پیش‌بینی رواناب حوضه آبریز تیره با استفاده از پیش‌بینی کمی بارش خروجی مدل wrf

هدف از انجام این پژوهش پیش بینی رواناب با استفاده از پیش بینی کمی بارش حاصل از برونداد مدل های پیش بینی عددی جو می باشد. لذا در جهت انجام پژوهش حاضربرای پیش بینی بارش از مدلwrfوبرای پیش بینی رواناب از مدل hechms استفاده گردید. نخست برای آماده سازی مدل hms جهت پیش بینی رواناب، ازداده های دیدبانی بارش در مقیاس ساعتی و روزانه و همچنین دبی ساعتی اخذ شده از سازمان های ذیربط استفاده شد. پس از بررسی آمار ماخوذه تعدادی رویداد سیلاب جهت واسنجی مدل hechms انتخاب گردید،این رویدادها با مدل hms شبیه سازی شد. در پی آن با آزمون های متوالی و روش سعی و خطا برای بهترین شبیه سازی انجام شده جهت تعیین پارامترهایی از قبیل شماره منحنی، زمان تاخیر و ضریب دبی اوج بهینه گردیدندو از آنها جهت اعتبارسنجی مدل بهره برده شد. پس از واسنجی مدل hechms سه رویداد سیل جهت راست آزمایی مدل انتخاب گردید. در این مرحله از کار بارش مولد سیلاب های منتخب جهت راست آزمایی مدل hechms توسط مدل پیش بینی عددی جو، wrf پیش بینی شد. سپس بارش حاصل از برونداد این مدل ها به عنوان ورودی مولفه بارش مدل hechms بکارگرفته شد، و مدل hechms با این مقادیر بارش اجرا گردید. نتایج حاصل به طور خلاصه به این شرح می باشد مقادیر رواناب پیش بینی شده کمتر از مقادیر مشاهده ای آن می باشد در پیش بینی رواناب،  نتایج حاصل در رویداد اردیبهشت 1382و1383 قابل قبول بوده و نتایج رویداد اسفند 1383 چشم گیر نبودهاست. به گونه ای که میانگین خطای مطلق پیش بینی، قدرمطلق خطای نسبی دبی اوج و حجم برای رویداد اسفند 1383به ترتیب 76، 4/41و 7/39 می باشد. این مقادیر برای رویداد اردیبهشت 1382 به ترتیب 23، 13/16 و 48/15و برای رویداد اردیبهشت 1383به ترتیب 13، 22/1 و 94/18 به دست آمده است. بنابراین می توان گفت در بررسی رویداد های فوق دو رویداد که در فصل بهار رخ داده اند نتایج بهتری به دست آمده است. شایان ذکر است که این نتایج مربوط به بررسی های انجام شده است و تعمیم آن منوط به بررسی های مکانی و زمانی بیشتری می باشد.

Real time runoff forecasting of Tire basin using Quantitative Precipitation Forecasting of WRF model

IntroductionDue to their high speed, flash floods are placed among the most important devastating disasters to humanity in contrast to other disasters such as drought and famine. The event is usually results from heavy precipitation. If the flood forecasting is done by an appropriate method, dealing with can be managed more properly. There are many parameters which are effective on models of flood forecasting. An essential component for flood forecasting is quantitative precipitation forecasting (QPF). At present, QPF is provided using limited area numerical models. The output of these local models is also used for operational and research purposes in Iran. Concerning the importance of QPF for flood forecasting of, in this research, the QPF output of the WRF model is used as an input for the HECHMS hydrology model to forecast the flood of Tire basin in Lorestan province of Iran. Materials and MethodsThe Tire basin, in the west and southwest of Iran, is one of the subbasins of the large Dez basin. In this research, hourly and daily precipitation data of rain gauges and also hourly discharge  data from stations were collected and studied,. After preparation and qualitative control of the mentioned data sets, some preparations were applied for calibration of the HECHMS model and some of its hydrological parameters such as lag time, curve number and coefficient of maximum discharge were reconsidered. By topographic evaluation and assessment of soil and plant coverage of the region, needed preliminary data for performing of HECHMS model were estimated by trial and error method. After calibration and obtaining the optimum parameters, model verification was done using ther results obtained from 3 events thatwere not used for calibration already. For verification of rainfallrunoff models, forecasted precipitation of the meteorological WRF model was used. Simulated precipitations were used in the HECHMS model as an input and then runoff was simulated. Finally, simulated runoff was verified by statistical gauges. ResultsThree statistical criteria are computed in order to evaluate the capability of the coupled model including: the bias, the Mean Absolute Error (MAE), and the absolute relative error. The minimum MAE for the studied events was 13 (m3/s) and the maximum was 76 (m3/s). The minimum and maximum of absolute relative error for peak discharge in the studied events were 1.22, 41.4 (m3/s), respectively. The Minimum and the maximum of absolute relative error for volume of discharge in the studied events were 15.48 and 39.7. Time lags between the observed peak discharge and simulated peak discharge is calculated as 3 to 6 hours. Examining the results, we conclude that the coupled model is working much better for spring events in comparison to winter events.ConclusionAccording to this research it can be said that the combination of WRF and HECHMS models increases the lead time of runoff prediction in real time forecasting. In spite of low errors in the forecasting, it can be said that the complete simulation were partly desirable. These results related to the tested cases in the research and generalizing of these results depend on to the more and extended research in the different fields and events. According to the importance of these kinds of forecasts, we suggest to eliminate the errors of these forecasts performing more studies and investigations.