نوع مقاله : مقاله پژوهشی
نویسندگان
1 استاد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
2 دانشجوی کارشناسی ارشد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Abstract:
The present study analyzed changes in land use and its effects on the runoff of Qara Chai Watershed in Hamadan Province using the SWAT model. To this aim, Landsat OLI-TM satellite images of the years of 2001-2020 were used. First, the relevant images were obtained and the necessary pre-processing steps, including atmospheric corrections, were applied by using the FLAASH method. To increase the classification accuracy, the multispectral images were combined with the panchromatic images and the spatial resolution was enhanced up to 15 m. Then, the classification process was done by using the object-oriented method and the nearest neighbor algorithm. The SWAT model was utilized for hydrological simulation of the basin and SUFI-2 algorithm was applied in SWAT-CUP software for conducting sensitivity analysis, calibration, and validation. Due to the sensitivity of the model to the initial loss parameter, it was recalibrated based on the initial loss values. The values of the coefficients for the calibration period were between 0.72 and 0.90 and the model validation results confirmed the calibration accuracy. Assessment of the efficiency of the model by using Nash Sutcliffe coefficients, p-factor, R, and r-factor indicated its high capability for simulating the related runoff.
Keywords: Land Use, Runoff, SWAT model
Introduction
Land use and its fluctuations are among the factors that affect natural cycles in ecosystems. Land use change has several effects on the hydrology of watersheds, such as changing the characteristics of peak discharge, total volume of runoff water, water quality, and hydrological balance. Changing land use and soil cover has some effects on runoff, infiltration, retention, evaporation, transpiration, etc. The runoff caused by rainfall in watersheds causes erosion and loss of surface fertile soil and finally leads to sedimentation in canals, rivers, and reservoirs of dams in addition to human and financial losses triggered by floods. Nowadays, it is possible to study land use changes through satellite images and remote sensing science The geographic information system as a suitable tool for extracting and classifying information has greatly contributed to the studies related to the effects of land use changes.
SWAT model is a hydrological simulator and a continuous spatio-temporal semi-distributed model with a physical base. It has been used to simulate hydrological processes in complex and vast watersheds with regard to soil changes, land use, and weather conditions during different periods for a long time.
Methodology
Qara Chai Basin with an area of about 11000 km2 (based on the political border) is the largest watershed in Hamadan Province. It has got the geographical coordinates of 13° 48° to 29° 49° east longitude and 12° 34° to 35° 44° north latitude. It is drained by Qara Chai River and its branches. This basin is the most flood-prone part of Hamadan Province in terms of flood situation.
In the studied plan, the area of Qara Chai Catchment (11000 km2) was divided into 18 sub-basins. The SWAT model was used to obtain the data of the land use, soil, and slope maps and build the hydrological response units. Separate grids were introduced to the model. After introducing two maps of land use, as well as soil and slope classes, to the SWAT model, all the rasterized maps were combined and integrated to produce the hydrological reaction units of the basin. Due to the fact that the land use maps had changed in two time periods and thus had different characteristics, the hydrological response units were affected by the land use type in addition to the soil type and slope. Therefore, Therefore, the number of the hydrological reaction units changed
After forming the basin and hydrological response units, the meteorological data required by the SWAT model were introduced to the model. Then, the output of this model was linked with SUFI-2 program in SWAT-CUP software and the important parameters of the SWAT model for the watershed were sensitized with the help of SUFI-2 algorithm for the statistical period of 2002-2021 by applying the method of one parameter at a time. The parameters, which were more sensitive, were identified and their optimal values were determined. In short, the model was recalibrated for the land uses of 2001 and 2020 during the statistical periods of 2001-2008 and of 2013-2020, respectively. It was validated for the statistical period of 2009-2012. Using the statistical criteria of Nash Sutcliffe coefficient, p-factor, and r-factor both for the calibration and validation periods, the statistical analysis was done and the statistical results were checked by using the SWAT-CUP program.
Results and Discussion
In the present research, land use changes and its effects on the runoff of Qara Chai Basin were analyzed by using the SWAT model. To simulate the runoff by using the mentioned model and SUFI-2 algorithm, the effective parameters on the runoff were identified from among the 29 parameters examined in the sensitivity analysis via the sensitivity analysis technique. 14 variables were found to affect the simulation. Finally, the runoff in the Qara Chai Catchment was identified. Due to the sensitivity of the model to the initial loss parameter, it was recalibrated based on the initial loss values. Then, using the SUFI-2 algorithm, the model was calibrated and validated for the period of 2001-2020. Examining the efficiency of the model by using Nash Sutcliffe coefficients, p-factor, R, and r-factor resulted in the values between 0.72 and 0.90, which indicated the high capability of the model for simulating the runoff. The validation results of the model also confirmed the correctness of the performed calibration. To measure the influences of land use change on the amount of runoff, two SWAT models were prepared by using two separate land use maps, including those of 2001 and 2020 for Qara Chai Watershed. The results of land use changes from 2001 to 2020 showed that the most changes in land use included those of the lands without vegetation cover with an area of 2550 km2 and mixed irrigated and rainfed agriculture lands with an area of 1298.5 km2. Changes in the lands without vegetation had been decreasing and those of the lands related to the mixture of irrigated and rainfed agriculture had been increasing. Also, the least changes were related to the pastures (16.6 km2) with poor canopy coverage.
Conclusion
The results related to land use changes from 2003 to 2021 showed that the most changes in land use included those related to the lands without vegetation cover and mixed irrigated and rainfed agriculture lands with the areas of 2550 and 1298.5 km2, respectively. The changes were decreasing in the lands without vegetation and increasing in the lands related to the mixture of irrigated and rainfed agriculture. Also, the least changes were related to the pastures (16.6 km2) with poor canopy cover.
Due to the sensitivity of the model to the initial loss parameter, it was recalibrated based on the initial loss values. The validation results of the model showed good validity of calibration. Also, the results of this research revealed that the use of remote sensing techniques and combined images for extracting land use data provided a significant help to accurate studies of the effects of land use changes on runoff and their simulation by the SWAT model.
