اولویت‌بندی زیرحوضه‌ها در کنترل سیلاب با توجه به میزان تاثیرگذاری آنها بر مشخصات سیلاب با استفاده از داده‌های ماهواره‌ای (مورد مطالعاتی: رودخانه حبله‌رود)

در این پژوهش، زیرحوضه‌های حوضه آبخیز حبله‌رود از نظر سیل‌خیزی با استفاده از مدل hec-hms اولویت‌بندی می‌شوند. به‌دلیل نبود داده‌های بارش، از داده‌های ماهواره‌ای gpm (محصول imerg) استفاده می‌شوند. سه واقعه سیلاب به‌منظور واسنجی و اعتبارسنجی مدل انتخاب می‌گردند. واسنجی با استفاده از دو سیلاب سال 2007 انجام می‌شود. شاخص‌هایr²  و nse  برای آوریل به‌ترتیب 0.93 و 0.83 و برای ژوئن به‌ترتیب 1.86 و 3.75 بودند که نشان‌دهنده عملکرد مطلوب مدل است. پس از ساخت مدل، بارش معادل سیلاب 50 ساله وارد مدل شد. به کمک روش حذف ترتیبی زیرحوضه‌ها، میزان تاثیر آن‌ها بر دبی اوج و حجم سیلاب در ایستگاه بنکوه تحلیل گردید. نتایج نشان دادند که زیرحوضه 4 با مساحت 575.56 کیلومترمربع، دبی اوج 239 مترمکعب بر ثانیه و حجم سیلاب 12086.2 هزار مترمکعب، بیش‌ترین نقش را در سیلاب دارد، به‌طوری‌که حذف آن موجب کاهش 22.58 درصدی جریان خروجی شد. ارزیابی دقت داده‌های ماهواره‌ای نشان داد که میانگین همبستگی 0.51، ضریب اریبی 3.13 و خطای میانگین 1.92 بوده و میانگین دقت تشخیص وقوع بارش بیش از 0.86 است. هم‌چنین، مشخص شد که مساحت یا دبی بالا به‌طور حتم به مشارکت بیش‌تر در سیلاب منجر نمی‌شود و عواملی مانند موقعیت، ضریب تمرکز و تاخیر نیز نقش دارند.

sub-basin prioritization for flood control based on their contribution to flood characteristics using satellite remote sensing data: a case study of the hablehroud river basin

objective: in this study, the sub-basins of the hablehroud watershed were prioritized in terms of flood potential using the hec-hms hydrological model.method: due to the lack of ground-based precipitation data, satellite-based rainfall data from the global precipitation measurement (gpm) mission, specifically the imerg product, were utilized. three flood events were selected for model calibration and validation, with calibration performed using two flood events from 2007. the coefficients of determination (r²) and nash–sutcliffe efficiency (nse) for the april event were 0.93 and 0.83, respectively, while for the june event, they were 0.86 and 0.75, indicating satisfactory model performance. after model development, a 50-year return period design storm was introduced into the model. using the sequential sub-basin elimination method, the contribution of each sub-basin to peak discharge and flood volume at the bankouh gauging station was analyzed.results: the results showed that sub-basin 4, with an area of 575.56 km², a peak discharge of 239 m³/s, and a flood volume of 12,086 thousand m³, played the most significant role in flood generation, resulting in a 22.58% reduction in outlet discharge upon its removal. evaluation of the satellite precipitation data revealed a mean correlation coefficient of 0.51, a bias coefficient of 3.13, and a mean error of 1.92.conclusion: the average probability of precipitation detection exceeded 0.86. furthermore, the results demonstrated that larger basin area or higher discharge do not necessarily lead to greater flood contribution, and that factors such as basin location, concentration coefficient, and time lag also play critical roles in flood generation.