Iranian Jornal of Watershed Management Science&Engineering

fa ارزیابی الگوریتم‌های بارش ماهواره‌ای در شبیه‌سازی هیدرولوژیکی با استفاده از مدل IHACRES (مطالعه موردی حوضه‌آبریز رودخانه شش‌پیر استان فارس، ایران) Satellite Precipitation Algorithms Assessment in Hydrologic Simulation by means of IHACRES Model (Case Study: Sheshpir River Watershed, Fars Province, Iran) تخصصي Special پژوهشي Research <div style="text-align: justify;">مقدمه مدل‌های هیدرولوژیکی ابزارهای قدرتمندی برای فهم و تخمین پاسخ‌های هیدرولوژیکی حوضه‌آبریز هستند. آن‌ها نقش حیاتی در مدیریت منابع آب، مهندسی رودخانه، کنترل و ذخیره سیلاب ایفا می‌کنند. ارزیابی جنبه‌های کمی و کیفی مدل‌های هیدرولوژیکی با رویکرد سیستماتیک ضروری است. متغیرهای کلیدی مؤثر بر چرخه هیدرولوژیکی شامل بارش، دما، کاربری اراضی، بافت خاک، ارتفاع و تبخیروتعرق هستند. اندرکنش پیچیده بین  این متغیرها، چرخه هیدرولوژیکی را به یک فرآیند نسبتاً پیچیده تبدیل می‌کند و استفاده از مدل‌های هیدرولوژیکی را برای ارزیابی ضرروی می‌سازد. مهمترین پارامتر ورودی در فرآیندهای شبیه‌سازی هیدرولوژیکی بارش است. قابل دسترس بودن داده بارش مناسب در زمان‌ها و موقعیت‌های مختلف بسیار مهم است. امروزه، اغلب داده‌های بارش از ایستگاه‌های باران‌سنجی زمین-مبنا یا رادارهای هواشناسی جمع‌آوری می‌شود. مانند هزینه بالا، کمبود ابزرهای پایش در مناطق صعب العبور، توزیع نامناسب، فقدان داده، عملکرد نادرست دستگاه‌ها و خطاهای انسانی از جمله مشکلات همیشگی کاربران داده‌های بارش هستند. از این رو، فقدان داده‌های معتبر و کامل بارش یک چالش بزرگ در تحلیل و پیش‌بینی هیدرولوژیکی برای مدیریت منابع آب است. در نتیجه، پایش بارش در مقیاس‌های زمانی کوتاه و مقیاس‌های مکانی کوچک نقش مهمی در شبیه‌سازی‌های هیدرولوژیکی و در نهایت مدیریت منابع آب دارد. در سال‌های اخیر، استفاده از سنجش از دور و الگوریتم های تخمین بارش ماهواره ای توسعه یافته و به عنوان جایگزین پیشنهاد شده است. این فناوری‌ها پتانسیل ارائه داده‌های جامع‌تر و دقیق‌تر بارش را دارند که می‌تواند عملکرد مدل‌های هیدرولوژیکی را به طور قابل‌توجهی بهبود بخشد و سبب بهبود مدیریت منابع آب شود. مواد و روش‌ها این مطالعه بر ارزیابی هیدرولوژیکی چهار محصول بارش ماهواره‌ای TMPA-3R42V7، TMPA-3B42RTV7، PERSIANN و PERSIANN-CDR در مدل سازی بارش-رواناب رودخانه شش‌پیر (5/954 کیلومتر مربع) متمرکز است. حداقل ارتفاع حوضه 1527 متر و حداکثر آن 3666 متر از سطح دریا است. ایستگاه هیدرومتری در طول جغرافیایی 51 درجه و 43 دقیقه شرقی و عرض جغرافیایی 30 درجه و 01 دقیقه شمالی قرار دارد و داده های دبی روزانه مناسبی برای رودخانه دارد. برای دستیابی به اهداف تحقیق، مدل هیدرولوژیکی مفهومی و پیوسته IHACRES ابتدا با استفاده از اطلاعات بارش و دمای زمینی اندازه گیری شده در بازه زمانی 22 سپتامبر 2004 تا 31 دسامبر 2009 با استفاده از داده‌های واسنجی شده ایستگاه هیدرومتری تلمبه حسنی و پارامترهای مدل استخراج شد. سپس مدل IHACRES برای بازه زمانی 1 ژانویه 2010 تا 31 دسامبر 2013 اعتبارسنجی شد. IHACRES یک مدل مفهومی-متریک یکپارچه برای شبیه سازی بارش-رواناب است که از طریق تلاش‌های مشترک هیدرولوژیست‌ها از مرکز ارزیابی و مدیریت حوضه آبریز (ICAM) در دانشگاه ملی استرالیا و مرکز اکولوژی و هیدرولوژی (CEH) شورای تحقیقات محیط زیست طبیعی بریتانیا توسعه یافته است. IHACRES یک مدل موثر و کارآمد است که در طیف وسیعی از مناطق آب و هوایی، از جمله مناطق خشک و نیمه خشک، کاربرد داشته است. شاخص‌های ارزیابی مورد استفاده در این مطالعه شامل ضریب تعیین (R2)، کارایی ناش-ساتکلیف (NSE)، ریشه میانگین مربعات خطا (RMSE) و کارایی ناش-ساتکلیف لگاریتمی (log NSE) است. نتایج و بحث نتایج واسنجی مدل برای حوضه‌آبریز شش پیر نشان داد که عملکرد قابل قبولی دارد، با شاخص‌های آماری کارایی نش ساتکلیف (NSE) و ضریب تعیین (R2) به ترتیب 8/0 و 8/0، و نتایج اعتبارسنجی بر اساس شاخص‌های آماری فوق به ترتیب 62/0 و 66/0، که نشان‌دهنده عملکرد قابل‌قبول مدل هیدرولوژیکی IHACRES است. سپس، محصولات بارش ماهواره‌ای که هدف این مطالعه معرفی آن‌ها به عنوان جایگزین بارش میانگین ایستگاهی استفاده شدند، بر اساس شاخص‌های آماری نتایج نشان می‌دهد که PERSIANN-CDR توانایی بالاتری در شبیه سازی بارش-رواناب نسبت به سایر الگوریتم‌ها دارد. ضریب