References
- Ali, M., Khan, S. J., Aslam, I., & Khan, Z. (2011). Simulation of the impacts of land-use change on surface runoff of Lai Nullah Basin in Islamabad, Pakistan. Landscape and Urban Planning, 102(4), 271-279.
- Chen, Y., Xu, Y., & Yin, Y. (2009). Impacts of land use change scenarios on storm-runoff generation in Xitiaoxi basin, China. Quaternary International, 208(1-2), 121-128.
- De Andrade Farias, C. W. L., Montenegro, S. M. G. L., de Assunção Montenegro, A. A., de Sousa Lima, J. R., Srinivasan, R., & Jones, C. A. (2020). Modeling runoff response to land-use changes using the SWAT model in the Mundaú watershed, Brazil. Journal of Environmental Analysis and Progress, 5(2), 194-206.
- Ewen, J., & Parkin, G. (1996). Validation of catchment models for predicting land-use and climate change impacts. Method. Journal of Hydrology, 175(1-4), 583-594.
- Fohrer, N., Steiner, N., & Moller, D. (2002). Multidisciplinary Trade-off Function for Land Use Option in Low Mountain Ranges Area: A Modelling Approach. Third International Conference on Water Resources and Environment Research. Dresden University of Technology, 387-391.
- George, C., & James, E. J. (2013). Simulation of streamflow using soil and water assessment tool (SWAT) in Meenachil river basin of Kerala, India. Scholars Journal of Engineering and Technology, 1(2), 68-77.
- Howarth, P. J., & Wickware, G. M. (1981). Procedures for change detection using Landsat digital data. International Journal of Remote Sensing, 2(3), 277-291.
- Koneti, S., Sunkara, S. L., & Roy, P. S. (2018). Hydrological modeling with respect to impact of land-use and land-cover change on the runoff dynamics in Godavari River Basin using the HEC-HMS model. ISPRS International Journal of Geo-Information, 7(6), 206.
- Li, K. Y., Coe, M. T., Ramankutty, N., & De Jong, R. (2007). Modeling the hydrological impact of land-use change in West Africa. Journal of Hydrology, 337(3-4), 258-268.
- Li, Z., Liu, W. Z., Zhang, X. C., & Zheng, F. L. (2009). Impacts of land use change and climate variability on hydrology in an agricultural catchment on the Loess Plateau of China. Journal of Hydrology, 377(1-2), 35-42.
- Melesse, A. M., & Shih, S. F. (2002). Spatially distributed storm runoff depth estimation using Landsat images and GIS. Computers and Electronics in Agriculture, 37(1-3), 173-183.
- Neitsch, S. L., Arnold, J. G., Kiniry, J. R., & Williams, J. R. (2011). Soil and water assessment tool theoretical documentation version 2009. Texas Water Resources Institute.
- Taia, S., Erraioui, L., Mbrenga, N. C., Chao, J., El Mansouri, B., Haida, S., & Taj-Eddine, K. (2021). Assessment of soil erosion using two spatial approaches: RUSLE and SWAT Model. In E3S Web of Conferences (Vol. 234, p. 00082). EDP Sciences.
- Vaze, J., Post, D. A., Chiew, F. H. S., Perraud, J. M., Viney, N. R., & Teng, J. (2010). Climate non-stationarity validity of calibrated rainfall–runoff models for use in climate change studies. Journal of Hydrology, 394(3-4), 447-457.
کلیدواژه‌ها [English]
مقدمه
حوضۀ آبریز یک سیستم باز با ورودی‌های انرژی خورشیدی و نزولات جوی است و با اعمال فرایندهایی روی ورودی‌ها، خروجی‌هایی مانند دبی، رسوب و پوشش گیاهی تولید می‌کند؛ بنابراین خروجی‌های حوضۀ آبریز تحت‌تأثیر ویژگی‌های داخلی حوضه ازجمله زمین‌شناسی، فیزیوگرافی، کاربری اراضی و پوشش گیاهی است. اثر تغییرات کاربری اراضی و پوشش گیاهی در نفوذ و رواناب اهمیت زیادی دارد (بلواسی، 332:1399). تغییرات کاربری اراضی باعث ایجاد تغییرات بسیار وسیعی در پدیده‌های هیدرولوژیکی میشود. تغییر کاربری زمین شامل تغییر نوع کاربری‌ها، نحوۀ پراکنش و الگوهای فضایی فعالیت‌ها و کاربری‌هاست. آشکارسازی تغییرات، فرایندی است که امکان مشاهده و تشخیص تفاوت‌ها و اختلافات سری زمانی پدیده‌ها، عارضه‌ها و الگوهای سطح زمین را فراهم می‌کند (اصغری سراسکانرود و همکاران، 51:1396). تغییر کاربری اراضی بر هیدرولوژی حوضه‌های آبخیز اثراتی مانند تغییر خصوصیات دبی اوج، حجم کل آب رواناب، کیفیت آب و تعادل هیدرولوژیکی دارد. رواناب ناشی از بارندگی در حوضه‌های آبخیز علاوه بر خسارت‌های جانی و مالی ناشی از سیل، باعث فرسایش و از بین رفتن خاک حاصلخیز سطحی میشود و درنهایت، رسوب‌گذاری در مسیل‌ها، رودخانه‌ها و مخازن سدها را به‌دنبال دارد.
درک رابطۀ بین تغییرات کاربری اراضی و عوامل به‌وجودآورندۀ آن و اثرات ثانوی آن بر رژیم هیدرولوژیکی، اطلاعات باارزشی را برای برنامه‌ریزی استفاده از زمین و مدیریت پایدار منابع طبیعی فراهم می‌کند. هرچند تغییرات کاربری اراضی یک حوضه، آشکار، برآورد دقیق این پیامدها بسیار دشوار است. تغییرات شدید کاربری اراضی در کوتاه‌مدت باعث اختلال در سیستم هیدرولوژیکی هم به‌صورت افزایش مقدار آب از طریق سیلاب و هم کاهش آب از طریق کاهش یا حذف جریان کمینه می‌شوند. در این مورد تغییرات کاربری اراضی علاوه بر تغییر جریان سطحی بر جریان زیر سطحی و آب زیرزمینی نیز اثرگذارند؛ از این رو، شناخت آثار تغییر کاربری اراضی بر پاسخ‌های هیدرولوژی حوضۀ آبخیز موردمطالعه (قرهچای) راهگشای تعیین استراتژی مناسب در توسعۀ پایدار منابع آب حوضۀ آبخیز است.
