برآورد عدم قطعیت منحنی سنجه رسوب با استفاده از دو روش گلو و خودگردان‌ساز

آب و خاک

مقاله 12، دوره 30، شماره 2 - شماره پیاپی 46، تیر 1395، صفحه 405-415   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i2.39843

نویسندگان

ابوالحسن فتح آبادی^* ؛ حامد روحانی

دانشگاه گنبد کاووس

چکیده

به منظور مدیریت حوضه جهت کاهش اثرات فرسایش خاک نیاز است تا میزان رسوب معلق خروجی حوضه برآورد گردد. بدین منظور روش منحنی سنجه متداول‌‌‌ترین روش آماری برای برآورد رسوب معلق در زمانی که داده‌های رسوب معلق برداشت نشده است می باشد. با توجه به خطاهای داده‌‌‌‌های برداشتی و محدود بودن این داده‌ها مقدار رسوب برآوردی با استفاده از روش منحنی سنجه دارای عدم قطعیت هایی است. بدین منظور در این تحقیق با استفاده از روش های گلو و خودگردان‌ساز اقدام به برآورد عدم قطعیت روش منحنی سنجه در چهار ایستگاه حوضه قزل اوزن گردید. در ایستگاه موتور خانه و میانه تول شماره 7 تابع سیگموئید در ایستگاه استور تابع چند جمله ای مرتبه دوم و در ایستگاه گلینک تابع خطی بهترین برازش را به داده‌های مشاهداتی داشتند. نتایج برآورد عدم قطعیت نشان داد که دامنه عدم قطعیت حاصل از روش خودگردان‌ساز نسبت به روش گلو بزرگتر بود و تعداد بیشتری داده‌های مشاهداتی را در بر گرفت. همچنین میزان عدم قطعیت برآورد رسوب با استفاده از روش منحنی سنجه تابعی از تراکم داده‌های برداشتی و نوع تابع مورد استفاده بود. نتایج آنالیز حساسیت روش گلو نشان داد با کاهش مقدار آستانه دامنه عدم قطعیت بیشتر می شود اما همچنان دامنه عدم قطعیت بدست آمده کمتر از دامنه عدم قطعیت بدست آمده با استفاده از روش خودگردان‌ساز بود.

کلیدواژه‌ها

آنالیز حساسیت؛ بار معلق؛ تابع چندجمله ای؛ تابع سیگموئید؛ دبی رودخانه

مراجع

1- Asselman N.E.M. 2000. Fitting and interpretation of sedimentrating curves, J. Hydrol, 234: 228–248.

2- Bayat A., Bandar D., and Lotfi S. 2013. Evolution of suspended sediment curve in estimation GhezelOzan catchment sediment using Sefidroud dam data Iranian, J. Soil and Water Research, Vol.44, No. 3: 321-327.(in Persian)

3- Beven K.J., and Binley A.M. 1992. The future of distributed models: model calibration and uncertainty prediction, Hydrol Process, 6: 279–98.

4- Chon T.A., Delong L.L., Gilory E.J., Hirsch R.M., and Wells D.K. 1989. Estimating constituent loads, Water Resources Research, 25(5): 937-942.

5- Cigizoglu H.K. 2004. Estimation and forecasting of daily suspended sediment databy multi-layer perceptrons, Advances in Water Resources, 27: 185–195.

6- Cobaner A., Unal B., and Kisi O. 2009. Suspended sediment concentration estimation by an adaptive neuro-fuzzyand neural network approach using hydro-meteorological data, Journal of Hydrology, 367: 52–61.

7- Cohn T. A., Caulder D. L., Gilroy E. J., Zynjuk L.D., and Summers R. M. 1992. The validity of a simple statistical model for estimating fluvial constituent loads: An empirical study involving nutrient loads entering Cheasa peak Bay, Water Resour. Res, 28: 2353–2363.

8- Crawford C. G. 1991. Estimation of suspended-sediment rating curvesand mean suspended-sediment loads, J. Hydrol, 129:331 – 348.

9- Crowder D.W., Demissie M., and Markus M. 2007. The accuracy of sediment loads whenlog-transformation produces nonlinear sediment load discharge relationships, Journal of Hydrology, 336: 250– 268.

10- Demissie M., Xia R., Keefer L., and Bhowmik N. 2004. The sediment budget of the Illinois River. Illinois State Water Survey, Contract Report 2004-13, Champaign, IL, 51p.

11- Efron B., and Tibshirani R. 1993. An Introduction to the Bootstrap, Chapman and Hall, NewYork, London.

12- Ferguson R.1986a. Reply, Water Resour. Res, 22: 2123 – 2124.

13- Ferguson R. I. 1986b. River loads underestimated by rating curves, Water Resour. Res, 22: 74– 76.

14- Hicks D. M., Gomez B., and Trustrum N. 2000. Erosion thresholds andsuspended sediment yields, Waipoa River Basin, New Zealand, Water Resour. Res, 36:1129– 1142.

15- Horowitz A.J. 2003. An evaluation of sediment rating curves for estimating suspended sediment concentrations for subsequent flux calculations, Hydrol. Process, 17: 3387– 3409.

16- Hudson P. 2003. Event sequence and sediment exhaustion in the lowerPanuco Basin, Mexico, Catena, 52: 57– 76.

17- Jin X., Xu C.Y., Zhang Q., and Singh V.P. 2010. Parameter and modeling uncertainty simulated by GLUE and a formal Bayesian method for a conceptual hydrological model, Journal of Hydrology 383: 147–155.

18- Jones K.R., Berney O., Carr D.P., and Barret E.C. 1981. Arid zone hydrology for agricultural development, FAO Irrigation and Drainage Paper, 37: 271-284.

19- Kisi O. 2004. Daily suspended sediment modeling using a fuzzy-differential evolution approach, Hydrol. Sci. J, 49 (1):183–197.

20- Kisi O. 2005. Suspended sediment estimation using neuro-fuzzy and neural network approaches, Hydrol. Sci. J, 50 (4): 683–696.

21- Kisi O. 2008. Constructing neural network sediment estimation models using a data-driven algorithm, Mathematics and Computers in Simulation, 79: 94–103.

22- Kisi O., Karahan M.E., and Sen Z. 2006. River suspended sediment modelling using a fuzzy logic approach, Hydrologic Processing, 20: 4351–4362.

23- Koch R.W., and Smillie G.M. 1986. Comment on ‘‘River loads under-estimated by rating curves’’ by Ferguson, R. I., Water Resour. Res, 22: 2121– 2122.

24- Krishnaswamy J., Richter D., Halpin P., and Hofmockel M. 2001. Spatial patterns of suspended sediment yields in a humid t ropical watershed inCosta Rica, Hydrol. Processes, 15: 2237– 2257.

25- Li L., Xia J., Xu C.-Y., and Singh V. P. 2010. Evaluation of the subjective factors of the GLUE method and comparison with the formal Bayesian method in uncertainty assessment of hydrological models, J. Hydro 390 (3-4): 210-221.

26- Mohammadi A., Mosaedi A., and Heshmatpour A. 2007. Determination of the Best Model to Estimate Suspended Sediment loads in Ghazaghly Gauge Station-Gorganrood River, Iran. J. Agric. Sci. Natur. Resour., Vol. 14(4): 232-241. (in Persian with English abstract)

27- Nistor C., and Church M. 2005. Suspended sediment transport regime in a debris-flow gully on Vancouver Island, British Columbia, Hydrol. Processes, 19: 861– 885.

28- Rustomji P., and Wilkinson S. N. 2008. Applying bootstrap resampling to quantify uncertainty in fluvial suspended sediment loads estimated using rating curves, Water Resour. Res, 44.

29- Sansalone John J., and Steven Buchberger G. 1997. Partitioning and first flush of metals in urban roadway storm water, Journal of Environmental Engineering, 123 (2): 134-143.

30- Tarras-Wahlberg N. H., and Lane S. N. 2003. Suspended sediment yieldand metal contamination in a river catchment affected by El Nin˜ o eventsand gold mining activities: The Puyango River basin, southern Ecuador, Hydrol. Processes, 17: 3101– 3123.

31- Thomas R.B. 1985. Estimating total suspended sediment yield with probability sampling. Water Resources Research, 21: 1381-1388.

32- Vigiak O., and Bende-Michl U. 2013. Estimating bootstrap and Bayesian prediction intervals for constituent load rating curves, Water Resources Research, 49: 8565–8578.