ارزیابی کارایی پنج مدل بیلان آبی در شبیه‌سازی رواناب در حوزه آبخیز گرگانرود

رواناب سطحی یکی از مهم‌ترین اجزای چرخه آب است که باعث افزایش فرسایش خاک و انتقال رسوب در رودخانه‌ها و همچنین کاهش کیفیت آب رودخانه‌ها است. بنابراین، پیش‌بینی دقیق پاسخ هیدرولوژیکی حوضه‌ها یکی از مراحل مهم در برنامه‌ریزی و مدیریت منطقه‌ای است. در این راستا، مدل‌سازی بارندگی-رواناب به پژوهشگران هیدرولوژی به‌ویژه در زمینه علوم مهندسی آب کمک می‌کند. بدین منظور، مطالعه حاضر به‌منظور تجزیه و تحلیل شبیه‌سازی بارندگی-رواناب در حوزه آبخیز گرگانرود واقع در شمال شرقی ایران با استفاده از مدل‌های awbm،sacramento ،simhyd ، smar و tank انجام شد. از بارندگی، تبخیر و تعرق و رواناب روزانه هفت ایستگاه هیدرومتری در دوره 2010-1970 و 2015-2011 به‌ترتیب برای واسنجی و اعتبارسنجی استفاده شد. فرایند واسنجی خودکار با استفاده از الگوریتم‌های جستجوی تکاملی ژنتیک و روش‌های sce-ua، با استفاده از معیارهای ارزیابی ضرایب ناش ساتکلیف (nse) و ریشه دوم میانگین مربعات خطا (rmse) انجام شد. نتایج نشان داد که در دوره اعتبارسنجی مدل simhyd با ضریب ناش 0/66، مدل tank با استفاده از الگوریتم ژنتیک و روش sce-ua با ضریب ناش به‌ترتیب 0/67 و 0/66 و مدل sacramento با روش الگوریتم ژنتیک و روش sce-ua با ضریب ناش به‌ترتیب 0/52 و 0/55 بهترین عملکرد را دارند.

performance assessment of five water balance models for runoff simulation in the gorganrood watershed

surface runoff is one of the most significant components of the water cycle, which increases soil erosion and sediment transportation in rivers and decreases the water quality of rivers. therefore, accurate prediction of hydrological response of watersheds is one of the important steps in regional planning and management plans. in this regard, the rainfallrunoff modeling helps hydrological researchers, especially in water engineering sciences.  the present study was conducted to analyze the rainfallrunoff simulation in the gorganrood watershed located in northeastern iran using awbm, sacramento, simhyd, smar, and tank models. daily rainfall, daily evapotranspiration, and daily runoff of seven hydrometric stations in the period of 19702010 and 20112015 were used for calibration and validation, respectively. the automated calibration process was performed using genetic evolutionary search algorithms and sce-ua methods, using nash sutcliffe efficiency (nse) and root mean of square error (rmse) evaluation criteria. the results indicated that the simhyd model with nse of 0.66, tank model using genetic algorithm and sce-ua methods with nse of 0.67 and 0.66, and sacramento model using genetic algorithm and sce-ua methods with nse of 0.52 and 0.55 have the best performance in the validation period.