تعیین برای الگوریتم PERSIANN-CDR  79/0 و برای الگوریتم‌های TMPA-3B42V7، TMPA-3B42RTV7، PERSIANN به ترتیب 67/0، 61/0، 1/0 است. همچنین، بر اساس شاخص آماری NSE، ارزیابی مدل‌های هیدرولوژیکی برای شبیه‌سازی مدل بارش-رواناب با الگوریتم PERSIAN-CDR، در دوره کالیبراسیون 70/0 و در دوره اعتبارسنجی 69/0 است، که نشان‌دهنده عملکرد مناسب مدل بارش-رواناب IHACRES با الگوریتم بارش PERSIANN-CDR است. الگوریتم PERSIANN-CDR توانایی بالاتری نسبت به سایر الگوریتم‌ها دارد؛ از طرف دیگر، عملیات اصلاح خطای مدل PERSIANN-CDR موفق است، اما استفاده از مدل با تأخیر زمانی TMPA-3B42V7 تأثیر قابل‌توجهی بر نزدیک شدن مدل به زمان واقعی ندارد. به طور کلی، مدل IHACRES، همراه با محصول بارش ماهواره‌ای PERSIANN-CDR، نتایج امیدوارکننده‌ای در شبیه‌سازی فرآیندهای بارش-رواناب در حوضه‌آبریز شش پیر، که در منطقه آب و هوایی نیمه خشک قرار دارد، نشان داد. این مطالعه پتانسیل استفاده از داده‌های بارش ماهواره‌ای به عنوان جایگزین قابل‌قبول برای مشاهدات زمینی در مدل‌سازی هیدرولوژیکی در مناطقی با داده کم را برجسته کرد. نتیجه‌گیری نتایج این تحقیق نشان می‌دهد که مدل IHACRES از توانایی بالایی در شبیه‌سازی هیدرولوژیکی حوزه ‌آبخیز و برآورد جریان به صورت یکپارچه برخوردار است. این مطالعه همچنین پتانسیل الگوریتم‌های بارش ماهواره‌ای برای جایگزینی داده‌های مشاهداتی زمینی در مواردی که چنین داده‌هایی کم یا در دسترس نیستند را نشان می‌دهد. یکی از یافته‌های کلیدی پژوهش حاضر، تأثیر عملیات اصلاح خطا بر عملکرد محصولات بارش ماهواره‌ای است. مطالعه نشان می‌دهد که اصلاح خطا در محصول PERSIANN-CDR منجر به بهبود قابل‌توجهی در عملکرد آن شده است، در حالی که تنظیمات مشابه در محصول TMPA-3B42V7 چنین نتایج چشم‌گیری به دنبال نداشته است. ارزیابی چهار الگوریتم بارش ماهواره‌ای  PERSIANN، PERSIANN-CDR، TMPA-3B42V7 و TMPA-3B42RT - در زمینه مدل‌&lrm;سازی هیدرولوژیکی نشان می‌دهد که الگوریتم PERSIANN-CDR در میان الگوریتم‌های مورد آزمایش، بیشترین قابلیت را دارد. برعکس، عملکرد الگوریتم PERSIANN بسیار ضعیف بوده و استفاده از آن در مدل سازی هیدرولوژیکی توصیه نمی‌شود. این یافته‌ها دارای پیامدهای مهمی برای مدیریت منابع آب و تصمیم‌گیری است. توانایی استفاده مؤثر از داده‌های بارش ماهواره‌ای در مدل‌سازی هیدرولوژیکی می‌تواند به ویژه در مناطقی که داده‌های مشاهداتی زمینی محدود هستند، ارزشمند باشد. همچنین، بینش‌های به دست آمده از تحلیل مقایسه‌ای الگوریتم‌های بارش ماهواره‌ای می تواند در انتخاب و کاربرد مناسب‌ترین محصول برای اهداف خاص مدل‌سازی هیدرولوژیکی راهنما باشد. به طور کلی، این تحقیق درک جامعی از عملکرد مدل IHACRES و الگوریتم‌های بارش ماهواره‌ای در شبیه‌سازی هیدرولوژی حوزه ‌آبخیز و برآورد جریان آب ارائه می‌دهد.</div> <div style="text-align: justify;">  Introduction <a name="_Hlk164538303">Hydrological models are powerful tools for understanding and estimating the hydrological responses of a catchment. They play a crucial role in water resource management, river engineering, flood control, and flood storage. Evaluating the quantitative and qualitative aspects of hydrological models with a systematic approach is essential. The key variables affecting the hydrological cycle include precipitation, temperature, land use, soil texture, elevation, and evapotranspiration. The complex interactions among these variables make the hydrological cycle a relatively complicated process, necessitating the use of hydrological models for evaluation. The most important input parameter in hydrological simulation processes is precipitation. Availability of suitable precipitation data in different times and locations is very important. Currently, most precipitation data is collected from ground-based rain gauge stations or weather radars. However, precipitation monitoring networks, especially in developing countries like Iran, lack good spatial density. Issues like high costs, lack of monitoring equipment in remote areas, inappropriate distribution, short-term monitoring gaps, equipment malfunctions, and user errors are persistent problems for precipitation data