نوع مقاله : مقاله پژوهشی
نویسندگان
1 کارشناسی ارشد گروه مهندسی طبیعت، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران
2 دانشیار گروه مهندسی طبیعت، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
نویسندگان [English]
At present, land use changes in a basin over time affect many processes of soil erosion and sediment production and cause loss of soil quality and fertility (Ildoromi et al. 2017). Studies have shown that land use change and its effect on hydrological processes can play an effective role in managing water resources and floods and reducing the damage caused by it, which has been considered by many researchers in recent years. Kazemi et al. (2018) in the study of the effect of land use change and drought on runoff in the Central Zagros Basin stated that the most land use change in 25 years in the field of natural resources, especially in rangelands and increased runoff and floods has been in the basin. Foroutan et al. (2019) investigated the effect of land use change and physical development of the city on changes in Asadabad urban flood runoff. The results showed that with the increase of urban land use area, surface runoff has increased by 350 m3, which is a considerable and sometimes dangerous volume of runoff in a small city. Gomindoga et al. (2015) investigated the effect of land use change in Ethiopia's Jilljal Abai watershed and concluded that reduced rangeland and forest land use increased the maximum flood. The present study aimed to investigate the effects of land use change on maximum flood discharge in the Songhor watershed using the Win TR-55 model and Landsat 7 and 8 satellite images for the years 2000-2015 using ENVI software.
2. Methodology:
The Songhor watershed in Kermanshah province is a part of the Karkheh watershed with an area of 63.17 Km2 and has a cold semi-humid climate. In this study, the main variables were 24-hour rainfall, concentration-time, flood coefficient, basin area, and slope and land use change area. To study and prepare land use change maps during two periods, ETM and OLI sensor images of Landsat satellite from 2000-2015 were used. After performing geometric correction and band compositions with the help of ENVI software, the adjusted plant difference index (NDVI) was prepared. To classify the images, the classification method was supervised and the maximum probability, kappa index, and general accuracy were used for the correct evaluation. In the next stage, land use changes were classified into five land use classes including irrigated agriculture and gardening, rainfed agriculture, rangeland and forest, residential areas, impenetrable and rocky lands. Finally, land use maps of the Songhor watershed in two time periods of 2000 and 2015 were drawn in ArcGIS. In the next step, the maximum flood hydrograph under the influence of land use change was estimated using the Win TR-55 model for the years 2000-2015. To analyze the peak flow sensitivity of the basin, the values of the canal slope and to evaluate the results by WinTR-55 model, two statistics of correlation coefficient (R2) and Root Mean Square Error (RMSE) were used.
3. Discussion:
The study of hydrographs showed that in all sub-basins, according to the amount and intensity of land use change, the peak discharge increased in 2015 compared to 2000. This amount decreased in sub-basin S1 due to fewer land use changes and concrete-mortar watershed structures in 2015. It showed a decrease of 4.11% compared to 2000 and indicates that the structures have reduced the speed and volume of discharge from the basin. In other sub-basins, due to the slope and topographic condition, the amount and intensity of land use changes, especially the sharp decrease in rangeland lands and the existence of residential and impenetrable areas, peak discharge values increased. The highest increase in discharge occurred in the S6 sub-basin with 24.88% and the S8 sub-basin with 22.44% in 2015 compared to 2000. Examination of the basin outlet hydrograph showed that the peak discharge rate in 2015 increased by 12.2% in the total basin. One of the effective factors is land use changes and subsequent changes in the basin CN values during the 15 years under study. The results of the sensitivity analysis of the WinTR-55 model showed that the CN parameter is very important and causes high sensitivity. The results of verification and calculation of the estimated error of the model in the return period of 2 to 100 years showed that the percentage of flow estimation error by the model in the 100-year return period has the lowest value.
4. Conclusion:
Land use changes in the watershed were influenced by factors such as the suitability of rainfall in 2000-2008 and the tendency of some farmers regarding dry farmland to increase the extent of their agricultural land to increase their income. The population of the city has increased by 7.5% from 2005 to 2015 and the development of urbanization has made agricultural areas around the city become residential areas. Droughts in recent years have also destroyed some grassland species, reduced soil moisture, and increased runoff. The velocity and flow rate were the peaks. Output hydrograph survey of the basin showed that the peak discharge in 2015 increased by 12.2% in the whole basin. In general, the effective factors in increasing the discharge in the Songhor watershed are the land use changes followed by changes in the CN values over the 15 years studied. The results of WinTR-55 sensitivity analysis showed that the CN parameter was an important parameter in the model. It showed that the model a has high ability to estimate the maximum flood discharge for this type of condition in the Songhor watershed and indicated the high accuracy and efficiency of the model in investigating hydrological fluctuations.
Keywords: Hydrograph, Win TR-55 Model, CN, R2, RMSE.
References:
- Chen, Y., Xu, Y. & Yin, Y. (2009). Impacts of Land Use Change Scenarios on Storm-Runoff Generation in Xitiaxi Basin, China. Journal of Quaternary International, 208(1-2), 121-128.
- Dams, J., Dujardin, J., Reggers, R., Bashir, I., Canters, F., & Batelaan, O. (2013). Mapping Impervious Surface Change from Remote Sensing for Hydrological Modeling. Journal of Hydrology, 485, 84-95.
- Forutan, S., Ildoromi, A., Noori, H., & Safari Shad, M., (2019). Impact of Land Use Change and Physical Development of the City on Urban Flood Runoff Changes Using NRCS-CN Method (Case Study: Asadabad City). Scientific Journal- Tabriz Hydrogeomorphology Research, 5(20), 1-20.
- Gumindoga, W., Rientjes, T. H. M., Haile, A. T., & Dube, T. (2014). Predicting Streamflow for Land Cover Changes in the Upper Gilgel Abay River Basin, Ethiopia: A Topmodel Based Approach. Journal of Physics and Chemistry of the Earth, Parts A/B/C, 76, 3-15.
- Ildoromi, A., Noori, H., & Karami, M. (2017). Evaluation of Drought and Climate Change in the Future Using General Bar Circulation Models (Case Study: Gorganroud-Ghareh SouBasin, Iran). Journal of Geographical Studies of Arid Regions, 7(26), 111-124.
- Kazemi, S., Ildermi, A., & Nouri, H. (2019). The Effect of Land Use Change and Drought on the Runoff Central Zagros; Case Study: Tuyserkan Basin. Journal of Arid Studies, Hakim Sabzevari University, 8(31), 23-41.
- Kumar, D. S., Arya, D. S., & Vojinovic, Z. (2013). Modeling of Urban Growth Dynamics and Its Impact On Surface Runoff Characteristics. Journal of Environment and Urban Systems, 41, 124-135.
- Miller, J. D., Kim, H., Kjeldsen, T. R., Packman, J., Grebby, S., & Dearden, R. (2014). Assessing the Impact of Urbanization on Storm Runoff in a Peri-Urban Catchment Using Historical Change in Impervious Cover. Journal of Hydrology, 515, 59-70.
- Rawat, J. S., & Kumar, M. (2015). Monitoring Land Use/Cover Change Using Remote Sensing and GIS Techniques: A Case Study of Hawalbagh Block, District Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Sciences, 18(1), 77- 84
- Sajikumar, N., & Remya, R. S. (2015). Impact of Land Cover and Land Use Change on Runoff Characteristics. Journal of Environmental Management, 161, 460-468.
- Siriwardena, L., Finlayson, B. L., & McMahon, T. A. (2006). The Impact of Land Use Change on Catchment Hydrology in Large Catchments: The Comet River, Central Queensland, Australia. Journal of Hydrology, 326(1-4), 199-214.
- Valdes, J. B., Fiallo, Y., & Rodríguez‐Iturbe, I. (1979). A Rainfall‐Runoff Analysis of the Geomorphologic IUH. Journal of Water Resources Research, 15(6), 1421-1434.
- Yan, B., Fang, N. F., Zhang, P. C., & Shi, Z. H. (2014). The Impact of Land Use Change on Watershed Stream Flow and Sediment Yield: An Assessment Using Hydrologic Modelling and Partial Least Squares Regression (Case Study: China). Journal of Hydrology, 484, 26-37.
- Zhou, Q., Ou, X. K., Zhang, Z. M., & Yang, M. Y. (2008). Spatial-Temporal Land Use Pattern Changes in Manwan Hydropower Station Reservoir of Lancang River, Yunnan, China. Journal of Mountain Science, 26(4), 481-489.
کلیدواژه‌ها [English]
مقدمه
امروزه بررسی نحوة کاربری و نوع پوشش اراضی نقش مهمی در برنامه‌ریزی برای مدیریت و حفاظت منابع آب و خاک دارد و زمینة ارتقای نگرش اصولی به ساختارهای زیست‌محیطی را فراهم می‌آورد (Zhou et al., 2008: 481). در سال‌های اخیر ارزیابی کاربری اراضی به‌مثابة یکی از مهم‌ترین عوامل مؤثر بر کنترل فرایند بارش- رواناب در مقیاس وقایع سیل برای حوضه‌های آبخیز بسیار مورد توجه قرار گرفته و ثابت کرده است تغییرات غیریکنواخت در کاربری اراضی یا پوشش گیاهی ارتباط تنگاتنگی با واکنش هیدرولوژیکی حوضه‌های آبخیز به‌ویژه در رخداد سیل دارد (SiriWardena et al., 2006: 199).
در حال حاضر تغییرات کاربری اراضی یک حوضه در طول زمان بر بسیاری از فرایندهای فرسایش خاک و تولید رسوب اثر می‌گذارد و باعث از بین رفتن کیفیت و حاصلخیزی خاک و همچنین با افزایش تولید رسوب و تجمع آن در مخزن سدها باعث کاهش عمر مفید آنها می‌شود (ایلدرمی و همکاران، 1396: 111). مطالعات نشان می‌دهد بررسی تغییر کاربری اراضی و اثر آن بر فرایندهای هیدرولوژیکی در مدیریت منابع آب و سیلاب‌ها و کاهش خسارات ناشی از آن نقش مؤثری دارد. در سال‌های اخیر پژوهشگران بسیاری به این موضوع توجه داشته‌اند؛ ازجمله:
نوری و زینی‌وند (1393) در برآورد دبی حداکثر سیلابی در حوضة آبخیز بکرآباد با استفاده از مدل Win TR-55 دریافتند مهم‌ترین عامل سیل‌خیزی حوضه CN است؛ بنابراین مدل Win TR-55 برای برآورد دبی در حوضه‌های آبخیز کوچک کاربرد و دقت بهتری دارد.
وفاخواه و همکاران (1394) تأثیر تغییر کاربری اراضی را بر رواناب حوضة آبخیز چالوس رود با مدل L-THIA بررسی کردند. نتایج نشان داد به علت کاهش اراضی جنگلی و افزایش مناطق شهری، عمق رواناب از سال 1379 تا 1385 به میزان 326/16 میلی‌متر طی 6 سال افزایش یافته است.
شفایی و همکاران (1395) در مدل‌سازی تابع توزیع توام چهار بعدی ویژگی‌های مهم سیل با استفاده از جای‌گشت متغیرهای ساختار سی-واین نشان دادند انتخاب متغیر زمان پایة B به‌مثابة متغیر مرکزی، انتخاب مناسبی بوده و این متغیر نقش کنترل‌کنندة متغیرهای حجم کل، زمان اوج و دبی اوج سیل را دارد.
آذرخشی و همکاران (1396) در بررسی اثر تغییرات بارش و کاربری اراضی بر تولید رواناب و رسوب حوضة آبخیز صنوبر تربت حیدریه به این نتیجه رسیدند که افزایش وقوع خشکسالی‌ها و کاهش آبدهی رودخانه به همراه تبدیل اراضی زراعی دیم کم‌بازده به مرتع، به کاهش میزان رواناب و رسوب معلق حوضة آبخیز انجامیده است.
فیضی‌زاده (1396) در مدل‌سازی تغییرات کاربری اراضی و آثار آن بر سیستم فرسایش و رواناب در حوضة سد علویان به این نتیجه رسید که تخریب اراضی باغی و تبدیل مراتع خوب به اراضی دیم کم‌بازده در سطح زیاد موجب افزایش آسیب‌پذیری منطقه درمقابل فرسایش خاک و افزایش رواناب شده است.
کاظمی و همکاران (1397) در «بررسی اثر تغییر کاربری اراضی و خشکسالی بر رواناب حوضة زاگرس مرکزی، نمونة پژوهش: حوضة تویسرکان» نشان دادند بیشترین تغییر کاربری اراضی در بازة زمانی 25ساله در عرصه‌های منابع طبیعی به‌ویژه در مراتع رخ داده و کاهش این عرصه همراه با نوسانات خشکسالی در طول زمان باعث افزایش حجم رواناب و بروز سیلاب در حوضه شده است.
سلمانی و همکاران (1397) پاسخ هیدرولوژیکی حوضة آبخیز تیل‌آباد استان گلستان را طی دوره‌های آتی متأثر از تغییر کاربری اراضی پیش‌بینی‌شده ارزیابی و مشخص کردند شبیه‌سازی رواناب ماهیانه نسبت به رسوب دقت بیشتری دارد و این امر باعث افزایش دبی سیلاب خواهد شد.
فروتن و همکاران (1398) تأثیر تغییر کاربری اراضی و توسعة فیزیکی شهر را بر تغییرات رواناب سیلاب شهری بررسی کردند. نتایج نشان داد با افزایش مساحت کاربری شهری، رواناب سطحی به مقدار 350 مترمکعب افزایش یافته که این حجم رواناب در یک شهر کوچک زیاد و گاه خطرناک است.
دمس و همکاران[1] (2013) در مطالعة خود در حوضة آبریز کلین‌نت[2]بلژیک با تهیة نقشة سطوح نفوذناپذیر مدل‌سازی هیدرولوژیکی انجام و نشان دادند طی 17 سال براثر توسعة شهری سطوح نفوذناپذیر به میزان 2/29 درصد و رواناب نیز به میزان 5/9 درصد افزایش یافته است.
ساتیش کومار و همکاران[3] (2013) در مدل‌سازی توسعة شهری و تأثیر آن بر رواناب سطحی در شهر رورکی هند بیان کردند بین توسعة شهری و دبی اوج سیل و زمان تمرکز حوضة آبخیز بررسی‌شده رابطة خطی وجود دارد.
میلر و همکاران[4] (2014) آثار توسعة شهری را بر رواناب در حوضة آبخیز شهری سویندون[5] انگلستان بررسی کردند و دریافتند در منطقة مطالعه‌شده سطوح نفوذناپذیر در سال 1960 از 11 درصد به 44 درصد در سال 2010 افزایش و با توسعة شهری مدت‌زمان وقوع سیل کاهش یافته است.
ساجیکومار و ریمیا[6] (2014) تأثیر تغییر پوشش گیاهی و کاربری اراضی را بر ویژگی‌های رواناب با استفاده از مدل SWAT در دو حوضة آبخیز در کرالای هند بررسی کردند و نشان دادند بین میزان تغییرات سطح اراضی جنگلی و حداکثر رواناب سطحی رابطة معناداری وجود دارد.
ین و همکاران[7] (2014) در پژوهشی تأثیر تغییرات کاربری اراضی را بر میزان رسوب و رواناب در یکی از حوضه‌های چین بررسی و بیان کردند تغییرات کاربری اراضی در میزان رسوب و رواناب سطحی نقش مؤثری داشته است.
گومیندوگا و همکاران[8] (2015) تأثیر تغییر کاربری اراضی را در حوضة آبخیز جیلجل ابای اتیوپی بررسی کردند و نتیجه گرفتند کاهش کاربری مرتعی و جنگلی سبب افزایش حداکثر سیلاب شده است.
راوات و کومار[9] (2015) با مدل‌سازی تغییرات کاربری اراضی در هند نشان دادند تصاویر سنجش از دور در ارزیابی روند تغییرات سری زمانی دقت زیادی دارند.
بررسی و مرور منابع نشان می‌دهد پیش‌بینی وقوع سیل به‌منظور پیشگیری و کنترل آن در حوضه‌های آبخیز برای جلوگیری و کاهش خسارات ناشی از آن امری ضروری است؛ بنابراین در این پژوهش سعی بر آن است که با استفاده از مدل هیدرولوژیکی WinTR-55 و داده‌های موجود شامل بارش‌های 24ساعته، زمان تمرکز حوضه، ضریب سیلابی، مساحت و شیب حوضه، نقشة CN، گروههای هیدرولوژیکی خاک، داده‌های دبی مشاهداتی و مساحت تغییر کاربری اراضی و تأثیر تغییر کاربری اراضی بر دبی حداکثر سیل حوضة آبخیز سنقر و نقش آن طی دو دورة زمانی سال‌های 2000 و 2015 بررسی شود. به این وسیله دقت و کارایی مدل WinTR-55 در برآورد دبی حداکثر هیدروگراف سیلاب در هر نقطه از مسیر زهکشی با توجه به نبود داده‌های ایستگاه هیدرومتری ارزیابی می‌شود و می‌توان از نتایج به‌دست‌آمده از مدل برای طراحی سازه‌ها و مدیریت حوضة آبخیز به‌منظور پیشگیری و کاهش خطر سیلاب و همچنین برای مدیریت بهره‌برداری از منابع آب و اراضی به‌ویژه در حوضه‌های فاقد ایستگاه هیدرومتری به‌خوبی استفاده کرد.
روش‌شناسی پژوهش
محدودة پژوهش
حوضة آبخیز سنقر در استان کرمانشاه و در محدودة جغرافیایی ʹ22 ˚47 تا ʹ51 ˚47 طول شرقی و در ʹ40 ˚34 تا ʹ52 ˚34 عرض شمالی واقع شده و بخشی از حوضة آبخیز کرخه است (شکل 1). وسعت حوضه 6317 هکتار، حداقل و حداکثر ارتفاع آن 1500 و 3300 متر، میانگین بارندگی سالیانة آن طی دورة 30ساله 9/516 میلی‌متر و میانگین سالیانة دما نیز 9/12 درجة سلسیوس است و براساس طبقه‌بندی اقلیمی دومارتن، اقلیم نیمه‌مرطوب سرد دارد.
شکل 1. موقعیت جغرافیایی حوضة آبخیز سنقر در ایران و استان کرمانشاه (نویسندگان، 1398)
Fig 1. Geographical location of Songhor basin in Iran and Kermanshah province (Authors, 2019)
روش پژوهش
در این پژوهش بارش‌های 24ساعته، زمان تمرکز، ضریب سیلابی، مساحت و شیب حوضه و مساحت تغییر کاربری اراضی، متغیرهای اصلی بررسی‌شده هستند. در این زمینه نخست آمار مقادیر بارش ایستگاههای سینوپتیک استان کرمانشاه ازنظر همگنی با آزمون نرمال استاندارد بررسی شد؛ سپس برای بازسازی و برآورد داده‌های گمشده از داده‌های ایستگاههای مجاور که بیشترین همبستگی را دارند و از روش جرم مضاعف استفاده شد.
برای بررسی داده‌های پرت، هر داده با دادة بعدی خود مقایسه شد؛ در صورت مشاهدة اختلاف شدید سعی شد دادة آن دورة آماری با میانگین پیراسته تحلیل شود تا دادة پرت شناسایی و از محاسبات کنار گذاشته شود؛ در این بررسی داده‌های پرت وجود نداشت. برای بررسی و تهیة نقشه‌های تغییر کاربری اراضی طی دو دوره از تصاویر سنجندة ETM+ و OLI ماهوارة لندست سال‌های 2000- 2015 (تاریخ تصویر اول 07/05/2000 برابر با 18/02/1379، تاریخ تصویر دوم 11/05/2015 برابر با 21/02/ 1394) استفاده شد؛ پس از انجام تصحیح هندسی و ترکیبات باندی به کمک نرم‌افزار ENVI، شاخص گیاهی تفاضل تعدیل‌شده (NDVI) بررسی و برای طبقه‌بندی تصاویر از روش طبقه‌بندی نظارت‌شده و حداکثر احتمال و از شاخص کاپا و دقت کلی برای ارزیابی درستی استفاده شد (احمدپور و همکاران، 1393: 77)؛ علاوه بر این در این پژوهش از ماتریس خطا برای ارزیابی صحت طبقه‌بندی تصاویر استفاده شد (جدول 1). در مرحلة بعد کلاس‌های کاربری اراضی در چهار کلاس کاربری شامل کشاورزی آبی و باغ، کشاورزی دیم، مرتع و جنگل، مناطق مسکونی، نفوذناپذیر و اراضی صخره‌ای تقسیم‌بندی و درنهایت نقشه‌های کاربری اراضی حوضة آبخیز سنقر در دو مقطع زمانی 2000 و 2015 در محیط ArcGIS تهیه شد؛ سپس نتایج بررسی روند تغییرات کاربری اراضی با بازدید میدانی و مشاهدات صحرایی و گزارش‌گیری از ساکنان عرصه، ارزیابی و با آمار موجود در سازمان جهاد کشاورزی و منابع طبیعی و هواشناسی تطبیق داده شد.
شاخص کاپا
در کارهای اجرایی که مقایسة دقت طبقه‌بندی اهمیت دارد، از شاخص کاپا استفاده می‌شود؛ زیرا شاخص کاپا پیکسل‌های نادرست طبقه‌بندی‌شده را مدنظر قرار می‌دهد (یوسفی و همکاران، 1393: 67). ضریب کاپا طبقه‌بندی را نسبت به یک طبقه‌بندی کاملاً تصادفی محاسبه می‌کند. در این حالت دقت نسبت به حالتی به دست می‌آید که یک تصویر کاملاً به حالت تصادفی طبقه‌بندی شود. ضریب کاپا این مزیت را نسبت به دقت کلی دارد که از عناصر حاشیه‌ای (غیرقطری) ماتریس خطا برای محاسبة دقت استفاده می‌کند (خدمتگزار دولتی، 1390: 14). یوسفی و همکاران (1393) از فرمول زیر برای برآورد ضریب کاپا استفاده کردند:
|
(1) |
در این رابطه درستی مشاهده‌شده و توافق مورد انتظار است.
دقت کلی (صحت کلی)
در بیان دقت نتایج به‌دست‌آمده از روش‌های مختلف طبقه‌بندی استفاده می‌شود. ازنظر تئوری، احتمالات دقت کلی، معیار خوبی برای ارزیابی نتایج حاصل از طبقه‌بندی نیست؛ زیرا در این شاخص نقش شانس قابل توجه است. دقت کلی از جمع عناصر قطر اصلی ماتریس خطا تقسیم بر تعداد کل پیکسل‌ها با رابطة زیر به دست می‌آید (یوسفی و همکاران، 1393: 73).
|
(2)
|
در این رابطه OAصحت کلی، N تعداد کل پیکسل‌های آزمایشی یا تعداد پیکسل‌هایی که درست طبقه‌بندی شده‌اند و Ʃpii جمع عناصر قطر اصلی ماتریس خطاست (یوسفی و همکاران، 1393: 69).
جدول 1. شاخص کاپا و دقت کلی در طبقه‌بندی کاربری اراضی (نویسندگان، 1398)
Tab 1. Kappa index and overall accuracy in land use classification (Authors, 2019)
|
تصویر و سال مطالعه‌شده |
شاخص کاپا |
دقت کلی |
|
ETM+ 2000 |
85/0 |
87/0 |
|
ETM+ 2015 |
85/0 |
88/0 |
همچنین با استفاده از نقشه‌های کاربری اراضی تهیه‌شده و گروههای هیدرولوژیکی خاک حوضة موجود در ادارة کل منابع طبیعی و آبخیزداری استان کرمانشاه و نرم‌افزار ArcGis، نقشه‌های CN زیرحوضه‌ها تهیه شد. نخست نقشة CN حوضه بررسی و با استفاده از آمار موجود سعی شد از یک دبی در یک زمان پایة واحد استفاده شود تا با دقت بیشتری میزان دبی برای دوره‌های بازگشت 2 تا 100ساله پیش‌بینی شود؛ سپس داده‌های تغییرات کاربری اراضی 15ساله، بارش و دبی 24ساعته طی دورة آماری 30ساله تهیه‌شده از ادارة آب منطقه‌ای استان کرمانشاه به مدل هیدرولوژیکی WinTR-55 وارد شد؛ پس از اجرای مدل، درنهایت دبی حداکثر لحظه‌ای و هیدروگراف خروجی حوضه متأثر از تغییرات کاربری اراضی در دوره‌های بازگشت 2 تا 100ساله استخراج، مقایسه و اثر تغییر کاربری در دبی حداکثر خروجی حوضه و زیرحوضه‌ها به تفکیک ارزیابی شد.
نقشة CN حوضه
پس از تهیه و بررسی نقشه‌های کاربری اراضی با نرم‌افزار Envi با استفاده از تصاویر سنجندة ETM+ و OLI ماهوارة لندست طی دو سال 2000 و 2015 و مقایسة میزان تغییرات ایجادشده در کاربری‌های اراضی با نرم‌افزار ArcGis، نقشة گروههای هیدرولوژیکی خاک حوضه تهیه و براساس داده‌های جدید تصحیح و به‌روزرسانی شد. با توجه به نقشة گروههای هیدرولوژیکی خاک موجود در ادارة کل منابع طبیعی و آبخیزداری استان کرمانشاه و تلفیق نقشة کاربری اراضی و لحاظ‌کردن وضعیت تیپ‌های مرتعی، تراکم پوشش تاجی جوامع جنگلی، اراضی زراعی، نوع کشت، شیوة کشت و نوع مدیریت زمین، کشت غالب و شرایط هیدرولوژیکی، به‌منظور بررسی عدد شمارة منحنی برای هر زیرحوضه اقدام شد. در مرحلة بعد با استفاده از میانگین وزنی هر پلی‌گون، متوسط وزنی عدد منحنی برای هر زیرحوضه تعیین و نقشة CN تهیه شد؛ به‌علاوه درصد سطوح نفوذناپذیر نسبت به کل سطح حوضه اصلاح و سپس با استفاده از مشخصات حوضه ازجمله طول آبراهة اصلی، شیب و شمارة منحنی اصلاح‌شده، زمان تمرکز حوضه محاسبه و درنهایت با استفاده از روابط SCS در مدل، میزان رواناب برای زیرحوضه‌های مختلف محاسبه شد.
پس از اجرای مدل، درنهایت دبی حداکثر لحظه‌ای و هیدروگراف خروجی حوضه متأثر از تغییرات کاربری اراضی و پارامتر ژئومورفولوژی در دوره‌های بازگشت 2 تا 100ساله در قالب مدل WinTR-55 استخراج و برای ارزیابی دقت با هیدروگراف واحد لحظه‌ای ژئومورفولوژی (GIUH) استخراج‌شده مقایسه شد؛ سپس تأثیرات تغییر کاربری و عامل شیب و سازه‌ها در دبی حداکثر خروجی حوضه بررسی و سعی شد تمام مراحل با دقت و با توجه به داده‌های موجود ارزیابی شود. گروههای هیدرولوژیکی خاک در حوضه شامل سه گروه هیدرولوژیکی A و B و C است که پس از استخراج نقشة CN[10]، شمارة منحنی واحدهای هیدرولوژیک حوضه با رابطة زیر تعیین و نقشة گروههای هیدرولوژیکی خاک حوضه براساس داده‌های جدید تصحیح و به‌روزرسانی شد (مهدوی، 1390: 86).
|
(3) |
|
در این رابطه Q ارتفاع رواناب برحسب میلی‌متر، P ارتفاع بارندگی برحسب میلی‌متر و S ارتفاع مربوط به ذخیرة سطحی و نفوذ خاک برحسب میلی‌متر است. مقدار تلفات کلی یا S با رابطه‌ای با یک عامل بدون بعد به نام CN ارتباط می‌یابد که S برحسب میلی‌متر است (مهدوی، 1390: 91).
|
(4)
|
در این بررسی به‌منظور افزایش دقت و کاهش خطا، اثر بارش‌های پیشین بر CN بررسی شده است. نخست مناطق ازلحاظ کاربری به مناطق شهری، کشاورزی و مناطق در حال توسعه و گسترش شهری تقسیم‌بندی و سپس با توجه به میزان بارش، درصد سطوح نفوذناپذیر نسبت به کل سطح حوضه اصلاح شد. درنهایت با استفاده از روابط scs ارتفاع معادل رواناب محاسبه و با استفاده از مشخصات حوضه ازجمله طول آبراهة اصلی، شیب و شمارة منحنی اصلاح‌شده، زمان تمرکز حوضه محاسبه شد. با توجه به اینکه وسعت اراضی زراعی سطح بیشتری از حوضه را به خود اختصاص داده بود، CN در کل حوضه براساس اولویت‌بندی زراعت و سایر کاربری‌ها و برای هر زیرحوضه براساس وسعت بیشترین تا کمترین کاربری موجود محاسبه شد تا ارزیابی با دقت بیشتری انجام شود.
معرفی مدل (WinTR-55)
مدل Win TR-55 را سازمان حفاظت منابع طبیعی آمریکا (NRCS) برای تخمین هیدروگراف مصنوعی سیلاب در هر نقطه از مسیر سیستم زهکشی در حوضه‌های کوچک‌تر از 64 کیلومترمربع طراحی کرده است. این مدل با استفاده از داده‌های ژئومورفولوژی حوضه نظیر نسبت انشعاب، نسبت طول و نسبت مساحت و مساحت، پوشش گیاهی و CN هر قسمت از حوضه، طول، جنس، عرض مقاطع، شیب کناره و شیب بستر کانال‌ها و بارندگی 24ساعتة حوضه، مقادیر رواناب (دبی و سرعت) به‌دست‌آمده در هر ساعت پس از شروع بارندگی را محاسبه می‌کند. برای محاسبة زمان تمرکز هر زیرحوضه در مدل Win TR-55، باید پارامترهای شیب جریان، سرعت جریان، زمان طی مسیر[11] برای جریان ورقه‌ای و جریان متمرکز کم‌عمق (آبراهه‌های با عمق کمتر از 30cm) و جریان کانال در آبراهه در هر نقطه از مسیر زهکشی با مدل محاسبه شود. تراول تایم برای جریان‌های متمرکز کم‌عمق و آبراهة بدون کف‌پوش، آبراهة دارای کف‌پوش مانند جوی‌های آب یا آبراهه‌ای با کف غیرطبیعی محاسبه می‌شود. این پارامترها به ترتیب با رابطة 5 تا 9 محاسبه می‌شود (Valderz et al., 1979: 1421).
|
(5)
|
|
|
(6)
|
|
|
(7)
|
|
|
(8)
|
|
|
(9) |
در رابطة بالا به ترتیب H1 ارتفاع نقطة ابتدایی مسیر جریان برحسب متر، H2 ارتفاع نقطة پایانی مسیر جریان برحسب متر، L طول مسیر جریان یا طول آبراهه به متر، V سرعت متوسط جریان برحسب فوت، R شعاع هیدرولیکی برحسب فوت، S شیب آبراهه، n ضریب مانینگ، Tt زمان طی مسیر برحسب ساعت و P2 بارندگی 24ساعته با دورة بازگشت 2ساله برحسب اینچ است. با استفاده از مدل -55 WinTR (سازمان حفاظت خاک آمریکا) به‌منظور ایجاد الگوی بارش برای هر منطقه و تخمین رواناب، داده‌های حداکثر بارش 24ساعته با دورة بازگشت معین محاسبه و هیدروگراف واحد به روش SCS ترسیم و مقادیر دبی اوج سیلابی و زمان تا اوج هیدروگراف برای دوره‌های بازگشت 2، 5، 10، 25، 50 و 100ساله در هشت زیرحوضة هیدرولوژیکی و چهار بازة جریان[12] بررسی شد (شکل 2).
برای محاسبة دوره‌های بازگشت، نخست شکل شماتیکی از نحوة ریچ‌بندی الگوبرداری شد تا تحلیل دقیق‌تری دربارة جریان‌های ورقه‌ای و جریان‌های کانالی در حوضه ارائه شود؛ سپس برای برآورد هیدروگراف رواناب بارش‌های 24ساعته با دوره‌های بازگشت 2، 5، 10، 25، 50 و 100ساله اقدام شد. گفتنی است تکه‌ها در شکل 2 رودخانه نیست، بلکه نحوة ریچ‌بندی حوضه را با توجه به نحوة قرارگیری زیرحوضه‌ها نشان می‌دهد. نحوة ریچ‌بندی مدل به این صورت است که آب‌های دریافتی در زیرحوضه‌های اطراف با کدام زیرحوضه دریافت می‌شود و به ترتیب به خروجی می‌رسند؛ بنابراین ریچ‌ها همان زیرحوضه‌های دریافت‌کننده و هدایت‌کنندة جریان هستند.
شکل 2. نقشة زیرحوضه‌ها و ریچ‌بندی حوضة آبخیز سنقر (نویسندگان، 1398)
Fig 2. Map of sub-basins and Riching of Songhor basin (Authors, 2019)
تحلیل حساسیت مدل
برای بررسی حساسیت دبی اوج سیلاب حوضه از مقادیر شیب آبراهه از 20%- تا 20%+ با گام‌های زمانی 5% و رابطة 10 استفاده شد. در این رابطه، SEN اندازة حساسیت تابع هدف حاصل از تغییر در اندازة پارامتر برحسب درصد، New اندازة جدید خروجی مدل حاصل از پارامتر جدید، Old خروجی اولیة مدل و PC قدر مطلق درصد تغییرات در پارامتر است (امیدوار و اژدرپور، 1391: 1845).
|
(10) |
برای محاسبة خطای مدل در دوره‌های بازگشت مختلف از رابطة 11 استفاده شد. در این رابطه، 0.
خطای برآوردی دبی اوج برحسب درصد، Pe مقدار دبی حداکثر برآوردشده و Pr دبی حداکثر است. در این بررسی، دبی با دوره‌های بازگشت مختلف 2 تا 100ساله توسط مدل با توجه به داده‌های اولیه محاسبه شده است.
|
(11) |
به‌منظور بررسی و ارزیابی نتایج حاصل با مدل WinTR-55 از دو آمارة ضریب همبستگی[13] (R2) و ریشة میانگین مربعات خطا[14] (RMSE) استفاده شد که به‌صورت دسیمال (بدون بعد) هستند. رابطة این دو آماره (روابط 12 و 13) به‌صورت زیر است:
|
(12) |
|
|
(13) |
در رابطة بالا، Oi مقادیر مربوط به داده‌های مشاهداتی، Pi مقادیر مربوط به داده‌های محاسباتی، میانگین داده‌های مشاهداتی و n تعداد داده‌هاست (کرمی و اسماعیل‌پور، 1393: 145؛ امیدوار و اژدرپور، 1391: 1851).
یافته‌های پژوهش
گروههای هیدرولوژیکی خاک در حوضه شامل سه گروه هیدرولوژیکی B، C و D است. شکل 3 و جدول 2 نشان می‌دهند مقادیر عدد شمارة منحنی برای سال 2000، حداقل 79 در زیرحوضه‌های S1 و S2 و حداکثر 87 در زیرحوضة S4 است؛ این در حالی است که این مقادیر به ترتیب به عدد 82 و 89 در سال 2015 افزایش یافته است. بررسی‌های میدانی و نتایج به‌دست‌آمده از بررسی نقشه‌های کاربری اراضی نشان می‌دهد این موضوع بیشتر به دلیل تغییرات کاربری اراضی در منطقه به‌ویژه تبدیل اراضی کشاورزی حومة شهری به اراضی مسکونی و تغییر کاربری اراضی مرتعی به کشاورزی دیم است؛ به‌طوری که وسعت مراتع از 23 کیلومترمربع به 65/18 کیلومترمربع طی دورة مطالعه‌شده کاهش یافته است. این امر بیان‌کنندة این است که عدد شمارة منحنی برای کاربری‌ها تغییر و افزایش پیدا کرده و موجب افزایش سطوح نفوذناپذیر و اعداد شمارة منحنی شده است (شکل 4).
شکل 3. نقشة گروههای هیدرولوژیکی خاک (نویسندگان، 1398)
Fig 3. Map of soil hydrological groups (Authors, 2019)
جدول 2. CN وزنی کل حوضة آبخیز سنقر و زیرحوضه‌های آن (نویسندگان، 1398)
Tab 2. CN Weight of the basin and sub-basins of Songhor watershed (Authors, 2019)
|
نام زیرحوضه |
S1 |
S2 |
S3 |
S4 |
S5 |
S6 |
S7 |
S8 |
کل حوضه |
|
CN وزنی سال 2000 |
79 |
79 |
85 |
87 |
86 |
80 |
86 |
83 |
83 |
|
CN وزنی سال 2015 |
82 |
83 |
88 |
89 |
88 |
84 |
88 |
86 |
86 |
الف. CN سال 2000 ب. CN سال 2015
A. CN year 2000 B. CN year 2015
شکل 4. نقشة CN حوضة سنقر برای سال‌های 2000 و 2015 (نویسندگان، 1398)
Fig 4. CN map of Songhor Basin for 2000 and 2015 (Authors, 2019)
به‌منظور تهیة نقشه‌های طبقه‌بندی‌شدة کاربری اراضی در چهار کلاس مسکونی و نفوذناپذیر، کشاورزی آبی و باغ، کشاورزی دیم، مرتعی و جنگلی و مناطق مسکونی و نفوذناپذیر و صخره‌ای از تصاویر ماهواره‌ای استفاده شد و پس از پردازش، ارزش‌گذاری و تعیین مساحت هرکدام از کاربری‌ها با استفاده از نرم‌افزار Arc Gis، نقشه‌های نهایی برای دو دورة زمانی سال 2000 و 2015 میلادی به دست آمد. بررسی‌ها نشان می‌دهد طی دورة زمانی 2000 تا 2015 بیشترین تغییرات به کاهش اراضی مرتعی به میزان 32/23 درصد مربوط است؛ همچنین اراضی مسکونی و سطوح نفوذناپذیر 83/16 درصد، اراضی کشاورزی آبی و باغ 66/20 درصد و اراضی کشاورزی دیم به مقدار 91/5 درصد در حوضه افزایش یافته است (شکل 5؛ جدول 3).
الف. کاربری اراضی سال 2000
A. Land use in 2000
ب. کاربری اراضی سال 2015
B. Land use in 2015
شکل 5. نقشة کاربری اراضی حوضة سنقر در سال‌های 2000 و 2015 (نویسندگان، 1398)
Fig 5. Land use map of Songhor Basin in 2000 and 2015 (Authors, 2019)
جدول 3. مقایسة مساحت و درصد تغییرات کاربری‌ها طی دوره‌های زمانی مطالعه‌شده (نویسندگان، 1398)
Tab 3. Comparison of area and percentage of user changes during the studied time periods
(Authors, 2019)
|
نوع کاربری |
سال 2000 |
سال 2015 |
|
|
||
|
مساحت (کیلومترمربع) |
درصد |
مساحت (کیلومترمربع) |
درصد |
تغییر مساحت از سال 2000 تا 2015 (کیلومترمربع) |
تغییر مساحت از سال 2000 تا 2015 (درصد) |
|
|
کشاورزی آبی و باغ |
42/5 |
58/8 |
54/6 |
35/10 |
12/1 |
66/20 |
|
کشاورزی دیم |
24 |
38 |
42/25 |
24/40 |
42/1 |
91/5 |
|
مرتع و جنگل |
23 |
41/36 |
65/18 |
52/29 |
35/4- |
32/23 |
|
مناطق مسکونی و نفوذناپذیر و صخره‌ای |
75/10 |
01/17 |
56/12 |
89/19 |
81/1 |
83/16 |
|
مجموع |
17/63 |
---- |
17/63 |
------ |
------ |
|
در این بررسی با استفاده از آمار موجود سعی شده است از یک دبی در یک زمان پایة واحد استفاده شود تا با دقت بیشتری میزان دبی برای دوره‌های بازگشت 2 تا 100ساله پیش‌بینی شود. بدین منظور از مقدار CN برای به‌دست‌آوردن درصد سطوح نفوذناپذیر نسبت به کل حوضه و با مشخصات حوضه ازجمله طول آبراهة اصلی، شیب، شمارة منحنی اصلاح‌شده و زمان تمرکز حوضه استفاده و درنهایت با بهره‌گیری از روابط SCS در مدل، میزان رواناب محاسبه شد. به علت اینکه نرم‌افزار برای محاسبه و ترسیم هیدروگراف‌های خروجی زیرحوضه‌ها و آبراهه‌ها از روش SCS استفاده می‌کند، با محاسبة سطح زیر منحنی حجم سیلاب برآورد شده است؛ بنابراین از یک هیدروگراف بی‌بعد استفاده شد تا از هیدروگراف خود نرم‌افزار نیز در ارزیابی استفاده شود. گفتنی است در این بررسی از بارش‌های 24ساعته در مدل 55-WinTR برای تهیة هیدروگراف بی‌بعد استفاده شده است.
بررسی مقادیر محاسبه‌شدة دبی در خروجی حوضه در سال‌های 2000 و 2015 برای دوره‌های بازگشت مختلف و سنتز و بررسی هیدروگراف خروجی حوضه نشان می‌دهد دبی حداکثر در تمامی دوره‌های بازگشت 2 تا 100ساله در سال 2015 نسبت به سال 2000 افزایش یافته است. جدول ۴ به دلیل تغییرات کاربری اراضی در منطقة مطالعه‌شده به‌ویژه تبدیل اراضی کشاورزی حومة شهری به مسکونی و افزایش سطوح نفوذناپذیر حوضه است و این تغییرات موجب افزایش مقادیر CN و رواناب شده است. بررسی مقادیر دبی 24ساعتة خروجی حوضه در دوره‌های بازگشت 2 تا 100ساله نشان می‌دهد در دورة بازگشت 100ساله بیشترین مقدار، 08/11 مترمکعب بر ثانیه برابر با 85/11 درصد و در دورة بازگشت 2ساله کمترین مقدار، 57/5 مترمکعب بر ثانیه معادل 94/13 درصد برآورد شده است. این امر بیان‌کنندة این است که به‌طور متوسط دبی حداکثر کل حوضه در سال 2015 به میزان 2/12 درصد نسبت به سال 2000 افزایش داشته و از مقدار 51/93 به 59/104 در دورة بازگشت 100ساله تغییر یافته است (جدول 4؛ شکل 6).
جدول 4. مقادیر دبی حداکثر در خروجی حوضه برای دوره‌های بازگشت مختلف در سال‌های 2000 و 2015
(نویسندگان، 1398)
Tab 4. Maximum discharge values at the basin output for different return periods in 2000 and 2015 (Authors, 2019)
|
سال 2000 |
دورة بازگشت |
2 |
5 |
10 |
25 |
50 |
100 |
|
دبی خروجی از حوضه (m3/s) |
96/39 |
97/58 |
91/66 |
03/73 |
31/89 |
51/93 |
|
|
سال 2015 |
دبی خروجی از حوضه (m3/s) |
53/45 |
20/65 |
46/77 |
80/87 |
31/98 |
59/104 |
الف. هیدروگراف سال 2000
A. Hydrograph of the year 2000
ب. هیدروگراف سال 2015
B. Hydrograph of 2015
شکل 6. هیدروگراف خروجی حوضه در دوره‌های بازگشت مختلف (نویسندگان، 1398)
Fig 6. Hydrograph of the basin outlet in different return periods (Authors, 2019)
بررسی محاسبات دبی حداکثر در زیرحوضه‌ها نشان می‌دهد دبی حداکثر در همة زیرحوضه‌ها غیر از زیرحوضة S1 افزایش یافته است؛ در حالی که مقدار دبی حداکثر در زیرحوضة S1 به‌طور متوسط 11/4 درصد کاهش یافته است؛ همچنین در زیرحوضه‌های S3، S6 و S8 بیشترین افزایش دبی به‌طور متوسط 81/1، 68/1 و 56/1 مترمکعب بر ثانیه و برابر با 29/15، 88/24 و 44/22 درصد روی داده است. میزان تغییرات کاربری اراضی و تبدیل یک کاربری به کاربری دیگر در همة زیرحوضه‌ها تقریباً از یک روند مشخص پیروی می‌کند؛ به‌طوری که در همة زیرحوضه‌ها سطح اراضی مرتعی کاهش یافته و به جز موارد بسیار محدودی تبدیل اراضی مرتعی در همة زیرحوضه‌ها به اراضی کشاورزی دیم بوده است. کاربری مسکونی در زیرحوضة S3 افزایش داشته است. شهرستان سنقر در محدودة این زیرحوضه قرار دارد و اراضی کشاورزی اطراف آن به مناطق مسکونی تبدیل شده است. براساس بررسی‌ها و مشاهدات میدانی به نظر می‌رسد تغییر کاربری اراضی مراتع نقش زیادی در تغییر دبی اوج هیدروگراف زیرحوضه‌ها در بازة زمانی بررسی‌شده داشته است؛ همچنین با بررسی هیدروگراف‌های زیرحوضه‌ها و خروجی حوضه مشاهده شد هیدروگراف‌های 50 و 100ساله از یک تشابه منطقی برخوردارند (جدول‌های 3 و 5). در این بررسی از مفروضات مدل می‌توان به مشخصات زیرحوضه‌ها از قبیل نام زیرحوضه‌ها، مشخص‌کردن زهکش و مساحت زیرحوضه‌ها، شمارة منحنی و زمان تمرکز زیرحوضه‌ها، توزیع بارش مختلف در منطقه، روندیابی سیلاب در آبراهه‌ها و مخازن اشاره کرد؛ همچنین با توجه به توانایی مدل برای تخمین دقیق CN وزنی منطقه، رسم هیدروگراف واحد بی‌بعد، رسم هیدروگراف سیلاب در هر نقطه از مسیر زهکشی ازجمله (Outlet)، ترسیم شماتیک مسیر رواناب و طول آن در حوضه، محاسبة سرعت، دبی و ارتفاع رواناب در هر نقطه از مسیر زهکشی، محاسبة زمان تمرکز، تخمین حداکثر بارش 24ساعتة منطقه با دوره‌های بازگشت 2 تا 100ساله اقدام شد. از معایب مدل این است که شرایط پیش از بارش حوضه می‌باید به‌صورت میانگین فرض شود؛ همچنین می‌باید محدودیت مساحت واردشده به مدل (مساحت تا 6500 هکتار یا 25 مایل مربع)، تعداد زیرحوضه‌های قابل ورود به مدل حداقل یک و حداکثر 10 زیرحوضه، زمان تمرکز واردشدة حداقل 1/0 و حداکثر 10 ساعت، ارتفاع بارندگی حداکثر 1270 میلی‌متر یا 50 اینچ و زمان بارش 24ساعته با دوره‌های بازگشت 2 تا 100 سال را نام برد.
جدول 5. مقادیر دبی حداکثر سیلابی با دوره‌های بازگشت مختلف در هر زیرحوضه (نویسندگان، 1398)
Tab 5. Maximum flood discharge rates with different returns in each sub-basin (Authors, 2019)
|
زیرحوضه |
دورة مطالعه |
دورة بازگشت |
2 سال |
5 سال |
10 سال |
25 سال |
50 سال |
100 سال |
|
S1
|
2000 |
دبی حداکثر m |
93/3 |
96/5 |
81/6 |
13/8 |
25/9 |
70/9 |
|
2015 |
دبی حداکثر m |
54/3 |
47/5 |
70/6 |
77/7 |
86/8 |
52/9 |
|
|
S2 |
2000 |
دبی حداکثر m |
10/4 |
32/6 |
27/7 |
73/8 |
96/9 |
47/10 |
|
2015 |
دبی حداکثر m |
65/4 |
96/6 |
43/8 |
68/9 |
95/10 |
72/11 |
|
|
S3 |
2000 |
دبی حداکثر m |
82/6 |
89/9 |
15/11 |
09/13 |
72/14 |
37/15 |
|
2015 |
دبی حداکثر m |
12/8 |
33/11 |
29/13 |
95/14 |
61/16 |
61/17 |
|
|
S4 |
2000 |
دبی حداکثر m |
56/6 |
24/9 |
33/10 |
98/11 |
38/13 |
93/13 |
|
2015 |
دبی حداکثر m |
26/7 |
98/9 |
65/11 |
04/13 |
44/14 |
28/15 |
|
|
S5 |
2000 |
دبی حداکثر m |
23/7 |
32/10 |
59/11 |
53/13 |
17/15 |
83/15 |
|
2015 |
دبی حداکثر m |
03/8 |
20/11 |
14/13 |
79/14 |
44/16 |
43/17 |
|
|
S6
|
2000 |
دبی حداکثر m |
36/3 |
38/5 |
24/6 |
59/7 |
75/8 |
22/9 |
|
2015 |
دبی حداکثر m |
49/4 |
73/6 |
15/8 |
36/9 |
58/10 |
33/11 |
|
|
S7 |
2000 |
دبی حداکثر m |
92/4 |
13/7 |
05/8 |
44/9 |
61/10 |
08/11 |
|
2015 |
دبی حداکثر m |
49/5 |
76/7 |
16/9 |
34/10 |
53/11 |
25/12 |
|
|
S8 |
2000 |
دبی حداکثر m |
74/3 |
68/5 |
50/6 |
75/7 |
82/8 |
25/9 |
|
2015 |
دبی حداکثر m |
86/4 |
96/6 |
27/8 |
37/9 |
49/10 |
15/11 |
نتایج آنالیز حساسیت مدل WinTR-55
شکل‌های 7 و 8، منحنی تغییرات نتایج مدل را به‌ازای تغییر در دو پارامتر CN و شیب آبراهه نشان می‌دهند. نتایج بررسی نشان می‌دهد میزان حساسیت مدل به پارامتر CN بیشتر است و این پارامتر تأثیر بیشتری بر دبی اوج خروجی حوضه دارد؛ به‌طوری که با افزایش %20+ مقادیر CN و شیب آبراهه به ترتیب دبی اوج خروجی به‌طور متوسط به میزان 93/143 درصد و 56/114 درصد افزایش و با کاهش %20- مقادیر CN و شیب آبراهه به ترتیب دبی اوج خروجی به میزان 9/44 درصد و 24/90 درصد کاهش می‌یابد (شکل 7)؛ این روند نشان می‌دهد تغییر مقادیر شیب آبراهه زیاد نبوده است؛ به بیان دیگر زمانی که مقادیر شیب آبراهه کاهش می‌یابد، درصد تغییرات دبی خروجی کم و زمانی که مقادیر شیب آبراهه افزایش می‌یابد، باز هم درصد تغییرات در دبی خروجی کم است. در جدول‌های 6 و 7 در ستون، مقدار دبی ارائه شده است.
شکل 7. منحنی تغییرات نتایج مدل به‌ازای تغییر در مقادیر CN حوضه (نویسندگان، 1398)
Fig 7. Curve of changes in model results for changes in basin CN values
(Authors, 2019)
جدول 6. خلاصة نتایج حساسیت مدل به تغییر در پارامتر CN حوضه (نویسندگان، 1398)
Tab 6. Summary of Model Sensitivity Results to Changes in Basin CN Parameters (Authors, 2019)
|
درصد تغییرات پارامتر |
دبی اوج (m3/s) |
درصد تغییرات دبی اوج |
میزان حساسیت |
|
20- |
9/44 |
07/57 |
85/2 |
|
15- |
81/57 |
72/44 |
98/2 |
|
10- |
28/72 |
89/30 |
1/3 |
|
5- |
89/88 |
01/15 |
3 |
|
0 |
59/104 |
0 |
0 |
|
5 |
18/121 |
86/15- |
17/3 |
|
10 |
75/134 |
83/28- |
88/2 |
|
15 |
41/141 |
2/35- |
34/2 |
|
20 |
93/143 |
61/37- |
88/1 |
شکل 8. منحنی تغییرات نتایج مدل به‌ازای تغییر در شیب آبراهه (نویسندگان، 1398)
Fig 8. Curve of changes in model results for changes in waterway slope
(Authors, 2019)
جدول 7. خلاصة نتایج حساسیت مدل به تغییر در پارامتر شیب آبراهه (نویسندگان، 1398)
Tab 7. Summary of the results of model sensitivity to change in stream slope parameter (Authors, 2019)
|
درصد تغییرات پارامتر |
دبی اوج (m3/s) |
درصد تغییرات دبی اوج |
میزان حساسیت |
|
20- |
24/90 |
72/13 |
68/0 |
|
15- |
14/95 |
03/9 |
6/0 |
|
10- |
25/99 |
1/5 |
51/0 |
|
5- |
32/101 |
12/3 |
62/0 |
|
0 |
59/104 |
0 |
0 |
|
5 |
43/105 |
8/0- |
62/0 |
|
10 |
52/108 |
75/3- |
62/0 |
|
15 |
25/110 |
33/9- |
37/0 |
|
20 |
56/114 |
48/12- |
16/0 |
نتایج در مرحلة واسنجی مدل WinTR-55
به‌منظور امکان‌سنجی استفاده از مدل WinTR-55 در حوضة آبخیز سنقر و برآورد میزان خطای محاسباتی با مدل، با استفاده از رابطة زیر میزان خطا برای دوره‌های بازگشت مختلف برآورد شد (ندیمی و همکاران، 1389: 5):
|
(14) |
در این رابطه، PE خطای برآوردی دبی اوج برحسب درصد، Pe مقدار دبی حداکثر برآوردشده و Pr دبی حداکثر ثبت‌شده است.
بررسی‌ها نشان می‌دهد میزان خطای برآوردی مدل در برآورد دبی با دورة بازگشت 100ساله، کمترین مقدار و برابر با 6/7 درصد و در دبی با دورة بازگشت 5ساله، بیشترین مقدار و برابر با 34 درصد است (جدول 8).
نتایج ارزیابی کارایی مدل
برای ارزیابی کارایی مدل WinTR-55 در برآورد دبی حداکثر از دو آمارة (R2) و (RMSE) استفاده شد. بررسی مقدار ضریب (R2) و مقادیر ریشة میانگین مربعات خطا (RMSE) برای دوره‌های بازگشت 2 تا 100ساله برای مدل WinTR-55 نشان می‌دهد درصد خطای برآوردی مدل و مقادیر (RMSE) و (R2) در دورة بازگشت 100ساله، کمترین خطا و در دورة بازگشت 5ساله، بیشترین خطا را دارد؛ همچنین بین داده‌های مشاهداتی و محاسباتی ضریب همبستگی بالای 97/0 وجود دارد (جدول 8؛ شکل 9).
جدول 8. مقادیر درصد خطای برآوردی مدل و RMSE در دوره‌های بازگشت مختلف (نویسندگان، 1398)
Tab 8. Percentage error values of model and RMSE in different return periods (Authors, 2019)
|
دورة بازگشت |
2 |
5 |
10 |
25 |
50 |
100 |
|
درصد خطا |
1/13 |
34 |
2/31 |
8/21 |
5/17 |
6/7 |
|
مقادیر RMSE |
03/0 |
12/0 |
083/0 |
064/0 |
046/0 |
02/0 |
شکل 9. نمودار رابطة همبستگی بین داده‌های مشاهداتی و محاسباتی در مدل WinTR-55 (نویسندگان، 1398)
Fig 9. Correlation diagram between observational and computational data in WinTR-55 model
(Authors, 2019)
نتیجه‌گیری
تغییر کاربری اراضی در حوضة آبخیز سنقر براثر دخالت‌های انسان سبب شده است مساحت اراضی مسکونی و نفوذناپذیر و کشاورزی آبی و دیم طی دورة زمانی 2000 تا 2015 افزایش و اراضی مرتعی کاهش یابد. براساس بررسی‌های میدانی صورت‌گرفته علت کاهش اراضی مرتعی در همة زیرحوضه‌ها، تبدیل مراتع به اراضی کشاورزی دیم و پیرو آن تغییر CN حوضه است. از دلایل مهم آن، مناسب‌بودن میزان بارندگی در سال‌های 2000 تا 2008 براساس گزارش کارشناسان ادارة منابع طبیعی شهرستان و آمار موجود در سازمان هواشناسی است؛ به‌طوری که براساس آمار سازمان جهاد کشاورزی استان و مشاهدات میدانی، طی این سال‌ها سطح زیر کشت به دلیل تبدیل اراضی مرتعی به کشاورزی توسط برخی کشاورزان دارای زمین زراعتی دیم در حاشیة مراتع به دلیل کسب درآمد بیشتر افزایش یافته است؛ همچنین بررسی آمار جمعیتی فرمانداری شهرستان سنقر نشان می‌دهد جمعیت شهرستان از سال 85 تا سال 95 به میزان 5/7 درصد افزایش یافته که این امر موجب توسعة شهرنشینی و تبدیل اراضی کشاورزی اطراف شهر به مناطق مسکونی شده است.
براساس بررسی آمار ایستگاههای هواشناسی استان، وقوع خشکسالی در چند سال اخیر به‌ویژه در 7 سال گذشته باعث از بین رفتن بعضی گونه‌های گیاهی مرتعی، کاهش رطوبت خاک و افزایش رواناب شده است. به دلیل موقعیت شهرستان سنقر در زیرحوضة S3 و افزایش مقادیر CN، دبی اوج بارش‌های 24ساعته در حوضه طی دورة زمانی مطالعه‌شده (2000- 2015) افزایش یافته است.
بررسی هیدروگراف‌ها نشان داد در تمامی زیرحوضه‌ها براساس میزان و شدت تغییر کاربری رخ‌داده، دبی اوج در سال 2015 نسبت به سال 2000 افزایش یافته است. این مقدار در زیرحوضة S1 به علت تغییرات کمتر کاربری اراضی نسبت به سایر زیرحوضه‌ها و همچنین وجود سازه‌های آبخیزداری بتنی- ملاتی دبی حداکثر در سال 2015 به‌طور متوسط 35/0 مترمکعب بر ثانیه برابر با 11/4 درصد نسبت به سال 2000 کاهش را نشان می‌دهد. این امر حاکی است سازه‌ها باعث کاهش سرعت و حجم دبی خروجی از حوضه شده است؛ اما در سایر زیرحوضه‌ها با توجه به شیب و وضعیت توپوگرافی، میزان و شدت تغییرات کاربری اراضی به‌ویژه کاهش شدید اراضی مرتعی و وجود مناطق مسکونی و نفوذناپذیر، مقادیر دبی اوج افزایش داشته است. بیشترین افزایش دبی در زیرحوضة S6 با مقدار 88/24 درصد و در زیرحوضة S8 با مقدار 44/22 درصد در سال 2015 نسبت به سال 2000 روی داده است. بررسی هیدروگراف خروجی حوضه نشان داد میزان دبی اوج در سال 2015، 2/12 درصد در کل حوضه افزایش یافته است. به‌طور کلی عوامل مؤثر بر افزایش دبی در حوضة آبخیز سنقر، تغییرات کاربری اراضی و در پی آن تغییرات مقادیر CN حوضه طی دورة 15سالة مطالعه‌شده است.
نتایج بررسی حساسیت مدل WinTR-55 نشان داد پارامتر CN در مدل، یک پارامتر مهم است و در مدل حساسیت زیادی ایجاد می‌کند؛ همچنین نتیجة بررسی صحت‌سنجی و محاسبة میزان خطای برآوردی مدل در دوره‌های بازگشت 2 تا 100ساله نشان می‌دهد درصد خطای برآورد دبی با مدل در دورة بازگشت 100ساله، کمترین مقدار را دارد. با توجه به اینکه زمان رسیدن به دبی حداکثر سیلاب در حوضه‌های آبخیز کوچک کمتر از 24 ساعت است و مدل Win TR-55 برای حوضه‌های آبخیز کوچک و بارندگی‌های 24ساعته طراحی شده است، این مدل توانایی زیادی در برآورد دبی حداکثر سیلاب برای این نوع شرایط دارد. نتایج حاصل از اجرای مدل در حوضة آبخیز سنقر نشان از دقت و کارایی زیاد مدل در بررسی فرایندهای هیدرولوژیکی در حوضه‌های کوچک دارد. این نتایج با نتایج حاصل از پژوهش‌های سلمانی و همکاران (1397)، وفاخواه و همکاران (1394)، رحمانی و همکاران (1395)، نوری و زینی‌وند (1393)، چن و همکاران[15] (2009)، راوات و کومار[16] (2015)، ساجیکومار و ریمیا[17] (2014) ازلحاظ دقت و روش کار کاملاً مطابقت دارد. با توجه به دقت و کارایی مطلوب و همچنین در نظر گرفتن پارامترهای ژئومورفولوژیکی و هیدرولیکی و هیدرولوژیکی حوضه همراه با هم و گرفتن نتایج بهتر در حوضه‌های کوچک، توصیه می‌شود مدل WinTR-55 در حوضه‌های فاقد ایستگاه هیدرومتری و کوچک مساحت برای برآورد دبی اوج و بررسی نقش عوامل هیدرولیکی و ژئومورفولوژیکی در میزان دبی استفاده و ارزیابی شود؛ بنابراین پیشنهاد می‌شود از نتایج این بررسی در طراحی سازه‌های کنترلی سیلاب و مهندسی رودخانه به‌ویژه مسیل‌یابی و تهیة طرح جامع تغییر کاربری اراضی و آمایش سرزمین با دستگاههای اجرایی، طرح حفاظت و صیانت از اراضی ملی در حوضة آبخیز استفاده شود.
)