برای شبیه‌سازی رابطۀ بارش – رواناب مدل‌های هیدرولوژی متفاوتی طراحی شده است (نظری پویا و همکاران، 100:1394). مدل‌های هیدرولوژی به سه دستۀ تجربی، مفهومی و مدل‌های با مبنای فیزیکی توزیعی تقسیم‌بندی می‌شوند. دستۀ اول این مدل‌ها آشکارا قوانین فیزیکی است که فرایندها را در نظر نمی‌گیرد و فقط با تابع تبدیلی ورودی را به خروجی ارتباط می‌دهد. دستۀ دوم، مدل‌های مفهومی است که براساس مطالعات محدود فرایندهای موجود در سامانۀ هیدرولوژی حوضۀ آبریز است. دستۀ سوم، مدل‌هایی با مبنای فیزیکی توزیعی هستند که در سال‌های اخیر مدل‌هایی با ماهیت نیمه توزیعی[1] تهیه شده و اغلب در شبیه‌سازی حوضه‌های وسیع موفق عمل کرده‌اند. یکی از این مدل‌های نیمه توزیعی، که در نقاط گوناگون جهان استفاده شده، مدل هیدرولوژیکی [2]SWAT است (نظری پویا و همکاران، 100:1394). مدل SWAT یک شبیه‌ساز هیدرولوژیکی و مدل زمان پیوسته و نیمه توزیعی مکانی با پایۀ فیزیکی است (نوری و همکاران، 775:1397) که برای شبیه‌سازی فرایندهای - هیدرولوژیکی در حوضه‌های آبخیز وسیع با توجه به تغییرات خاک، کاربری اراضی و شرایط آب‌وهوایی در دوره‌های طولانی‌مدت کاربرد دارد. در شبیه‌سازی با مدل SWAT نقشه‌های کاربری اراضی یکی از موارد ضروری برای شبیه‌سازی و اجراکردن مدل است.
محققان فراوانی در داخل و خارج از کشور به ارزیابی تأثیر تغییرات کاربری ارضی بر میزان رواناب توجه کرده‌اند که در ادامه، به برخی از این پژوهش‌ها اشاره شده است. رستمیان (1385) مدل SWAT را برای شبیه‌سازی رواناب و رسوب در حوضۀ آبخیز بهشت‌آباد از زیر حوضه‌های کارون شمالی به کار برد. نتایج این پژوهش نشان‌دهندۀ آن بود که SWAT رواناب را بهتر از رسوب شبیه‌سازی می‌کند. از علت‌های ضعف مدل در شبیه‌سازی رواناب در بعضی از ماه‌ها به خوب شبیه‌سازی‌نکردن ذوب برف، فرضیات مدل در انتقال جریان در لایه‌های یخ‌زده و اشباع و آمار هواشناسی کوتاه‌مدت اشاره میشود. از علت‌های ضعف مدل در شبیه‌سازی رسوب به شبیه‌سازی جریان، تعداد کم داده‌ها و صحت داده‌های رسوب و همچنین نبودِ پیوستگی اطلاعات رسوب توجه میشود؛ همچنین مدل SWAT قادر به شبیه‌سازی جریان‌های حداکثر نیست. غفاری و همکاران (1388) با استفاده از مدل SWAT به‌منظور شبیه‌سازی بیلان آبی، تأثیر هیدرولوژی را بر تغییر کاربری اراضی حوضۀ آبخیز زنجان رود طی 40 سال اخیر ارزیابی کردند. نتایج این پژوهش نشان‌دهندۀ آن بود که تأثیرات جالب‌توجه تغییرات کاربری اراضی روی بار آبی و جریان رودخانه‌ای است. به‌طوری که تغییرات کاربری اراضی موجب افزایش مقدار رواناب سطحی حدود 33 درصد و کاهش سطح سفره‌های آب زیرزمینی به میزان 22 درصد شده است.
حاجی حسینی و همکاران (1394) در مطالعۀ تغییرات کاربری اراضی بر رواناب حوضۀ فرامرزی هلمند (افغانستان) طی دورۀ 1990 تا 2012 میلادی با استفاده از اطلاعات ماهوارهای و مدل شبیه‌ساز SWAT به بررسی دلایل کاهش جریان این رودخانه توجه کرده که تأثیر مستقیمی بر روند خشک‌شدن تالاب‌های بین‌المللی هامون داشته است. نتایج نشان‌دهندۀ آن است که متوسط آورد سالیانه در شرایط اعمال تغییرات تدریجی کاربری اراضی مقدار 78/4 (کیلومترمربع) را دارد؛ در حالی که با حفظ کاربری 1990 و 2011 اجرای مجدد آن، به‌ترتیب متوسط آورد سالیانه 1/5 و 28/4 (کیلومترمربع) را در سال سبب میشود. به عبارت دیگر، توسعۀ بخش کشاورزی در دشت هیرمند کاهش متوسط 800 میلیون مترمکعبی را در سال به‌همراه داشته است. مطلق و همکاران (1397) تأثیر تغییر کاربری را بر رواناب رودخانۀ مارون در ایستگاه ایدنک با استفاده از داده‌های سنجش از دور و مدل SWAT بررسی کردند. بدین منظور از شبیه‌سازی رواناب ماهانه، تحلیل حساسیت، بهینه‌سازی پارامترهای حساس، بررسی تأثیر تغییر کاربری اراضی طی چهار دهۀ اخیر بر کمیت و کیفیت رودخانۀ مارون در ایستگاه خروجی حوضۀ آبخیز مارون (ایدنک) در استان کهگیلویه و بویراحمد استفاده کرده‌اند. برای این مقصود از مدل نیمه توزیعی SWAT و برنامۀ SUFI2 و در قالب بستۀ نرم‌افزاری SWAT CUP برای تحلیل حساسیت، واسنجی، صحت‌سنجی و آنالیز نبودِ قطعیت بهره گرفته است. مقایسۀ اثر گزینه‌های مدیریتی کاربری اراضی بر مؤلفه‌های مختلف چرخۀ هیدرولوژیکی و همچنین مقادیر مختلف رواناب نشان‌دهندۀ آن است که سناریوی بدبینانه در منطقه اتفاق افتاده است. با ادامۀ روند تخریبی در کاربری اراضی به‌سمت حالت قهقرایی، مقادیر مختلف رواناب افزایش و نفوذپذیری و آبگذری به آبخوان‌های سطحی و عمیق کاهش می‌یابد.
لی[3] و همکاران (2009) با استفاده از مدل هیدرولوژیکی SWAT اثرات تغییر کاربری اراضی و تغییرات اقلیمی را روی هیدرولوژی سطحی (رواناب، تبخیر و تعرق) در حوضۀ آبخیز فلات لس چین ارزیابی کردند. آنها دریافتند که طی سال آماری 2000-1981 حدود 5/4 درصد از سطح حوضۀ تغییرات زیادی در تبدیل زمین‌های بوته‌زار و اراضی جنگلی پراکنده به مرتع با درجۀ متوسط و بالا داشته و اقلیم به‌سمت گرم‌شدن و خشک‌شدن پیش رفته است؛ همچنین در طول سال آماری 1990-1980 سهم تغییرات اقلیمی در کاهش رواناب به‌مراتب بیشتر از تغییر کاربری اراضی بوده است. فوهرر[4] و همکاران (2002) با استفاده از GIS توزیع مکانی سناریوهای تغییر کاربری اراضی را مشخص کردند. سپس با مدل هیدرولوژیکی SWAT-G تأثیر این سناریوها را بر تعادل آبی حوضۀ آبخیز پیش‌بینی کردند. نتایج نشان‌دهندۀ آن بود که با کاهش سطح جنگل‌ها، تبخیر و تعرق واقعی حوضه به مقدار 50 میلی‌لیتر کم میشود که بخش کمی آن (15 میلی‌متر) در تغذیۀ آب‌های زیر سطحی شرکت کرده و بخش اصلی آن (35 میلی‌متر) به رواناب سطحی و جریان زیر قشری حوضه اضافه میشود؛ بنابراین باعث افزایش خطر بالقوۀ سیل در منطقه میشود.
کلین[5] و همکاران (2013) در زیر حوضۀ کرالای هندوستان، توانمندی‌های مدل SWAT را در شبیه‌سازی رواناب بررسی کردند و نتیجه گرفتند که مدل در شرایط آب‌وهوایی و تغییر کاربری اراضی توانایی زیادی در شبیه‌سازی و برآورد رواناب دارد. لی و همکاران (2007) در پژوهش (حوضه‌ای در غرب آفریقا) با استفاده از مدل SWAT نشان دادند که تغییر کاربری حوضه‌ها از جنگل، مرتع و بوته‌زار به اراضی کشاورزی یا مناطق شهری سبب تغییر واکنش هیدرولوژی حوضه میشود. آنها به این نتیجه رسیدند که تغییر کاربری اراضی سبب افزایش در حجم سطحی، کاهش تغذیۀ منابع آب زیرزمینی و آب پایۀ رودخانه‌ها و تغییر در مقدار روان آب و شدت فرسایش رسوب میشود. با توجه به مطالب فوق در این پژوهش، سعی بر آن است تا اثر تغییرات کاربری اراضی روی رواناب حوضۀ رودخانۀ قرهچای که وسیع‌ترین حوضۀ آبخیز استان همدان است، براساس تصاویر ماهوارهای لندست در بازۀ زمانی نوزده‌ساله و روند تغییرات با استفاده از مدل SWAT بررسی شود.
مواد و روش‌ها
معرفی منطقۀ موردمطالعه
حوضۀ قرهچای با مساحت حدود 11000 کیلومترمربع (براساس مرز سیاسی)، وسیع‌ترین حوضۀ آبخیز استان همدان بوده و دارای مختصات جغرافیایی ' 13 °48 تا ' 29 ° 49 طول شرقی و ' 12 °34 تا ' 44 35° عرض شمالی است و توسط رودخانۀ قرهچای و شعبات فرعی آن زهکشی میشود (شایان و همکاران، 143:1395). این حوضه، سیل‌خیزترین بخش استان همدان است که براساس آمار، وضعیت سه دشت همدان، کبودرآهنگ و رزن حادتر از سایر مناطق است. طول رودخانۀ اصلی تا خروجی ایستگاه عمرآباد حدود 270 کیلومتر و ارتفاع متوسط و شیب متوسط حوضه به‌ترتیب 1927 متر و 6 درصد است.
این حوضه از قسمت جنوب غربی به دامنه‌های شمالی و شرقی رشته‌کوه زاگرس با حداکثر ارتفاع 3580 متر (قلۀ الوند) از قسمت شمال غربی مشترک با مرز حوضۀ سفیدرود و از قسمت شمال و شمال شرقی به دامنه‌های جنوبی رشته‌کوه‌های آوج محدود و شامل شهرهای همدان، رزن، بهار، کبودرآهنگ، فامنین، قهاوند و اسدآباد است. ازنظر وضعیت شبکه، آبراه‌های این حوضه دارای سه شاخۀ مهم منشعب از دامنه‌های شمالی رشته‌کوه الوند، آوج و آبراهۀ ورودی از سمت شرقی استان است. این رود پس از عبور از بخش شراء با جهت جنوب به شمال در حوالی روستای عمرو آباد به شاخۀ غربی قرهچای میپیوندد. شاخۀ غربی از کوه‌های الوند همدان سرچشمه گرفته است و از به هم پیوستن شش رود کوچک به وجود می‌آید که در دشت رزن و بهار به نام سیمینه رود نامیده میشود. در دشت کبودرآهنگ شاخۀ فرعی زهتران خمیگان از شمال به جنوب جریان یافته که این رودخانه در انتهای بخش شراء با رودخانۀ فوق یکی شده است، به طرف ساوه جریان پیدا می‌کند، در ساوه نیز رود مزلقان (مزدقان) وارد قرهچای شده است و پس از گذشتن از دشت ساوه به کویر نمک می‌ریزد.
ازلحاظ خصوصیات اقلیمی متوسط میزان بارندگی طی دورۀ آماری 40 ساله برابر 8/253 میلی‌متر است. در گرم‌ترین ماه سال میانگین حداکثر دمای هوای همدان به حدود 34 درجۀ سانتی‌گراد و در سردترین ماه سال این رقم به حدود 7/2 درجۀ سانتی‌گراد کاهش می‌یابد. در گرم‌ترین ماه سال میانگین کمترین دمای هوای همدان به 14 درجه و در سردترین ماه سال این رقم به منهای 9 درجۀ سانتی‌گراد کاهش می‌یابد (دین پژوه 1389، 270).میانگین سالانۀ دبی اندازه‌گیری‌شده برابر77/9 متر مکعب در ثانیه مربوط به ایستگاه عمرآباد و نیز متوسط ارتفاع جریان3/21 میلی‌متر است.
دشت کبودرآهنگ واقع در قسمت‌های مرکزی و غربی به علت شرایط فیزیوگرافی و خاکشناسی از مناطق مستعد جاری‌شدن سیل بوده است که سالیانه خسارات مالی و جانی فراوانی به روستاها و شهرهای آن وارد میشود. سه رودخانۀ اصلی لاله‌دان، شیرین‌سو و ایده‌لو به یکدیگر ملحق شده‌اند و درنهایت، از شهرستان کبودرآهنگ عبور می‌کنند. دشت‌های قهاوند و رزن نیز از دیگر نقاط سیل‌گیر این حوضه هستند.
شکل (1) میانگین بیشترین و کمترین دما، کمترین دمای مطلق، بیشترین دمای مطلق و میانگین بارش ماهانۀ ایستگاه یلفان
(منبع: نویسندگان،1401)
Figure (1) Average highest and lowest temperature, lowest absolute temperature, highest absolute temperature and average monthly rainfall of Yalfatan station (Source: Authors, 1401)
شکل (2) موقعیت حوضۀ قرهچای در استان همدان (منبع: نویسندگان،1401)
Figure (2) Location of Qara Chai basin in Hamadan province (sources: authors, 1401)
داده‌های مورداستفاده در مدل SWAT
SWAT که مخفف عبارت Soil and Water Assessment Tools است، از سوی آرنولد (1998) برای سرویس تحقیقات کشاورزی آمریکا تهیه شده و از زمان ایجاد تاکنون قابلیت‌های آن به‌طور پیوسته در حال توسعه است. مدل SWAT یک مدل مفهومی- نیمه توزیعی در مقیاس حوضه است که دارای بازدۀ محاسباتی زیاد است. این مدل یک مدل پیوستۀ زمانی است که در گام‌های زمانی ساعتی، روزانه یا طولانی‌تر اجرا میشود. در این مدل هر حوضه به چند زیر حوضه و هر یک از زیر حوضه‌ها به چند واحد پاسخ هیدرولوژیک تقسیم میشود که ازنظر کاربری اراضی و خصوصیات خاک و مدیریت همگن هستند. رواناب در هر واحد پاسخ هیدرولوژیک به‌طور مستقل محاسبه میشود تا درنهایت، مقدار کل رواناب حوضه محاسبه شود. این کار دقت محاسبات را افزایش داده و توصیف فیزیکی بسیار بهتری از بیلان آبی حوضه به دست می‌دهد. مدل SWAT مجموعه‌ای از معادلات ریاضی و فرمول‌های تجربی متعدد است. این مدل برای شبیه‌سازی پارامترهای متفاوت به‌صورت روزانه، ماهانه و سالانه طراحی شده است. این مدل مبنای فیزیکی دارد، دارای قابلیت اتصال به محیط‌های GIS است و محدودیتی ازنظر ورود حجم وسیعی از اطلاعات در حوضه‌های وسیع ندارد. چنین مدلی از اطلاعات ویژه‌ای شامل اقلیم، خاک، توپوگرافی، پوشش گیاهی و کاربری اراضی در حوضه برای شبیه‌سازی استفاده می‌کند (نیتچ و همکاران، 2005). اصلی‌ترین معادله در تجمیع رواناب معادلۀ بیلان آب است. رواناب سطحی به روش شمارۀ منحنی برای هر واحد واکنش هیدرولوژیکی شبیه‌سازی و سرانجام کل رواناب برای حوضۀ روندیابی میشود که در ادامه، به اختصار توضیح داده شده است. روند کلی مراحل انجام پژوهش به‌صورت خلاصه در شکل (3) نشان داده شده است.
شکل (3) نمودار جریانی مراحل انجام مدل SWAT در پژوهش حاضر (منبع: نویسندگان، 1401)
Figure (3) Flow chart of SWAT model implementation steps in the current research
(source: authors, 1401)
تهیۀ نقشۀ کاربری اراضی: کاربری اراضی، یکی از مهم‌ترین فاکتورهایی است که مقادیر رواناب، تبخیر و تعرق و فرسایش سطحی حوضه را تحت‌تأثیر قرار می‌دهد. در پژوهش حاضر نیز با هدف استخراج کاربری اراضی حوضۀ آبخیز قرهچای، ابتدا تصاویر ماهوارهای لندست (OLI – TM ) تهیه شد. برای به دست آوردن نتایج مقبول از تصاویر ماهوارهای، به‌منظور رسیدن به این نظر و رفع برخی خطاهای موجود در تصاویر، انجام مرحلۀ پیش‌پردازش تصاویر ماهوارهای ضروری است که شامل تصحیحات هندسی و اتمسفری است (ابراهیمی و همکاران، 141:1396)؛ بنابراین به علت زمین مرجع بودن تصاویر موردنیاز، تصحیحات اتمسفری روی تصاویر به روش FLAASH انجام شد. در این روش اتمسفر، مدل‌سازی و براساس مدل‌سازی انجامشده اثرات اتمسفر به کمترین رسانده شده است. برای اینکه دقت کافی در بحث محاسبات عددی حاصل شود، عملیات (RESCAAL) روی تصاویر تصحیح‌شده انجام شد تا ارزش عددی پیکسل‌ها، بین صفر و یک قرار بگیرد. در تصویر لندست 8، برای افزایش دقت طبقه‌بندی روش تلفیق تصاویر چند طیفی[6] با تصویر پنکروماتیک انجام یافته است و قدرت تفکیک مکانی به 15 متر ارتقا یافت. در مرحلۀ پردازش تصاویر با توجه به تنوع دادۀ ماهوارهای و تفکیک‌پذیری طیفی آن در این پژوهش، طبقه‌بندی کاربری زمین به‌صورت شیءگرا در محیط نرم‌افزاری eCognition انجام شد. در پژوهش حاضر، از روش قطعه‌بندی مالتی رزولوشن[7] استفاده که با روش آزمون و خطا سعی شد، بهترین ترکیب ضریب شکل و فشردگی و مقیاس اشیا انتخاب شود. در جدول (1) مشخصات تصاویر استفاده‌شده نشان داده شده است.
جدول (1) مشخصات تصاویر اخذشده (https://earthexplorer.usgs.gov/) (منبع: نویسندگان، 1401)
Table (1) Specifications of the obtained images (https://earthexplorer.usgs.gov/)
(Source: Authors, 1401)
|
ردیف Row |
ماهواره Sattelait |
سنجنده Sensor |
تاریخ تصویر Image date |
تعداد باند Number of bans |
قدرت تفکیک
|
تعداد تصاویر |
|
1 |
لندست 5 Landsat5 |
TM |
2001/0601 |
5 |
30 |
1 |
|
2 |
لندست 8 Landsat8 |
OLI |
2020/07/12 |
6 |
30 |
1 |
نقشۀ مدل رقومی ارتفاعی (DEM): این نقشه به‌صورت GRID یا shp به مدل SWAT معرفی شد و نشان‌دهندۀ تغییرات ارتفاع در منطقۀ موردمطالعه برحسب متر است. ابتدا لایۀ رقومی ارتفاع به‌صورت رستر به مدل فراخوان میشود تا مرز حوضه با استفاده از آن تعیین، با توجه به هدف کاربر، مرز زیر حوضه‌ها ترسیم و شبکۀ جریان رودها بارزسازی شود. این نقشه به‌صورت درجه‌بندی‌شده یا شیپ فایل به مدل معرفی میشود و نشان‌دهندۀ تغییرات ارتفاع در حوضه برحسب متریک است.
شکل (4) نقشۀDEM حوضۀ قرهچای در استان همدان (منبع: نویسندگان، 1401)
Figure (4) DEM map of Qara Chai basin in Hamadan province (source: authors, 1401)
ضریب کاپا: یک شاخص آماری است که از ماتریس خطا[8] به دست می‌آید و صحت طبقه‌بندی را نسبت به یک طبقه‌بندی تصادفی بیان می‌کند. برای محاسبۀ این ضریب از رابطۀ زیر استفاده شد:
فرمول (1):
:Xii تعداد مشاهدات در ردیف i و ستون N؛ :i, تعداد عناصر ماتریس خطا؛ :xi به‌ترتیب مجموع سطر iام و ستون k؛ :i, تعداد ردیف‌ها در ماتریس؛ :kapa دقت تصویر. در مواردی که مقایسۀ صحت طبقه‌بندی موردتوجه است، از ضریب کاپا استفاده میشود. دامنۀ کاپا بین صفر و یک است که عدد یک نشان‌دهندۀ همسویی صددرصد نقشۀ طبقه‌بندی‌شده با واقعیت زمینی است. ضریب کاپای بیش از 8/0 درصد نشان‌دهندۀ قوی و همسوبودن طبقه‌بندی با واقعیت زمینی است. اگر این مقدار بین 4/0 تا 8/0 باشد، یک طبقه‌بندی متوسط و کمتر از 4/0 نشان‌دهندۀ طبقه‌بندی ضعیف است (جلیلیان، 40:1397).
داده‌های هیدرومتری: در مدل‌سازی با استفاده از مدل SWAT مانند سایر مدل‌های هیدرولوژیک لازم است که پس از شبیه‌سازی، مدل ساخته‌شده واسنجی و اعتبارسنجی شود. ازجمله داده‌های مورداستفاده: آمار بلندمدت رواناب و رسوب[9] اندازه‌گیری‌شده در خروجی حوضه یا حوضه‌های آبخیز موردمطالعه است. برای شبیه‌سازی رواناب سطحی از روش شمارۀ منحنی استفاده‌شده، این داده‌ها (نقشۀ کاربری اراضی، مدل رقومی ارتفاعی، داده‌های هیدرومتری، نقشه‌های خاکشناسی و داده‌های روزانۀ بارندگی) با توجه به گام‌های زمانی در شبیه‌سازی هیدروژیکی (ماهانه) آماده شد. در این پژوهش از داده‌های بازۀ زمانی 1380تا 1399 استفاده شده است.
جدول (2) مختصات ایستگاه‌های هیدرومتری حوضۀ قرهچای استان همدان (منبع: نویسندگان، 1401)
Table (2) coordinates of the hydrometric stations of Qara Chai basin in Hamadan province
(source: authors, 1401)
|
نام ایستگاه |
طول جغرافیایی (درجه) |
عرض جغرافیایی (درجه) |
ارتفاع ایستگاه (متر) |
میانگین دبی سالانه(m3/s )دورۀ 1380- 1399 |
انحراف معیار میانگین دبی سالانه (m3/s ) |
|
یلفان |
36/48 |
43/34 |
1999 |
129/1 |
361/0 |
|
بهادربیگ |
60/44 |
66/38 |
1994 |
471/0 |
289/0 |
|
تقسیم آب |
27/48 |
45/34 |
2088 |
459/0 |
213/0 |
|
توئیجین |
46/48 |
82/34 |
1841 |
483/0 |
355/0 |
|
سیاه کمر |
99/47 |
28/34 |
1757 |
166/1 |
542/0 |
|
قره اغاج |
07/45 |
87/38 |
2047 |
087/0 |
009/0 |
|
کوشک آباد |
99/46 |
63/38 |
25/17 |
123/1 |
309/1 |
|
سولان |
46/48 |
82/34 |
1841 |
288/0 |
153/0 |
|
عباس‌آباد |
27/48 |
45/34 |
2087 |
466/0 |
535/0 |
|
ابرو |
45/47 |
42/38 |
2770 |
181/0 |
158/0 |
|
جگنلو |
06/48 |
64/34 |
1802 |
218/0 |
130/0 |
|
قراکند |
77/48 |
36/35 |
1762 |
402/0 |
218/0 |
|
قلعۀ جوق |
63/48 |
35/52 |
2080 |
416/0 |
232/0 |
|
سوباشی |
82/48 |
27/34 |
1773 |
108/1 |
521/0 |
|
زهتران |
40/48 |
02/34 |
1658 |
211/0 |
101/0 |
|
عمرآباد |
68/48 |
20/34 |
1679 |
275/0 |
157/0 |
|
خمیگان |
53/48 |
85/34 |
1749 |
245/0 |
132/0 |
نقشۀ خاکشناسی: اطلاعات خاکشناسی از اساسی‌ترین اطلاعات موردنیاز مدل است. مدل SWAT خصوصیات مختلف فیزیکی- شیمیایی خاک از قبیل بافت خاک، درصد رطوبت در دسترس خاک، هدایت هیدرولیکی، چگالی حجمی، مقدار کربن آلی[10] و... برای مقدارهای مختلف خاک نیازمند است. داده‌های خاک، یک ورودی مهم برای هر مدل شبیه‌ساز هیدرولوژیکی است (اصغری سراسکانرود و همکاران، 73:1399). داده‌های خاک موردنیاز این پژوهش از جهاد کشاورزی استان همدان تهیه شد. شکل (5) نشان‌دهندۀ نقشۀ خاک حوضۀ قرهچای است.
شکل (5) نقشۀ خاک حوضۀ قرهچای واقع در استان همدان (منبع: نویسندگان، 1401)
Figure (5) Soil map of Qara Chai basin located in Hamedan province (source: authors, 1401)
داده‌های روزانۀ بارندگی: داده‌های بارش اغلب به‌صورت نقطه‌ای در ایستگاه‌های باران‌سنجی ثبت می‌شوند. داده‌های موردنیاز بارش از بخش مطالعات آب منطقه‌ای استان همدان تهیه و برای این پژوهش از داده‌های بازۀ زمانی 1380 تا 1399 استفاده شده است.
جدول (3) مختصات ایستگاه‌های باران‌سنجی مورداستفاده در پژوهش حاضر (منبع: نویسندگان، 1401)
Table (3) coordinates of rain gauge stations used in the current research (source: authors, 1401)
|
نام ایستگاه |
طول جغرافیایی (درجه) |
عرض جغرافیایی (درجه) |
ارتفاع ایستگاه (متر) |
|
اکباتان |
60/48 |
76/34 |
1957 |
|
آغاجانبلاغی |
06/46 |
84/34 |
1802 |
|
بابا پیرعلی |
35/47 |
63/34 |
1917 |
|
تویسرکان |
60/48 |
55/34 |
1783 |
|
درجزین |
06/49 |
35/35 |
1870 |
|
سولان |
46/48 |
82/34 |
1841 |
|
سوباشی |
26/48 |
15/35 |
2250 |
|
قره آکند |
77/48 |
36/35 |
1762 |
|
قلعۀ جوق |
63/48 |
35/52 |
2080 |
|
کوشک آباد |
55/48 |
03/35 |
1702 |
|
قهاوند |
98/48 |
85/34 |
1645 |
|
رزن |
01/49 |
35/35 |
1805 |
|
نوژه |
68/48 |
20/34 |
1679 |
|
همدان (فرودگاه) |
53/48 |
85/34 |
1749 |
روابط شاخص‌های ارزیابی مدل SWAT
روش‌های زیر برای ارزیابی مدل SWAT به کار گرفته شدند:
ضریب نش- ساتکلیف (NS)[11]
اخـتلاف نـسبی نشان‌دهندۀ مقـادیر مشاهده‌ای و شبیه‌سازی‌شده است و به‌صورت زیر بیان میشود:
فرمول (2):
که در آن، Qsi،Qmi ،Ǭm به‌ترتیب مقادیر رواناب شبیه‌سازی، رواناب اندازه‌گیری و میانگین مقادیر رواناب اندازه‌گیری‌شده هستند.
اگر برایP ، مقادیر بزرگ‌تر از 5/0 و برای R کمتر از 1 باشند، مطلوب هستند. P به‌صورت زیر است:
فرمول (3):
NOb برابر دادۀ مشاهده‌ای است که در محدودۀ 95 درصد قطعیت‌نداشتن تخمین (ppu 95) (حدود بالا و پایین ppu 95 برای هر دادۀ مشاهده‌ای) قرار گرفته و NT تعداد کل داده‌های مشاهده‌ای است.R نیز به‌صورت زیر است :
فرمول (4):
K تعداد نقاط مشاهده‌ای، XL و XU به‌ترتیب، حد پایین و بالای ppu 95 و ơx انحراف معیار متغیر اندازه‌گیری‌شدۀ X هستند.
