شبیه‌سازی رواناب در مقیاس زمانی روزانه با استفاده از تصاویر با دوره‌ی هشت روزه‌ی سنجنده MODIS و مدل آب‌شناسی SRM( مطالعه نمونه ای: حوضه روانسر سنجابی استان کرمانشاه)

فصلنامه علمی مهندسی منابع آب

مقاله 1، دوره 12، شماره 40، خرداد 1398، صفحه 1-12   

نوع مقاله: مقاله پژوهشی

نویسندگان

سید وحید شاهویی^{* 1}؛ جهانگیر پرهمت²؛ حسین صدقی³؛ مجید حسینی⁴؛ علی صارمی⁵

¹کاندیدای دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

²استاد پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

³استاد، گروه علوم و مهندسی آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

⁴دانشیار حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

⁵استادیار، گروه علوم و مهندسی آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت: 22 اسفند 1395،  تاریخ بازنگری: 31 شهریور 1396،  تاریخ پذیرش: 19 خرداد 1398 

چکیده

در این مقاله با استفاده از مدل آب­شناسیSnowmelt Runoff Model   اقدام به شبیه‌سازی رواناب روزانه حوضه­ی روانسر سنجابی ( با مساحت 1260 کیلومتر مربع) واقع در استان کرمانشاه در ایران شد. جهت محاسبه­ی سطح پوشش برف در این مطالعه که یک متغیر اصلی و بسیار مهم برای مدل SRM است، از  روش سنجش از دور و استفاده از تصاویر سطح پوشش برف محصول MOD10A2  سنجنده­ی MODIS که سطح پوشش برف را در فواصل 8 روزه تفکیک کرده است، استفاده شد. شبیه‌سازی رواناب در دوره­ی آماری 2 ساله، شامل سالهای 2002 و 2003 صورت گرفت که سال  2002 ( 1 ژانویه تا 31 دسامبر 2002) به عنوان دوره­ی واسنجی، و سال 2003 ( 1 ژانویه تا 31 دسامبر 2003) به عنوان دوره­ی اعتبارسنجی مدل انتخاب شدند. نتایج شبیه‌سازی مدل در دوره‌های واسنجی و اعتبارسنجی  با استفاده از 3 شاخص آماری ضریب ناش ساتکلیف (NSE)، ضریب تبیین (  ) و تفاضل حجمی ( ) ارزیابی شدند. در ادامه، با مقایسه­ی آب نگارهای جریان روزانه شبیه‌سازی شده و مشاهداتی، و همچنین با توجه به ضرایب آماری محاسبه شده  در سالهای 2002 و 2003  مشخص گردید که مدل SRM در شبیه‌سازی رواناب روزانه هم در دوره­ی واسنجی و هم اعتبار سنجی دارای نتایج مطلوب و مناسبی است، به طوری که ضریب NSE برای دوره­ی واسنجی و اعتبار سنجی به ترتیب 9/0 و 95/0 تعیین شدند.
کلمات کلیدی : رواناب روزانه، سنجنده­ی MODIS، SRM، واسنجی، اعتبارسنجی.

کلیدواژه‌ها

کلمات کلیدی : رواناب روزانه؛ سنجنده­ی MODIS؛ SRM؛ واسنجی؛ اعتبارسنجی

عنوان مقاله [English]

Daily runoff simulation using Eight Day Period of MODIS satellite images and SRM hydrological model (case study: Ravansar Sanjabi basin in kermanshah Province)

نویسندگان [English]

Seyyed Vahid Shahoei¹؛ Jahangir Porhemmat²؛ Hossein Sedghi³؛ Majid Hosseini⁴؛ Ali Saremi⁵

¹Ph.D. Candidate in Water Resources Engineering, Department of Water science and Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran

²Prof. of Soil Conservation and Watershed Management Research Institute (SCWMRI), Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran

³Professor, Department of Water science and Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran

⁴Associate Professor, Soil Conservation and Watershed Management Research Institute, Tehran, Iran

⁵Assistant Professor, Department of Water science and Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran

چکیده [English]