users. Hence, the lack of reliable and complete precipitation data is a major challenge in hydrological analysis and forecasting for water resource management. Consequently, monitoring precipitation at short time scales and small spatial scales plays a crucial role in hydrological simulations and ultimately water resource management. In recent years, the use of remote sensing and satellite precipitation estimation algorithms has been developed and is being proposed as an alternative. These technologies have the potential to provide more comprehensive and accurate precipitation data, which can significantly improve the performance of hydrological models and enhance water resource management.</a> Materials and Methods <a name="_Hlk164540822">This study focuses on hydrological evaluation of four satellite precipitation products TMPA-3R42V7, TMPA-3B42RTV7, PERSIANN and PERSIANN-CDR in the modeling of rainfall runoff of Sheshpir river watershed (954/5 </a><m:omath><m:ssup><m:ssuppr></m:ssuppr></m:ssup></m:omath><m:omath><m:ssup><m:ssuppr><m:ctrlpr></m:ctrlpr></m:ssuppr><m:e><m:r>km</m:r></m:e><m:sup><m:r>2</m:r></m:sup></m:ssup></m:omath> ). The minimum elevation of the basin is 1527 meters and the maximum is 3666 meters above sea level. The hydrometric station is located at 51°43' east longitude and 30°01' north latitude, and has adequate daily discharge data for the river. To achieve the objectives of the research, the conceptual and continuous hydrological model of IHACRES was first extracted using measured ground-based rainfall and temperature information for the period September 22, 2004 through December 31, 2009 using calibrated observational data of Tolombe Hassani hydrometry station and model parameters. IHACRES model was then validated for the period January 1, 2010 through December 31, 2013. IHACRES is an integrated conceptual-metric model for rainfall-runoff simulation, developed through the collaborative efforts of hydrologists from the Integrated Catchment Assessment and Management (ICAM) Centre at the Australian National University and the Centre for Ecology and Hydrology (CEH) of the UK Natural Environment Research Council. IHACRES is a parsimonious, effective, and efficient model that has been applied in a wide range of climatic regions, including dry and semi-arid areas. The evaluation indices used in this study are: Coefficient of determination (R2), Nash-Sutcliffe efficiency (NSE), Root mean square error (RMSE), Logarithmic root mean square error (log RMSE). Results and Discussion Model calibration results for the Sheshpir and watershed showed acceptable performance, with statistical indices of Nash Sutcliffe Efficiency (NSE), and coefficient of determination (<m:omath><m:ssup><m:ssuppr><m:ctrlpr></m:ctrlpr></m:ssuppr><m:e><m:r>R</m:r></m:e><m:sup><m:r><m:rpr><m:scr m:val="roman"><m:sty m:val="p"></m:sty></m:scr></m:rpr>2</m:r></m:sup></m:ssup></m:omath> ), 0.8 and 0.8, respectively, and validation results According to the above statistical indices, 0.62, and 0.66, respectively, indicate acceptable performance of the IHACRES hydrological model. Then, the satellite precipitation products that the purpose of this study was introduced as a substitute for stationary mean precipitation, according to statistical indices, results show higher abilities of PERSIANN-CRD in simulation of rainfall-runoff than other algorithms. The coefficient of determination for PERSIANN-CDR algorithm is 0.79 and for TMPA-3B42V7, TMPA-3B42RTV7, PERSIANN satellite algorithms are 0.67, 0.61, 0.1 respectively. Also, according to another statistical index under the name of NS, the evaluation of hydrological models in order to simulate the rainfall-runoff model with PERSIAN-CDR algorithm, is 0.7 in the calibration period and 0.69 in the validation period, which shows the proper performance of the IHACRES rainfall-runoff model with the PERSIANN-CDR precipitation algorithm. The PERSIANN-CDR algorithm has a higher capability than other algorithm; on the other hand, the error correction operation of the PERSIANN-CDR model is successful, but the use of the model with a time delay of TMPA-3B42V7 does not have a significant effect on the model close to the real time. In general, the IHACRES model, coupled with the PERSIANN-CDR satellite precipitation product, demonstrated promising results in simulating the rainfall-runoff processes in the Sheshpir watershed, which is located in a semi-arid climate region. The study highlights the potential of using satellite-based precipitation data as a viable alternative to ground-based observations for hydrological modeling in data-scarce regions. Conclusion The results of this research demonstrate the suitability and high capability of the IHACRES model in simulating watershed hydrology and estimating water flow in an integrated manner. The study also reveals the potential of satellite precipitation algorithms to replace ground observational data in cases where such data is scarce or unavailable. One of the key findings of the research is the impact of error adjustment operations on the performance of satellite precipitation products. The study shows that error adjustment in the Persiann-CDR product led to a noticeable improvement in its performance, while similar adjustments in the TMPA-3B42V7 product did not yield such significant results. The evaluation of the four satellite precipitation algorithms – PERSIANN, PERSIANN-CDR, TMPA-3B42V7, and TMPA-3B42RT – in the hydrological modeling context indicates that the PERSIANN-CDR algorithm has the highest capability . among the tested algorithms. In contrast, the performance of the PERSIANN algorithm was found to be very weak, suggesting that its use in hydrological modeling is not recommended. These findings have important implications for water resource management and decision-making. The ability to effectively utilize satellite precipitation data in hydrological modeling can be particularly valuable in regions with limited ground-based observational data. Additionally, the insights gained from the comparative analysis of the satellite precipitation algorithms can guide the selection and application of the most suitable product for specific hydrological modeling purposes. Overall, this research provides a comprehensive understanding of the suitability and performance of the IHACRES model and satellite precipitation algorithms in simulating watershed hydrology and estimating water flow.   </div> : مدل‌سازی بارش-رواناب, الگوریتم بارش ماهواره‌ای, ارزیابی, حوضه شش‌پیر فارس Rainfall Runoff Modeling, Satellite Precipitation Algorithms, Assessment, Sheshpir Watershed of Fars 29 38 http://jwmsei.ir/browse.php?a_code=A-10-1286-1&slc_lang=fa&sid=1 Vahid Shokri Kuchak وحید شکری کوچک vahidshokri93@yahoo.com 100319475328460017662 100319475328460017662 Yes Water Resources Engineering, Engineering and Management of Water, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran مهندسی منابع آب، مهندسی و مدیریت آب، کشاورزی، تربیت مدرس، تهران، ایران Mohammadreaza Sharifi محمدرضا شریفی sharifi3010@gmail.com 100319475328460017663 100319475328460017663 No Department of Hydrology and Water Resources, Faculty of Water Science Engineering, Shahid Chamran University, Ahvaz گروه هیدرولوژی و منابع آب دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز، اهواز، ایران Saeed Shokri Kuchak سعید شکری کوچک Saeed.shokri88@yahoo.com 100319475328460017664 100319475328460017664 No Water Resources, Faculty of Water Engineering, Shahid Chamran University, Ahvaz منابع آب دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز