بررسی کارایی نرم‌افزار sewergems در شبیه‌سازی رواناب شهری برای حوضه‌های کوچک (مطالعه موردی: شهر میناب)

رواناب شهری به‌دلیل شهرنشینی و تغییرات آب‌وهوایی به‌عنوان یک مسئله جدی دارای اهمیت است و به این دلیل توجه به مدل‌های شبیه‌سازی بارش - رواناب برای مدیریت و کاهش پیامدهای ناگوار مهم است. در پژوهش حاضر با استفاده از نرم‌افزار sewergems، حالت‌های مختلف برای بررسی عملکرد این نرم‌افزار بر اساس تعداد و مساحت زیرحوضه‌ها در دو حالت نه و هفده زیرحوضه و مدت بارندگی مختلف 6 و 12 ساعته و همچنین مقایسه عملکرد سه روش محاسبه زمان تمرکز (کرپیچ، برنس‌بای - ویلیامز، کارتر) به‌منظور شبیه‌سازی هیدروگراف سیلاب در شهر میناب مورد بررسی قرار گرفت. نتایج نشان داد که میزان حجم کل رواناب تولیدی در حالت نه زیرحوضه، 4 درصد نسبت به حجم کل رواناب تولیدی در حالت هفده زیرحوضه بیشتر است. همچنین مقدار بیشینه دبی اوج رواناب در حالت نه زیرحوضه، 20 درصد نسبت به بیشینه دبی اوج رواناب در حالت هفده زیرحوضه بیشتر است. همچنین برای محاسبه زمان تمرکز از سه روش کرپیچ، برنس‌بای - ویلیامز و کارتر استفاده شد که نتایج نشان داد، میزان خطای پیوستگی نرم‌افزار در همه حالت‌ها برای روش برنس‌بای - ویلیامز کمتر از دو روش دیگر است و روش کارتر بیشترین خطای پیوستگی را دارد. اما از آنجایی که مقدار زمان تمرکز محاسبه شده از این روش در بعضی از زیرحوضه‌ها بیشتر از مدت بارندگی 6 ساعته است، بین داده‌های دبی اوج حاصل از روش کرپیچ و روش برنس‌بای – ویلیامز، آزمون t-test انجام شد و باتوجه‌به اینکه داده‌های دو روش در سطح 95 (05.0 >p) درصد با یکدیگر اختلاف معناداری نداشته و همچنین روش کرپیچ برای محاسبه زمان تمرکز در حوضه‌های کوچک کاربرد خوبی دارد، برای محاسبه زمان تمرکز در حالت مقایسه بین دو حالت نه و هفده زیرحوضه از روش کرپیچ استفاده شد. بر اساس نتایج به‌دست‌آمده مشاهده شد که با ادغام زیرحوضه‌ها و کاهش تعداد آن‌ها از هفده به نه زیرحوضه و در نتیجه افزایش مساحت زیرحوضه‌ها، حجم کل رواناب تولیدی از حدود 123839 مترمکعب به 128446 مترمکعب و بیشینه دبی اوج رواناب از حدود 400.2 مترمکعب بر ثانیه به 884.2 مترمکعب بر ثانیه می‌رسد که نشان‌دهنده افزایش حجم کل رواناب تولیدی و بیشینه دبی اوج رواناب است.

investigating the performance of sewergems software in simulating urban runoff for small basins (case study: minab city)

urban runoff is a serious issue due to urbanization and climate change. therefore, paying attention to rainfall-runoff simulation models is important to manage and reduce adverse consequences. in this research, the performance of the sewergems software was examined by studying different modes based on the number and area of sub-basins. two modes, consisting of nine and seventeen sub-basins, were evaluated with varying durations of rainfall of 6 and 12 hours. additionally, the performance of three methods for calculating concentration time (kerpich, brnsby-williams, carter) was compared to simulate flood hydrographs in minab city. the results showed that the total volume of produced runoff in the nine sub-basins was 4% higher than in the seventeen sub-basins. the maximum runoff peak flow in the nine sub-basins was also 20% higher than in the seventeen sub-basins. furthermore, the brnsby-williams method exhibited the least software continuity error among the three calculation methods for concentration time. on the other hand, the carter method had the highest continuity error. the concentration time calculated by this method in some sub-basins exceeded the 6-hour duration of rain. a t-test was performed to compare the peak discharge data obtained from the kerpich and barnesby-williams methods. the results indicated a significant difference between the data from the two methods at a 95% confidence level (p<0.05). considering that the kerpich method is suitable for calculating concentration time in small basins, it was used to compare the nine and seventeen sub-basins. based on the findings, it was observed that merging the sub-basins and reducing their number from seventeen to nine resulted in an increase in the total volume of produced runoff from approximately 123,839 cubic meters to 128,446 cubic meters, as well as an increase in the maximum peak flow of runoff from about 2.400 m3/s to 2.884 m3/s. this demonstrates an increase in both the total volume and maximum peak discharge of the runoff.