اخبار و اعلانات

 آمار

تعداد نشریات286
تعداد نشریات سازمان84
تعداد شماره‌ها2,873
تعداد مقالات32,555
تعداد مشاهده مقاله42,418,477
تعداد دریافت فایل اصل مقاله19,194,072
شفیعی, مجتبی, قهرمان, بیژن, ثقفیان, بهرام, داوری, کامران, وظیفه‌دوست, مجید. (1393). واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE. سامانه مدیریت نشریات علمی, 28(2), 477-488. doi: 10.22092/jwra.2014.100047
مجتبی شفیعی; بیژن قهرمان; بهرام ثقفیان; کامران داوری; مجید وظیفه‌دوست. "واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE". سامانه مدیریت نشریات علمی, 28, 2, 1393, 477-488. doi: 10.22092/jwra.2014.100047
شفیعی, مجتبی, قهرمان, بیژن, ثقفیان, بهرام, داوری, کامران, وظیفه‌دوست, مجید. (1393). 'واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE', سامانه مدیریت نشریات علمی, 28(2), pp. 477-488. doi: 10.22092/jwra.2014.100047
شفیعی, مجتبی, قهرمان, بیژن, ثقفیان, بهرام, داوری, کامران, وظیفه‌دوست, مجید. واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE. سامانه مدیریت نشریات علمی, 1393; 28(2): 477-488. doi: 10.22092/jwra.2014.100047

واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE

پژوهش آب در کشاورزی
مقاله 20، دوره 28، شماره 2، تیر 1393، صفحه 477-488    اصل مقاله (1.4 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/jwra.2014.100047
نویسندگان
مجتبی شفیعی* 1؛ بیژن قهرمان2؛ بهرام ثقفیان3؛ کامران داوری4؛ مجید وظیفه‌دوست5
1دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
2استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
3استاد گروه مهندسی عمران آب، دانشکده فنی مهندسی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی.
4دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
5استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه گیلان.
چکیده
تجزیه و تحلیل عدم قطعیت پارامترها در مدل­های هیدرولوژی و تشخیص ویژگی­های آماری خروجی مدل براساس روابط موجود بین پارامترها و ورودی­های مدل از مهم­ترین موارد مدل­سازی در هیدرولوژی به شمار می­آید. در این پژوهش روش عمومی عدم قطعیت تشابهات (GLUE) برای واسنجی و تحلیل عدم قطعیت پارامترهای هیدرولیکی خاک در مدل آگروهیدرلوژی خاک-آب-اتمسفر-گیاه (SWAP) نسبت به داده­های رطوبت اندازه­گیری شده در یک مزرعه تحت کشت ذرت واقع در دشت قیام در استان اصفهان مورد مطالعه قرار گرفت. نتایج نشان داد از بین شش پارامتر هیدرولیکی خاک در مدل ونگنوختن-معلم، پارامترهای θr و Ksدر روند واسنجی از قابلیت تشخیص کمتری برخوردار بوده و بیشترین نقش در عدم قطعیت رطوبت شبیه­سازی شده داشتند. همچنین، نتایج نشان داد که نمی­توان پارامترهای هیدرولیکی خاک در رابطه ونگنوختن-معلم را که ماهیت برازشی دارند در فرآیند واسنجی ثابت فرض کرد. بررسی عدم قطعیت رطوبت شبیه­سازی شده نشان داد که روش GLUE به خوبی توانست تغییرات رطوبت را در نیمرخ خاک در طول دوره رشد محصول واسنجی کند به طوری که اغلب داده­های اندازه­گیری شده (میانگین  75 درصد) در محدوده­ی اطمینان 95 درصد قرار گرفتند.
کلیدواژه‌ها
پارامترهای هیدرولیکی خاک؛ محدوده‌ی اطمینان
عنوان مقاله [English]
Calibration and Uncertainty Analysis of SWAP Model by using GLUE Method
نویسندگان [English]
M. Shafiei1؛ B. Ghahraman2؛ B. Saghafian3؛ K. Davary4؛ M. Vazifedust5
چکیده [English]
Parameter uncertainty analysis of hydrological models and identifying the statistical characteristics of model output based on the relation between model inputs and parameters is one of the most important issues in hydrological modeling. In this study, the Generalized Likelihood Uncertainty Estimation (GLUE) was used for calibration and uncertainty analysis of soil hydraulic parameters of SWAP (Soil, Water, Atmosphere and Plant) agro-hydrological model based on measured soil moisture in a maize field in Borkhar area, Isfahan province. Results showed that the θrand Ks out of the six Van Genuchten-Mualem parameters, were the most non-identifiable parameters in calibration process and had much contribution into the soil moisture uncertainty in SWAP. Moreover, results confirmed that in Van Genuchten-Mualem equation, the soil hydraulic parameters are fitting parameters and fixing some of them during the calibration process was not realistic. Finally, results indicated that the GLUE method could successfully calibrate the model for soil moisture simulation during the growing season, with most of the measured data (about 75%) falling in the 95% confidence interval. 
کلیدواژه‌ها [English]
Soil hydraulic parameters, Confidence interval
مراجع
  1. اکبری، م.، دهقانی سانیچ، ح.، و ترابی، م. 1386. بررسی شوری در مزرعه با استفاده از مدل شبیه‌سازیSWAP (منطقه رودشت اصفهان). مجله آب و خاک (علوم و صنایع کشاورزی). شماره 21 (2). ص 105 - 114.         
  2. دهقان، ه.، علیزاده، ا.، و حقایقی مقدم، ا. 1389. تخمین اجزای بیلان آب در مقیاس مزرعه با مدل شبیه­سازی SWAP. مجله آب و خاک، جلد 24، شماره 6، ص 1276-1265.
  3. حقایقی مقدم، ا.، و فرازام نیا، م. 1391. تاثیر برنامه ریزی آبیاری بر شاخص های بهره وری آب، مطالعه موردی: دشت نیشابور. پژوهش آب در کشاورزی. سال 26 (2). ص 142-129.
  4. عابدینی، م.ج. و رحیمی، ی. 1382. مدل بارندگی-رواناب Hec-Hms با بهره­گیری از الگوریتم ژنتیک و مدل متعین PEST. ششمین کنفرانس بین المللی مهندسی عمران. دانشگاه صنعتی اصفهان. اصفهان. مجموعه مقالات. ص 10-1.
  5. Beven K. J. and A. 1992. The future of distributed models: model calibration and uncertainty prediction. Hydrological Processes, 6(3): 279-298.
  6. Beven, K.J. 1996. Equifinality and Uncertainty in Geomorphological Modelling, in B L Rhoads and C E Thorn (Eds.), the Scientific Nature of Geomorphology, Wiley: Chichester, 289-313.
  7. Haghighi F., Gorji M. and M. 2010. A study of the effects of land use change on soil physical properties. Land Degradation and Development, 21: 492-502.
  8. Hupet, F., Lambot, S., Feddes, R.A., van Dam, J.C. and M. Vanclooster. 2003. Estimation of root water uptake parameters by inverse modeling with soil water content data. Water Resource Research. 39: (11) doi: 10.129/2003WR002046.
  9. Ines, A. and P. Droogers. 2002. Inverse modeling estimating soil hydraulic functions: A genetic algorithm approach, Hydrology and Earth System Sciences., 6, 49–65.
  10. Jhorar, R.K., van Dam, J.C., Bastiaanssen, W.G.M. and R.A. Feddes. 2004. Calibration of effective soil hydraulic parameters of heterogeneous soil profiles. Journal of Hydrology. 285, 233–247.
  11. Kroes, J.G. and J. van Dam. 2003. Reference manual SWAP version 3.0.3, Alterra-report. 773 pp.
  12. Noory, H., van der Zee, S.E. A.T.M., Liaghat, A. M., Parsinejad, M. and J.C. van Dam. 2011. Distributed agro-hydrological modeling with SWAP to improve water and salt management of the Voshmgir Irrigation and Drainage Network in Northern Iran. Agricultural Water Management, 98: 1062–1070.
  13. Schaap, M.G., Leij, F.J. and M. Van Genuchten. 2001. ROSETTA: A computer program for estimation soil hydraulic parameters. Journal of Hydrology, 251:163–176.
  14. Scharnagl, B., Vrugt, J., Vereecken, H. and M. Herbst. 2011. Inverse modelling of in situ soil water dynamics: investigating the effect of different prior distributions of the soil hydraulic parameters. Hydrology and Earth System Sciences, 15: 3043–3059.
  15. Singh, U., and L. Kang. 2010. Simulation of soil water in space and time using an agro-hydrological model. Agricultural Water Management, 97: 1210-1220.
  16. Sonneveld, M.P.W., Bachx, M.A.H.M. and J. Bouma. 2003. Simulation of soil water regimes including pedotransfer functions and land use related preferential flow. Geoderma, 112: 97-110.
  17. Tuller, M., Or, D. and L.M. Dudley. 1999. Adsorption and capillary condensation in porous media: Liquid retention and interfacial configurations in angular pores. Water Resource. Research, 35: 1949–1964.
  18. Tung, Y. and B. Yen. 2006. Hydrosystem engineering uncertainty analysis. McGraw-Hill Book Company, NY, USA.
  19. Van Genuchten, M.T. 1980. A closed-form equation for predicting the hydraulic conductivity of soil. Soil Science American journal, 44:892–898.
  20. Van Genuchten, M.T. and D.R. Nielsen. 1985. On describing and predicting the hydraulic properties of unsaturated soils, Ann. Geophys., 3, 615–628, 1985, http://www.ann-geophys.net/3/615/.
  21. Vazifedoust, M., van Dam, J.C., Feddes, R.A. and M. Feizi. 2008. Increasing water productivity of irrigated crops under limited water supply at field scale. Agricultural Water Management, 95: 89–102.
  22. Vrugt, J.A., ter Braak, C. J.F., Gupta, H.V. and B.A. Robinson. 2008. Equifinality of formal (DREAM) and informal (GLUE) Bayesian approaches to hydrologic modeling, Stochastic Environmental Research and Risk Assessment, 23: 1059 –1060.
آمار
تعداد مشاهده مقاله: 1,991
تعداد دریافت فایل اصل مقاله: 3,071


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب