بررسی توانایی روش شماره منحنی (scs-cn) در برآورد رواناب در زیرحوضه­ لیوار در شمال غرب ایران

روش شماره منحنی رواناب یکی از روش­های رایج برای برآورد رواناب سطحی در حوزه‌های آبخیز است. عدم قطعیت در برآورد رواناب غالباً به دلیل پیش فرض آن برای نسبت نگهداشت اولیه روش شماره منحنی است ((l= 0.20. مطالعه حاضر به منظور ارزیابی دقت روش شماره منحنی در برآورد رواناب در زیرحوضه‌ لیوار واقع در منطقه نیمه­خشک در شمال غرب ایران انجام گرفت. مقادیر رواناب بر اساس داده‌های ایستگاه‌ هیدرومتری حوضه برای یک دوره 30 ساله (از سال 1366 تا 1396) استخراج و با مقادیر برآوردی مدل شماره منحنی مقایسه شد. براورد رواناب با استفاده از حداکثر ظرفیت نگهداشت زیرحوضه (s) که وابسته به نوع کاربری زمین، روش کشت، وضعیت هیدرولوژیکی، گروه هیدرولوژیکی و رطوبت اولیه خاک است، تعیین شد. بر اساس نتایج، میانگین بارندگی سالانه در زیرحوضه‌ لیوار برابر 6/254 میلی­متر و میانگین رواناب سالانه آن 4/6 میلی­متر است. ضریب کارایی روش شماره منحنی در این زیرحوضه‌ برابر 44/0- درصد بوده و درصد خطای آن 67 درصد است که نشان می‌دهد 67 درصد کمتر از مقدار واقعی براورد شده است. واسنجی این مدل به روش آزمون و خطا نشان داد که اعمال نسبت نگهداشت اولیه 08/0 موجب می­شود ضریب کارایی مدل تا 95 درصد بهبود یابد. این پژوهش نشان داد که واسنجی مدل برای پیش­بینی مطلوب در این زیرحوضه‌ و حوضه­های مشابه ضروری است

Investigating capability of the curve number method in estimating runoff in the Livar subbasin, north west of Iran

The SCS-curve number is one of the common methods to estimate direct runoff in the watershed scale. There is often an uncertainty in predicting runoff in many areas which is usually related to the model’s assumption for value of the initial abstraction ratio (l= 0.20). This study was conducted to evaluate the accuracy of SCS-CN method in estimating runoff in the Livar subbasin in northwest of Iran. Runoff values were obtained from hydrometery station for a 30-year period from 1987 to 2017) and compared with the SCS-CN-based estimated values. The estimations of runoff were done using the maximum retention capacity (S) which is dependent on the land use, cultivation method, hydrology status, hydrological soil group and initial soil moisture. Based on the results, the average annual rainfall is 254.6mm, and its average annual runoff is 6.4mm. The model error percentage was 67% which showed down-estimation for the values. The model was calibrated by using the trial and error method and finally the initial abstraction ratio value of 0.08 (l= 0.08) improved the model predictions for runoff to 95%. As a conclusion, the calibration of the l is essential to accurate prediction of runoff in the semi-arid subbasins of the Aras river and similar basins.