کاربرد توابع مفصل ارشمیدسی و حدی در تحلیل چند متغیره جریان‌های کمینه حوضه آبریز دز

آب و خاک

مقاله 9، دوره 31، شماره 4 - شماره پیاپی 54، پاییز 1396، صفحه 1031-1045  

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v31i4.58373

نویسندگان

فرشاد احمدی ¹؛ فریدون رادمنش¹؛ غلامعلی پرهام²؛ رسول میرعباسی نجف آبادی³

¹دانشگاه شهید چمران اهواز

²گروه آمار، دانشگاه شهید چمران اهواز

³گروه مهندسی آب، دانشگاه شهرکرد

چکیده

تحلیل فراوانی جریان‌های کمینه به منظور برنامه‌ریزی جهت تامین نیازهای مختلف، مدیریت کمی و کیفی جریان رودخانه و بررسی خصوصیات و تاثیر خشکسالی‌ها بر اکوسیستم آبی منطقه از اهمیت ویژه‌ای برخوردار است. با وجود ماهیت پیچیده کم‌آبی‌‌ها اکثرا از روش‌های تک متغیره به منظور تحلیل فراوانی جریان‌های کمینه استفاده شده است. در این مطالعه جریان‌های کمینه حوضه آبریز دز در دوره آماری 1391- 1335 با استفاده از توابع مفصل در محل اتصال سرشاخه‌ها مورد بررسی قرار گرفت. بدین منظور ابتدا سری‌های هفت روزه جریان کمینه در ایستگاه‌های مورد مطالعه استخراج و سپس همگنی آنها با استفاده از آزمون ‌من- کندال بررسی شد. نتایج نشان داد که سری‌های جریان کمینه هفت روزه حوضه آبریز دز همگن بود. در مرحله بعد، 11 تابع توزیع مختلف به داده‌های جریان کمینه برازش داده شد و در نهایت توزیع لجستیک به عنوان توزیع حاشیه‌ای مناسب ایستگاه‌های مورد مطالعه انتخاب گردید. پس از انتخاب توزیع‌ حاشیه‌ای، از توابع مفصل خانواده‌های ارشمیدسی و حدی برای تحلیل فراوانی توام جریان کمینه هفت روزه استفاده شد. نتایج نشان داد که مفصل گامبل- هوگارد برای جفت داده‌های ایستگاه‌های سپید دشت سزار و سپید دشت زاز بیشترین تطابق را با تابع مفصل تجربی داشته است. برای بررسی دوره بازگشت وقایع در حالت توأم، از دوره بازگشت توأم در دو حالت «یا» و «و» و دوره بازگشت توأم شرطی استفاده شد. براساس نتایج به دست امده از تحلیل توام جریان کمینه دو سرشاخه متصل به هم مشخص شد که دو رودخانه سپید دشت سزار و سپید دشت زاز به طور متوسط هر 200 سال یکبار به صورت هم‌زمان می‌تواند در معرض خشکسالی شدید قرار گیرد.

کلیدواژه‌ها

توزیع حاشیه‌ای؛ دوره بازگشت توام؛ دوره بازگشت شرطی؛ مفصل تجربی؛ همگنی

مراجع

1. De Michele C., Salvadori G., Canossi M., Petaccia A., Rosso R., 2005. Bivariate statistical approach to check adequacy of dam spillway. Journal of Hydrologic Engineering, 10(1): 50–57.

2. Desa M., and Rakhecha P.R. 2007. Probable maximum precipitation for 24-h duration over an equatorial region. Atmospheric research, 84(2): 84 –90.

3. Dinpashoh Y., Mirabbasi R., Jhajharia D., Zare Abianeh H., and Mostafaeipour A. 2014. Effect of short term and long-term persistence on identification of temporal trends. Journal of Hydrologic Engineering, 19.3: 617-625.

4. Favre A.C., El Adlouni S., Perreault L., Thiemonge N., and Bobee B. 2004. Multivariate hydrological frequency analysis using copulas. Water resources research, 40(1): 90-106.

5. Hosking J.R.M., and Wallis J.R. 1998. The effect of intersite dependence on regional flood frequency analysis. Journal of Water Resource Research, 24(4):59-71.

6. Joe H. 1997. Multivariate Models and Dependence Concepts. London: Chapman & Hall. 399 pp.

7. Kadri V.Y. 2005. Low flow hydrology: A review. Journal of Hydrology, 240(1): 147-186.

8. Khalili K., Tahroudi M.N., Mirabbasi R., Ahmadi F. 2015. Investigation of spatial and temporal variability of precipitation in Iran over the last half century. Stochastic Environmental Research and Risk Assessment, 1–17.

9. Madadgar S., and Moradkhani H. 2014. Improved Bayesian multimodeling: Integration of copulas and Bayesian model averaging. Water Resources Research, 50(12): 9586-9603.

10. Ming X., Xu W., Li Y., Du J., Liu B., and Shi P. 2015. Quantitative multi-hazard risk assessment with vulnerability surface and hazard joint return period. Stochastic environmental research and risk assessment, 29(1), 35-44.

11. Mishra A.K., Singh V.P. 2010. A review of drought concepts. Journal of Hydrology, 391: 202-216.

12. Modarres R. 2008. Regional frequency distribution type of low flow in North of Iran by Lmoment. Journal. Water Resour Manage, 22: 823–841.

13. Nalbantis I., and Tsakiris, G. 2009. Assessment of hydrological drought revisited. Water Resources Management, 23(5): 881-897.

14. Nelsen R.B. 2006. An introduction to copulas. Springer, New York. 269p.

15. Saad C., El Adlouni S., St-Hilaire A. and Gachon P., 2015. A nested multivariate copula approach to hydrometeorological simulations of spring floods: the case of the Richelieu River (Quebec, Canada) record flood. Stochastic Environmental Research and Risk Assessment, 29(1): 275-294.

16. Salvadori G., and De Michele C. 2007. On the use of copulas in hydrology: theory and practice. Journal of Hydrologic Engineering, 12(4): 369–380.

17. Sandoval C.A. 2009. Mixed distribution in low flow Frequency Analysis. Journal of Hydrology, 58(1): 247-253.

18. Shi P., Chen X., Qu S.M., Zhang Z.C., and Ma J.L. 2010. Regional frequency analysis of low flow based on L moments: Case study in Karst area, Southwest China. Journal of Hydrologic Engineering, 15(5): 370-377.

19. Sklar A. 1959. Fonctions de Repartition and Dimensions et LeursMarges. Publications de L’Institute de Statistique, Universite’ de Paris, Paris. 8: 229–231.

20. Smith R.E., and Bosch J.M. 1989. A description of the Westfalia catchment experiment to determine the effect on water yield of clearing the riparian zone and converting an indigenous forest to a eucalyptus plantation. South African Forestry Journal, 151(1): 26–31.

21. Yue S., Ouarda T.B.M.J., Bobee B. 2001. A review of bivariate gamma distributions for hydrological application. Journal of Hydrology, 246, 1–18.

22. Yue S., & Rasmussen P. 2002. Bivariate frequency analysis: discussion of some useful concepts in hydrological application. Hydrological Processes, 16(14): 2881-2898.

23. Zhang L., and Singh V.P. 2006. Bivariate flood frequency analysis using the copula method. Journal of Hydrologic Engineering, 11(2): 150-164.

24. Zhang Q., Chen Y. D., Chen X., and Li J. 2011. Copula-based analysis of hydrological extremes and implications of hydrological behaviors in the Pearl River basin, China. Journal of Hydrologic Engineering, 16(7): 598-607.