تعیین نواحی همگن هیدرولوژیکی برای برآورد رواناب در حوضه‌های آبخیز فاقد آمار با استفاده از تحلیل خوشه‌ای (مطالعه موردی: استان اردبیل)

گروه‌بندی حوضه‌های آبخیز با توجه به عوامل اقلیمی و خصوصیات فیزیوگرافی حوضه‌ها پیش‌نیاز تحلیل منطقه‌ای رواناب و استفاده از آن برای تخمین آبدهی حوضه‌های فاقد ایستگاه سنجش دبی است. در این تحقیق با استفاده از داده‌های دبی، متوسط بارش سالانه و خصوصیات فیزیوگرافی حوضه‌های آبخیز و با روش خوشه‌بندی سلسله مراتبی وارد و kmeans ، حوضه‌های آبخیز واقع در استان اردبیل به مناطق همگن هیدرولوژیکی تفکیک شدند. به علت تعدد زیاد پارامترها ابتدا با تحلیل مولفه‌های اصلی، چهار مولفه اول با تبیین 6/83 درصد واریانس کل، به عنوان ورودی تحلیل خوشه‌ای انتخاب شدند. سپس تعداد بهینه خوشه‌ها به کمک روش سلسله مراتبی وارد و رسم نمودار درختی، تعیین و در نهایت با روش kmeans خوشه‌بندی نهایی انجام شد. در ادامه با به کارگیری آزمون یکنواختی دالریمپل، زیرحوضه‌هایی که از لحاظ هیدرولوژیکی از یک فرآیند آبدهی پیروی می‌کردند، شناسایی شدند. نتایج آزمون یکنواختی نشان داد که با کنار گذاشتن ایستگاه‌های واقع در خارج از محدوده اطمینان هر خوشه، زیرحوضه‌های که از نظر آبدهی سالانه و سایر پارامترهای فیزیوگرافی و هواشناسی با یکدیگر شباهت داشتند در یک خوشه قرار می‌گیرند. بنابراین تعداد زیرحوضه‌های واقع در خوشه‌های 1، 2، 3 و 4 به ترتیب برابر 8، 4، 9 و 9 حوضه بوده است که می‌تواند در تحلیل منطقه‌ای به منظور برآورد رواناب و سیلاب در حوضه‌های آبخیز فاقد داده‌های دبی سنجی، مورد استفاده قرار گیرد.

Determination of Homogeneous Hydrological Regions for Estimating Runoff in Ungauged Catchments Using Cluster Analysis (Case Study: Ardabil Province)

Grouping of catchments based on their climatic factors and physiographic characteristics is a prerequisite for regional analysis of runoff and its use for estimating discharge of catchments without discharge measurement station. In this study, catchments located in Ardabil province were separated into homogeneous hydrological zones using discharge, mean annual precipitation and physiographic characteristics of catchments and hierarchical clustering method. Due to the large number of parameters, by using principal component analysis, the first four components with 83.6% of total variance were selected as inputs for cluster analysis. Then, the optimal number of clusters was determined by using hierarchical method and drawing the tree diagram, and finally the final clustering was done by Kmeans method. Subsequently, the subcatchments that followed a hydrological process were identified using the Dalrymple uniformity test. The results of the uniformity test showed that by excluding stations outside the confidence limits of each cluster, catchments that were similar in terms of annual discharge and other physiographic and meteorological parameters were clustered. Therefore, the number of sub catchments located in clusters 1, 2, 3 and 4 were 8, 4, 9 and 9 catchments, respectively, which can be used in regional analysis to estimate runoff and floods in catchments without discharge measurement data.