استفاده از HydroPSO در واسنجی مدل هیدرولوژی KINEROS۲ جهت شبیه‌سازی رواناب در حوزه‌های آبخیز مناطق نیمه خشک (مطالعه موردی: حوزه آبخیز بار نیشابور)

چکیده مقاله

شبیه­‌سازی بارش ـ رواناب به­‌منظور برنامه­ریزی و مدیریت منابع آب در حوضه­‌های آبخیز صورت می­‌گیرد که نیازمند استفاده از مدل­‌های هیدرولوژیکی بهینه­ است. در این تحقیق از بسته­‌ی بهینه­‌سازی hydroPSO به­‌منظور واسنجی و بهینه­‌سازی پارامترهای مدل بارش ـ رواناب (۲K) ۲KINEROS در حوزه آبخیز بار نیشابور در استان خراسان رضوی استفاده شد. به‌­همین منظور، پنج واقعه­­‌ی رگباری با هیدروگراف­‌های متناظر انتخاب شد. براساس نتایج، این مدل کارآیی بهتری در شبیه‌­سازی هیدرولوژیک حوضه بر اساس واقعه‌­ی رگباری 11/01/71 نشان داد. در این شبیه­‌سازی، ضریب تبیین (۲R) و نش (NSE) مدل در شبیه­‌سازی دبی آب برابر با ۹۶/۰ و 96/0 به­‌دست آمد. مدل‌­سازی براساس وقایع رگباری تاریخ­های 16/12/69، 21/02/70، 26/12/70 و 13/09/73 به ترتیب با ضرایب NSE برابر با ۹۰/۰، 90/0، ۸۹/۰ و ۴۳/۰، توانست به نیکویی برازش عالی، عالی، عالی و خوب هیدروگراف شبیه‌­سازی شده بر هیدروگراف مشاهداتی منجر شود. تحلیل حساسیت مدل نشان داد که پارامترهای هدایت هیدرولیکی اشباع ـ کانال (ks_c)، ضریب زبری مانینگ ـ کانال(n_c)، ضریب حجمی سنگ و سنگ­ریزه (Rock)، میانگین نیروی کاپیلاری ـ دامنه (G_p)، هدایت هیدرولیکی اشباع ـ دامنه (ks_p) و تخلخل ـ دامنه (Por_p)، به ترتیب مهم­ترین و مؤثرترین پارامترها در فرآیند واسنجی مدل ۲K به شمار می­‌رود. توزیع فراوانی برخی از پارامترها مانند n_c و Smax، دارای شکل زنگوله­ای با اوج تیزتر است که این خود فقدان قطعیت کمتر تحمیل شده از جانب این پارامترها را بر مدل نشان می­‌دهند؛ اما برخی از پارامترها مانند Por_c و Dist_، توزیع فراوانی یکنواختی را نشان می­‌دهند. تفسیر بصری نمودارهای جعبه­‌ای نشان می­‌دهد که در پارامترهایی مثل Ks_p، n_c، G_p، In، Rock، Por_p، Por_c وSat ، ارزش بهینه­‌ی پارامتر به‌­دست آمده در فرایند واسنجی تقریباً منطبق بر میانه ارزش­های نمونه­‌برداری شده­‌است و بیشتر ذرات به سمت یک منطقه­‌ی کوچک از فضای پاسخ هدایت شده­‌اند. نمودار نقطه‌­ای نشان می‌­دهد که کارآیی مدل بیشتر تحت­‌تأثیر اندرکنش پارامترهای Ks وn است. بر اساس تحلیل همبستگی نیز بالاترین ضریب همبستگی NSE با پارامترهای Ks_p، Ks_c، n_p، CV_p، G_c، In، cov،Por_p ،Dist_p ، Dist_c، Smax و Sat به­دست آمد. مقایسه‌­ی نتایج این تحقیق با یافته­‌های حاصل از واسنجی دستی نشان داد که بسته‌­ی بهینه‌­سازی hydroPSO می­‌تواند با موفقیت با مدل ۲K تلفیق شود و با سرعت و کارآیی بالایی پارامترهای مدل را واسنجی و بهینه­‌سازی کند.