In this paper the daily runoff of Ravansar Sanjabi basin (1260 Km^2), in Kermanshah Province of Iran is simulated through SRM hydrological model. The Snow Cover Area variable which a main and necessary variable in SRM model is calculated from MOD10A2 product of MODIS which separate snow cover maps with 8-day intervals. The runoff is simulated in a period of 2 years from 2002 to 2003, where 2002 (January 1 to December 31, 2002) is selected as a calibration period and 2003 (January 1 to 31 December, 2003) as a validation period of model. The results of simulations during the calibration and validation periods were evaluated through three statistical indices namely Nash–Sutcliffe efficiency coefficient (NSE), coefficient of determination (R2), and volume difference (Dv). According to compared simulated and observed daily flow hydrographs and also calculated statistical coefficients in 2002 and 2003, the SRM shows appropriate and acceptable results in simulating daily runoff during both calibration and validation periods, so that the NSE coefficients are 0.9 and 0.85 for calibration and validation periods, respectively.

کلیدواژه‌ها [English]

Daily runoff, MODIS satellite, SRM, Calibration, validation

مراجع

اکبری، م.، رعنایی، ا.، میرزاخان ح.، و درگاهی، ع.
0299 . شبیه سازی رواناب حاصل از ذوب برف با استفاده از
نرم افزار آب شناسی SRM ، مطالعهی موردی: حوضهی
.93-63 :)3( آبخیز سد کارده. مهندسی منابع آب 7
)6 نظم فر، ح.، و مرادی، م. 0299 . شبیهسازی رواناب
ناشی از ذوب برف با استفاده از دادههای سنجش از دور
)مطالعه موردی: حوضه آبی دهگلان(. نشریه جغرافیا و
.287-293 :)11( برنامهریزی 20
3) Abbaspour, C., Yang, J., Maximov, I., Siber, R., Bogner, K., Mieleitner, J., Zobrist, J., and Srinivasan, R. 2007. Modelling hydrology and water quality in the prealpine alpine Thur watershed using SWAT. Journal of Hydrology 333: 413–430.
4) Berezowski, T., Nossent, J., Chormanski, J., and Batelaan, O. 2014. Spatial sensitivity analysis of snow cover data in a distributed rainfallrunoff model. Hydrology and Earth System Sciences 11: 11987–12025
5) Bookhagen, B., and Burbank, D.W. 2010. Toward a complete Himalayan hydrological budget: spatiotemporal distribution of snowmelt and rainfall and their impact on river discharge. Journal of Geophysical Research 115: 1–25.
6) Feng, X.Z., Li, W.J., Shi, Z.T., and Wang, L.H. 2000. Satellite snow cover monitoring and
snowmelt runoff simulation of Manas River in
Tianshan Region, China. Remote Sensing Technology and Application 15: 18–21.
7) Fierz, C., Riber, P., and Adams, E. 2003. Evaluation of snow-surface energy balance models in alpine terrain. Journal of Hydrology 282: 76–94.
8) Fontaine, T.A., Cruickshank, T.S., Arnold, J.G. and Hotchkiss, R.H. 2002. Development of a snowfall snowmelt routine for mountainous
terrain for the soil water assessment tool (SWAT). Journal of Hydrology 262: 209–223.
9) Garen, D.C., and Marks, D. 2005. Spatially distributed energy balance snowmelt modelling in a mountainous river basin: estimation of
meteorological inputs and verification of model results. Journal of Hydrology 315: 126–153.
10) Gomez-Landesa, E., and Rango, A. 2002. Operational snowmelt runoff forecasting in the Spanish Pyrenees using the snowmelt runoff model. Hydrological Processes 16: 1583–1591.
11) Hall, D.K., Riggs, G.A., Salomonson, V.V., DiGirolamo, N.E., and Bayr, K.J. 2002. MODIS snow cover products. Remote Sensing of Environment 83: 181–194.
12) Immerzeel, W.W., Droogers, P., De Jong, S.M., and Bierkens, M.P. 2009. Large scale monitoring of snow cover and runoff simulation in Himalayan river basins using remote sensing. Remote Sensing of Environment 113: 40-49.
13) Jain, S.K., Goswami, A., and Saraf, A.K. 2009. Role of elevation and aspect in snow distribution in Western Himalaya. Water Resources Management 23: 71–83.
