بررسی عدم قطعیت پارامترهای مدل هیدرولوژیکی Swat با استفاده از الگوریتم تکامل تفاضلی تطبیقی متروپولیس (Dream-Zs)

سابقه و هدف: کمی سازی عدم قطعیت های پارامترهای مدل های هیدرولوژیکی نقش اساسی در مدیریت منابع آب ایفا می کنند و امری چالش برانگیز می باشد که به علت تعداد زیاد پارامترها و نبود درک فیزیکی مناسبی از آنها، این مدل ها در مرحله واسنجی با مشکل مواجه می شوند. با توجه به اهمیت منابع آبی در کشور و ضرورت بررسی عدم قطعیت به منظور دستیابی به نتایج قابل اعتماد، هدف از این تحقیق، بررسی، شناسایی و کمی سازی عدم قطعیت پارامترها ابزار ارزیابی خاک و آب (swat) و عملکرد آنها جهت پیش بینی رواناب حوضه آبخیز رودخانه کشف رود به عنوان یک حوضه بزرگ مقیاس نیمه خشک در شمال شرق ایران با استفاده از یک روش شبیه سازی مبتنی بر زنجیره مونت کارلو زنجیر مارکف بنام الگوریتم تکامل تفاضلی تطبیقی متروپولیس (dream-zs) می باشد.مواد و روش ها: جهت ارزیابی عدم قطعیت از میان 29 پارامتر موجود تنها 20 پارامتر بر مبنای روش تحلیل حساسیت منطقه ای (rsa) به عنوان پارامترهای حساس انتخاب و بررسی شدند. به منظور بهینه سازی مدل و کمی سازی عدم قطعیت پارامترها، از سناریوهای s1 (سناریوی اول) و s2 (سناریوی دوم) که متعلق به الگوریتم dreamzs می باشند، استفاده گردید. در بررسی انجام شده محدوده های پارامترهای پیشین در سناریوی s1 به کمک واسنجی نهایی محدوده پارامترها در نرم افزار swatcup و الگوریتم sufi2 تعیین گردید و محدوده های پیشین در سناریوی s2 با استفاده از یک رویکرد ترکیبی بین محدوده های پارامترهای پیشین در برنامه swatcup و محدوده های پسین در سناریوی s1 تعیین گردید. در این تحقیق، تابع درست نمایی حداقل مربعات استاندارد (sls)، جهت واسنجی مدل هیدرولوژیکی swat مورد استفاده قرار گرفت. همچنین، جهت بررسی عملکرد عدم قطعیت مدل در دو سناریوی اشاره شده از معیارهای ارزیابی شامل فاکتور p، فاکتور d، ناشساتکلیف (ns)، شاخص عدم قطعیت کل (tui) و دامنه انحراف میانگین (ada) استفاده گردید.یافته ها: نتایج معیارهای ارزیابی p، d، ns، tui و ada نشان داد که سناریوی s2 نسبت به سناریوی s1 در کاهش عدم قطعیت های پیش بینی از عملکرد بهتری برخوردار است. براساس سناریوی s1، ضریب ns از 0.54 تا 0.72 حاصل گردید، در حالیکه در سناریوی s2مقدار این ضریب از 0.63 تا 0.78 بدست آمده است. شاخص tui برای عدم قطعیت کل محدوده 0.2 تا 0.6 و 0.22 تا 0.66 به ترتیب برای سناریوهای s1 و s2 حاصل گردید. در ادامه نتایج شبیه سازی های s1 و s2 نشان داد که برای عدم قطعیت پارامترها ضریب ارزیابی tui در محدوده های 0.63 تا 0.94 برای سناریوی s1 و از 0.74 تا 1.22 برای سناریوی s2 می باشد. در نهایت شاخص ada نیز برای عدم قطعیت کل برابر 0.098 و 0.445 به ترتیب برای سناریوهای s1 و s2 حاصل گردید، در حالیکه با توجه به شبیه سازی های s1 و s2، شاخص ada برای عدم قطعیت پارامترها به ترتیب برابر 0.098 و 0.451 برای سناریوهای s1 و s2 بدست آمد. نتیجه گیری: الگوریتم dream-zs راندمان واسنجی مدل را بهبود بخشید و منجر به ارائه مقادیر واقعی تری از پارامترهای شبیه سازی رواناب توسط مدل swat در حوضه رودخانه کشف رود می گردید.

Study uncertainty of parameters of hydrological model (SWAT) by Differential Evolution Adaptive Metropolis algorithm ‎(DREAM-ZS)‎

Background and Objectives: Quantifying the uncertainties of the parameters of hydrological models are the role of great importance in water resource management and is a challenge that due to the large number of parameters and lack of proper physical understanding of them, these models face problems in the calibration stage. Considering the importance of water resources in Iran and the need to investigate uncertainty in order to achieve reliable results, the purpose of this study is to investigate, identify and quantify parameters uncertainty of Soil and Water Assessment Tool (SWAT) and their performance to predict watershed runoff. The Kashfrood river is a semiarid largescale basin in northeastern Iran using a Monte Carlo chainbased Markov chain simulation method called the Differential Evolution Adaptive Metropolis algorithm (DREAMZS).Material and Methods: With the purpose of assess the uncetainty in this study only 20 out of 29 available parameters were selected and evaluated based on Regional Sensitivity Analysis (RSA) as sensitive parameters. In order to optimize the model and quantify the parameters uncertainty, scenarios S1 (first scenario) and S2 (second scenario), which belong to the DREAMZS algorithm, have been defined. The prior parameter ranges of the S1 scenario were determined using the final calibration of parameter ranges in SWATCalibration and Uncertainty Program (SWATCUP) software and Sequential Uncertainty Fitting version 2 (SUFI 2) algorithm, and the prior ranges of the S2 scenario were determined using a compromising approach between the prior ranges of the SWATCUP and posterior ranges from S1 scenario. In this study, the parameters, uncertainties and statistical analysis have to be computed via an appropriate likelihood function. Therefore, the Differential Evolution Adaptive Metropolis (DREAMZS) combined with the standard least squares (SLS) as a simple formal likelihood function. Also, to evaluate the performance of the model uncertainty in the two mentioned scenarios, evaluation criteria including Pfactor, dfactor, Nash–Sutcliffe (NS), Total Uncertainty Index (TUI) and Average Deviation Amplitude (ADA) were used.Results: Pfactor, dfactor, Nash–Sutcliffe (NS), Total Uncertainty Index (TUI) and Average Deviation Amplitude (ADA) showed that the S2 scenario has a better performance than scenario S1 in reducing forecast uncertainties. According to S1 simulation, the NS coefficient ranged from 0.54 to 0.72, while in S2 simulation, it ranged from 0.63 to 0.78. The TUI for total uncertainty was in a range of 0.2–0.6 and 0.22–0.66 for S1 and S2 scenarios, respectively. The S1 and S2 simulations led to the TUI of 0.63–0.94 and 0.74–1.22 for parameter uncertainty, respectively. Finally, ADA index for total uncertainty was 0.098 and 0.445 for S1 and S2 scenarios, while in accordance to S1 and S2 simulations, the ADA index for parameter uncertainty was 0.098 and 0.451, respectively. Conclusion: The DREAMZS algorithm improved the calibration efficiency of the model and led to the presentation of more real values of runoff simulation parameters by the SWAT model in the Kashafrood River Basin.