پیش بینی نوع و مقدار آلاینده های منابع آب سطحی با استفاده از مدل های سری زمانی (arima) و مدل l-thia (مطالعه موردی: زیرحوزه نمرود- حوزه آبخیز حبله رود)

به دلیل نقش مهم آلودگی غیرنقطه ای در مدیریت منابع آب، در این مطالعه مدل های سری زمانی به منظور پیش بینی پارامترهای کیفی آب و مدل l-thia (یکی از مدل های آلودگی غیرنقطه ای) به منظور تخمین میزان آلاینده های آب استفاده شد. پژوهش حاضر با هدف مقایسه نتایج مدل l-thia و مدل های arima در زیرحوزه نمرود واقع در حوزه آبخیز حبله رود انجام شده است. در ابتدا، تغییرات کاربری از سال 1974 تا 2017 بررسی شد که نشان دهنده افزایش اراضی کشاورزی، توسعه شهری و جاده ها بود. سپس با استفاده از مدل l-thia برای هر دو کاربری، میزان آلاینده ها و حجم رواناب محاسبه شد که رشد زیادی را نشان می داد. در نهایت، با استفاده از مدل های arima، پارامترهای کیفی آب برای سی سال مدل سازی شد. در بین مدل های arima مدلی با کمترین میزان خطا و معیار سنجش آکائیک (aic) به عنوان مدل بهینه برای tds و مجموع کل کاتیون و آنیون انتخاب شد. مدل های مطلوب برای tds و مجموع کاتیون و آنیون به ترتیب عبارت بودند از: (1، 1، 0)، (2، 1، 1) و (1، 1، 1). در نهایت نمودار روند و سری زمانی برای هر یک از پارامترهای مذکور رسم شد. نمودارهای روند و سری زمانی برای هر سه پارامتر افزایش را نشان داد که بیانگر افزایش میزان آلودگی بود. نتایج این مطالعه حاکی از سودمندی مدل های سری زمانی در مطالعات منابع آب از طریق پیش بینی پارامترهای کیفی آب است.

Prediction of the Type and Amount of Surface Water Pollutants using Time Series Models (ARIMA) and L-THIA Model (Case Study: Namrood Sub-Basin, Hablehrood Watershed)

Due to the important role of nonpoint source pollution in water resources management, in this study time series modeling was applied to forecast water quality parameters and LTHIA model (one type of nonpoint source pollution models) was applied to estimate water pollutants. The purpose of this study was to compare results of LTHIA model and ARIMA models in Namrood subbasin located in the Hablehrood watershed. At first, land use changes were studied from the years 1974 till 2017 that showed increase in agricultural lands and expansion of cities and roads. Then, using LTHIA model for both land use categories, the amount of pollutant and the volume of runoff were calculated that showed high growth. In the end, using ARIMA models were estimated water quality parameters for 30 years. Among the different ARIMA models, a model with a lowest error and akaike (AIC) criterion was selected as an optimal model for TDS, total of cations and anions. Desirable models for TDS, total of cations and anions were (0,1,1), (1,1,2) and (1,1,1), respectively. The end, diagrams of Trend Analysis and Time Series were performed for three parameters that indicated high growth in amount of pollutant. The results showed efficiency of time series modeling in water resources studies in order to forecast water quality parameters.