14) Karimi, H., Zeinivand, H., Tahmasebipour, N., Haghizadeh, A., and Miryaghoubzadeh, M.. 2016. Comparison of SRM and WetSpa models efficiency for snowmelt runoff simulation. Environmental Earth Sciences 75: 664.
15) Kult, J., Choi, W., and Choi, J. 2014. Sensitivity of the snowmelt runoff model to snow covered area and temperature inputs. Applied Geography 55: 30–38.
16) Lee, S., Klein, A.G., and Over, T.M. 2005. A comparison of MODIS and NOHRSC snow cover products for simulating stream flow using the snowmelt runoff model. Hydrological Processes 19: 2951–2972.
17) Liu, W., Li, Z.L., and Li, K.B. 2007. snowmelt Runoff modeling in Tashikuergan
SRM و مدل آبشناسی MODIS 12 شبیهسازی رواناب در مقیاس زمانی روزانه با استفاده از تصاویر با دورهی هشت روزهی سنجنده
River Basin, Xinjiang, China. Technical Supervision in Water Resources 3: 343–46.
18) Ma, H., and Cheng, G.D. 2003. A test of snowmelt runoff model (SRM) for the Gongnaisi River Basin in the western Tianshan Mountains. Chinese Science Bulletin 48: 2253–2259.
19) Martinec, J., Rango, A., and Roberts, R. 2008. SRM snowmelt runoff model. Users’s Manual. New Mexico State University, Las Cruces, NM.
20) Martinec, J. 1975. Snowmelt runoff model for stream flow forecast. Nordic Hydrology 6: 145–154.
21) Moriasi, D.N., Arnold, J.G., Van Liew, M.W., Binger, R.L., Harmel, R.D., and Veith, T. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the
ASABE 50: 885–900.
22) Nash, J.E., and Sutcliffe, J.V. 1970. River flow forecasting through conceptual models. Part 1, a discussion of principals. Journal of Hydrology 10: 282–290.
23) Prasad, V.H., and Roy, P.S. 2005. Estimation of snowmelt runoff in Beas Basin India. Geocarto International 20: 41−47.
24) Safari Shad, M., Habibnejad Roshan, M., and Ildoromi, A. 2013. Integration of the MODIS snow cover produced into snowmelt runoff modeling. Journal of the Indian Society of Remote Sensing 42: 107–117.
25) Sensoy, A., and Uysal, G. 2012. The value of snow depletion forecasting methods towards operational snowmelt runoff estimation using
MODIS and numerical weather prediction data. Water Resources Management 26: 3415–3440.
26) Singh, V.P., and Woolhiser, D.A. 2002. Mathematical modeling of watershed hydrology. Journal of Hydrological Engineering 7: 270–292.
27) Strasser, U., Etchevers, P., and Lejeune, Y. 2002. Inter-comparison of two snow models with different complexity using data from an alpine site. Nordic Hydrology 33: 15–26.
28) Tahir, A.A., Chevallier, P., Arnaud, Y., Neppel, L., and Ahmad, B. 2011. Modeling snowmelt runoff under climate scenarios in the Hunza River Basin, Karakoram Range, Northern Pakistan. Journal of Hydrology 409: 104–117.
29) Tekeli, A.E., Akyurek, Z., Sorman, A.A., Sensoy, A., and Sorman, A.U. 2005. Using MODIS snow cover maps in modeling snowmelt runoff process in the eastern part of Turkey. Remote Sensing of Environment 97: 216–230.
30) Vafakhah, M., Nouri, A., and Alavipanah, S.K. 2014. Snowmelt runoff estimation using radiation SRM model in Taleghan watershed. Environmental Earth Sciences 73: 993-1003.
31) Wang, J., and Li S. 2006. Effect of climate change on snowmelt runoffs in mountainous regions of inland rivers in Northwestern China. Science in China-Series D: Earth Sciences 49: 881–888.
32) Wurbs, R.A.1998. Dissemination of generalized water resources models in the United States. Water International 23: 190–198.
33) Zhang, G., Xie, H., and Yao, T. 2014. Quantitative water resources assessment of Qinghai Lake Basin using snowmelt runoff model (SRM). Journal of Hydrology 519: 976–987.
34) Zhang, P., Wang, J., Liu, Y., and Li, Y. 2009. Application of SRM to flood forecasting and forewarning of Manasi River Basin in Spring. Remote Sensing Technology and Application 24: 456–461.