شبیه‌سازی بارش رواناب با استفاده از ابزار rrl (مطالعه موردی: ایستگاه رحیم آباد - دشت سیلاخور)

برآورد رواناب حاصل از بارش‌های جوی اهمیت خاصی در مطالعات هیدرولوژی، مدیریت حوزه‌های آبخیز و حفاظت آب‌وخاک دارد. جهت مدیریت کارآمد حوضه‌ها نیاز به بررسی کارایی مدل‌های هیدرولوژیکی بیش‌ازپیش مشهود است. بسته نرم‌افزاری rrl جهت شبیه‌سازی روابط بارش رواناب حوضه‌ها طراحی‌شده است و شامل پنج زیر مدل مفهومی می‌باشد. در این پژوهش از مدل‌های مفهومی awbm‌، sacramento، simhyd، smar و tank برای حوزه آبخیز دشت سیلاخور (ایستگاه رحیم‌آباد) استفاده شد. از داده‌های روزانه بارش، تبخیر و دبی در دوره آماری 1998 تا 2018 استفاده شد. برای تمام مدل‌های مفهومی از سال 1998 تا 2000 به‌عنوان دوره تعادل سنجی، از سال 2001 تا 2013 به‌عنوان واسنجی و از سال 2014 تا 2018 به‌عنوان دوره صحت‌سنجی انتخاب شد. در مدل simhyd ضریب ناش ساتکلیف در روش بهینه‌ساز جست‌وجوی مستقیم در مرحله واسنجی و صحت‌سنجی به ترتیب 0.70 و 0.68 بدست آمد که نشان‌دهنده توانایی نسبی این مدل در شبیه‌سازی رواناب در بین سایر مدل‌ها است. در مدل tank در مرحله واسنجی و صحت‌سنجی با استفاده از روش الگوریتم ژنتیک به ترتیب 0.47 و 0.44 به‌دست آمد که کم‌ترین کارایی را بین مدل‌ها داشت. نتایج نشان داد که در بین روش‌های مختلف بهینه‌سازی، روش بهینه‌ساز جست‌وجوی مستقیم نتایج بهتری را ارائه می‌دهد.

runoff rainfall simulation using rrl toolkit(case study: rahim abad station - silakhor plain)

estimation of runoff from atmospheric rainfall has a special importance in hydrology studies, watershed management and soil science water conservation. in order to efficiently manage the watershed, the need to investigate the efficiency of hydrological models is more effective. the software package rrl is designed to simulate the runoff relationships of the basin and consists of five subconceptual models. in this study, conceptual models of awbm, sacramento, simhyd, smar and tank were used for silakhor plain watershed (rahim abad station). the daily data of precipitation, evaporation and discharge were used in the statistical period of 1998 to 2018. for all conceptual models, from 1998 to 2000, as a balance period, from 2001 to 2013 as calibration and from 2014 to 2018, it was selected as the verification period. in the simhyd model, the nashsutcliffe coefficient in the multi pattern search start method in the calibration and validation stages were 0.70 and 0.68, respectively, which indicates the relative ability of this model to simulate runoff among other models. in the tank model, calibration and validation using genetic algorithm were 0.47 and 0.44, respectively, which had the lowest efficiency among the models. the results showed that in the different optimization methods, the multi pattern search start method provides better results.