلتر رقومي برگشتي تك پارامتره، محاسبه شد. واحدهاي سنگ‌شناسي با استفاده از نقشه زمين‌شناسي با مقياس 1:250000 رقومي و بر اساس نظر كارشناسي به دو طبقه عمده نفوذپذير و نفوذناپذير تقسيم و مساحت تحت پوشش هر واحد در هر حوضه تعيين شد. تحليل ‌عاملي از بين 15 پارامتر مؤثر در ضريب جريان انجام و همگن‌بندي حوضه‌ها با استفاده از عوامل مستقل انتخابي به روش‌هاي مختلف سلسله‌مراتبي شامل: نزديك‌ترين همسايه، دورترين همسايه، فاصله از ميانه، فاصله از مركز ثقل و روش وارد انجام شد. سپس روابط منطقه‌اي به روش‌ رگرسيون‌‌ خطي، در سطوح معني‌داري كمتر از يك درصد براي گروه‌هاي همگن تمام روش‌ها به‌دست آمد. ارزيابي صحت و كارايي مدل‌هاي برآوردي، به روش‌هاي آزمون استقلال‌ خطاها، نرمال بودن توزيع خطاها و هم‌‌خطي انجام شد. سپس دقت مدل‌هاي استخراج شده با استفاده از ايستگاه‌هاي شاهد محاسبه و با يكديگر مقايسه شد. نتايج آزمون تحليل عاملي نشان داد كه كليه متغيرها در قالب پنج عامل طبقه‌بندي مي‌شوند كه در مجموع در برگيرنده 85.452 درصد از واريانس داده‌ها مي‌باشند. نتايج همگن‌بندي نشان داد كه دسته‌بندي حوضه‌ها در روش‌هاي همگن‌بندي نزديك‌ترين همسايه، دورترين همسايه، فاصله از مركز ثقل و فاصله از ميانه، تماماً مشابه هم بوده و در دو گروه با اجزاء مشابه دسته‌بندي مي‌شوند. ولي در روش وارد، حوضه‌ها به سه منطقه همگن تفكيك شد، نتايج بررسي دقت مدل‌ها نشان داد كه دقت مدل‌هاي استخراج شده در گرو‌ه‌هاي همگن به روش نزديك‌ترين همسايه به‌دليل حداقل درصد خطاي نسبي به ميزان 25.4 درصد، ميانگين مطلق خطا به ميزان 7.85 و مجذور ميانگين مربعات خطا به ميزان 9.62 از ساير روش ­ها مناسب‌تر است و به‌عنوان بهترين روش همگن‌بندي براي تحليل منطقه‌اي ضريب جريان در منطقه پژوهش تشخيص داده شد.

Estimating the runoff coefficient that is influenced by morphometric, geologic and hydro-climatologically factors are the most important issues in hydrology and information of its role in the planning and management of water resources is more important. Clustering catchments is the best method for the analysis of hydrological parameters in the absence of full coverage of hydrological data. In this research, twenty two hydrometric stations with common period from 1974 to 1999 were selected. Physiographic parameters of the catchments were extracted. Runoff coefficient was calculated and then base flow was extracted from using one parameter recursive digital filters. Lithological units using digital geological map, with the scale of 1: 250,000, based on expert opinion divided on two classes and area covered by each unit in each catchment were calculated. Factor analysis using 15 parameters were conducted. Catchments using independent factors in different hierarchy methods includes: nearest neighbor, furthest neighbor, median clustering, centroid clustering and Ward method were classified. Then, the regional equations using linear regression at 1% significant level were determined. To compare and evaluate the accuracy and efficiency of the models, independence errors, colinerity and normal distribution of error were tested. The results of factor analysis showed that all variables are to be classified in terms of five factors which 85.9% of the variance was included. Results of homogeneity showed that the basins in homogeneous methods of nearest neighbor, furthest neighbor, centroid clustering and median clustering, were all the same and classified in two groups with the similar components. The results of accuracy assessment showed that the accuracy of nearest neighbor methods was more accurate, and because of low relative error (25.4%) and MAE of 7.85 and RMSE of 9.62 was diagnosed as the best method for regional analyzing of runoff coefficient in the study area.