1مربی، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
2دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
چکیده
برآورد میزان ضریب جریان، که متأثر از عوامل مورفومتری، زمینشناسی و هیدرواقلیمی است، همواره یکی از موضوعات مهم در هیدرولوژی بوده، اطلاع از میزان آن، نقش به سزایی در برنامهریزی و مدیریت بهینه منابع آب دارد. همگنبندی حوزههای آبخیز مناسبترین روش برای تحلیل پارامترهای هیدرولوژیکی در غیاب پوشش کامل دادههای هیدرولوژی است. در این پژوهش، ابتدا با بررسی دادههای دبی روزانه ایستگاههای آبسنجی و بارانسنجی تعداد 22 ایستگاه با آمار مناسب و دوره مشترک آماری، سالهای آبی 1378-1353 انتخاب شد. همچنین، با استفاده از نقشه توپوگرافی با مقیاس 1:50000 و تعیین موقعیت ایستگاهها، محدوده مورد پژوهش مشخص و پارامترهای اولیه حوضهها با استفاده از سامانه اطلاعات جغرافیایی استخراج شد. ضریب جریان با استفاده از روش جاستین و شاخص جریان پایه به روش فیلتر رقومی برگشتی تک پارامتره، محاسبه شد. واحدهای سنگشناسی با استفاده از نقشه زمینشناسی با مقیاس 1:250000 رقومی و بر اساس نظر کارشناسی به دو طبقه عمده نفوذپذیر و نفوذناپذیر تقسیم و مساحت تحت پوشش هر واحد در هر حوضه تعیین شد. تحلیل عاملی از بین 15 پارامتر مؤثر در ضریب جریان انجام و همگنبندی حوضهها با استفاده از عوامل مستقل انتخابی به روشهای مختلف سلسلهمراتبی شامل: نزدیکترین همسایه، دورترین همسایه، فاصله از میانه، فاصله از مرکز ثقل و روش وارد انجام شد. سپس روابط منطقهای به روش رگرسیون خطی، در سطوح معنیداری کمتر از یک درصد برای گروههای همگن تمام روشها بهدست آمد. ارزیابی صحت و کارایی مدلهای برآوردی، به روشهای آزمون استقلال خطاها، نرمال بودن توزیع خطاها و همخطی انجام شد. سپس دقت مدلهای استخراج شده با استفاده از ایستگاههای شاهد محاسبه و با یکدیگر مقایسه شد. نتایج آزمون تحلیل عاملی نشان داد که کلیه متغیرها در قالب پنج عامل طبقهبندی میشوند که در مجموع در برگیرنده 85.452 درصد از واریانس دادهها میباشند. نتایج همگنبندی نشان داد که دستهبندی حوضهها در روشهای همگنبندی نزدیکترین همسایه، دورترین همسایه، فاصله از مرکز ثقل و فاصله از میانه، تماماً مشابه هم بوده و در دو گروه با اجزاء مشابه دستهبندی میشوند. ولی در روش وارد، حوضهها به سه منطقه همگن تفکیک شد، نتایج بررسی دقت مدلها نشان داد که دقت مدلهای استخراج شده در گروههای همگن به روش نزدیکترین همسایه بهدلیل حداقل درصد خطای نسبی به میزان 25.4 درصد، میانگین مطلق خطا به میزان 7.85 و مجذور میانگین مربعات خطا به میزان 9.62 از سایر روشها مناسبتر است و بهعنوان بهترین روش همگنبندی برای تحلیل منطقهای ضریب جریان در منطقه پژوهش تشخیص داده شد.
Investigating the effect of hierarchical clustering methods on accurately modeling of runoff coefficient in Karkheh Basin
نویسندگان [English]
Rahim Kazemi1؛ Jahangir Porhemmat2
1Scientific Board, Soil Conservation and WatershedManagement Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran
2Associate Professor, Soil Conservation and WatershedManagement Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran
چکیده [English]
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.