ضریب تبیین (R2)[14]
رابطۀ برآورد ضریب تبیین به‌صورت زیر است:
فرمول (5):
که در آن 𝑄𝑖𝑠𝑖𝑚 مقدار برآوردی بر نقطۀ i ام، 𝑄𝑖𝑠𝑖𝑚 مقدار میانگین دبی برآوردی 𝑄𝑖𝑜𝑏𝑠 مقدار مشاهده‌ای برای نقطۀi ام، 𝑄𝑖𝑜𝑏𝑠𝑎𝑣 میانگین دبی مشاهداتی و n تعداد داده‌هاست.
نتایج و بحث
نتایج طبقه‌بندی کاربری اراضی
در این پژوهش، به‌منظور بررسی تأثیر کاربری اراضی بر پتانسیل تولید رواناب‌های سطحی در حوضۀ قرهچای با استفاده از سنجش از دور، سیستم اطلاعات جغرافیایی و مدل SWAT اقدام شد. به همین منظور نقشه‌های طبقه‌بندی کاربری اراضی محدودۀ قرهچای برای سال‌های (1380-1399) تهیه شد. شکل‌های (6 و 7) نشان‌دهندۀ نقشه‌های طبقه‌بندی کاربری اراضی مربوط به بازۀ زمانی مشخص‌‌‌شده هستند.
شکل (6) کاربری اراضی در حوضۀ آبریز قرهچای در سال 1380 (منبع: نویسندگان، 1401)
Figure (6) land use in the Qara Chai catchment area in 2010 (source: authors, 2011)
شکل (7) تغییرات کاربری اراضی در حوضۀ آبریز قرهچای در سال 1399 نسبت به سال 1380 (منبع: نویسندگان، 1401)
Figure (7) Land use changes in Qara Chai catchment area in 2019 compared to 2010 (source: authors, 2011)
صحت‌سنجی مدل
در این نقشه‌ها که کاربری اراضی حوضۀ آبخیز شامل 8 نوع کاربری (اراضی باغی، اراضی فاقد پوشش گیاهی، دریاچه، محدودۀ شهر، مخلوط زارعت آبی، مراتع خوب، مراتع با تاج پوشش فقیر، مراتع با تاج پوشش متوسط) است، مرز زیر حوضه‌ها در محیط GIS مشخص و رقومی شد. در مقایسۀ نقشه‌های سال‌های 1380 و 1399 تغییرات کاربری اراضی در برخی کلاس‌ها مشهود است. براساس این جدول در محدودۀ موردمطالعۀ اراضی باغی و فاقد پوشش گیاهی به‌ترتیب با 99/207 و 2550 کیلومترمربع کاهش مواجه بوده است. این در حالی است که سطح دریاچه، مخزن، سد آب، محدودۀ شهر و مخلوط زراعت آبی و دیم به‌ترتیب با 75/50، 950 و 5/1298 (کیلومترمربع) نشان‌دهندۀ افزایش است؛ همچنین در جدول (5) حاکی از تغییر مساحت کاربری‌های مختلف طی سال‌های موردبررسی از طریق تصاویر ماهوارهای است. در اینجا روند افزایشی مساحت مراتع خوب با 65/606 (کیلومترمربع) همچنین روند نزولی، کاهش مرتع با تاج پوشش فقیر و متوسط با 6/16 و 3/131 (کیلومترمربع) طی دوره‌های مختلف مشاهده میشود. نتایج به‌دست‌آمده از جدول (5) نشان‌دهندۀ آن است که در بازۀ زمانی سال‌های 1380 تا 1390 تغییرات زیادی مشاهده میشود که از عمده‌ترین این کاربری‌ها، به کاهش اراضی فاقد پوشش گیاهی اشاره میشود که به مرور مساحت خود را به دیگر کاربری‌ها همچون مناطق مسکونی و کشاورزی و دیمزار، اختصاص داده‌اند. به‌علاوه، کاربری مراتع با تاج پوشش فقیر و متوسط با گذشت زمان مساحتی رو به کاهش داشته و به مراتع خوب تبدیل شده است.
در جدول (4) ماتریس خطای طبقه‌بندی کاربری اراضی به روش حداکثر احتمال آورده که در آن صحت کل و ضریب کاپا مشخص شده است. با توجه به نتایج ضریب کاپا با 90/0 درصد برای سال 1380 و 85/0 درصد برای سال 1399 چنین برمی‌آید که نتیجه در سطح مقبولی است.
جدول (4) نتایج صحت‌سنجی خروجی تغییرات کاربری اراضی (منبع: نویسندگان، 1401)
Table (4) of the validation results of land use change output (sources: authors, 1401)
|
سال |
صحت کل |
ضریب کاپا |
|
1380 |
87/0 |
90/0 |
|
1399 |
90/0 |
850/0 |
|
نام کلاس |
مساحت 1380 (کیلومترمربع) |
درصد |
مساحت 1399 (کیلومترمربع) |
درصد |
تفاضل مساحت |
روند تغییرات |
|
اراضی باغی |
11/453 |
11/4 |
12/245 |
22/2 |
99/207- |
کاهشی |
|
اراضی فاقد پوشش گیاهی |
6/4997 |
43/45 |
6/2447 |
25/22 |
2550- |
کاهشی |
|
دریاپچه، مخزن و سد آب |
75/3 |
03/0 |
5/54 |
49/0 |
75/50 |
افزایشی |
|
محدودۀ شهر |
22/836 |
60/7 |
22/1786 |
23/16 |
950 |
افزایشی |
|
مخلوط زراعت آبی و دیم |
5/3298 |
98/29 |
4597 |
79/41 |
5/1298 |
افزایشی |
|
مراتع خوب |
46/1237 |
24/11 |
11/1844 |
76/16 |
65/606 |
افزایشی |
|
مرتع با تاج پوشش فقیر |
4/26 |
24/0 |
8/9 |
08/0 |
6/16- |
کاهشی |
|
مرتع با تاج پوشش متوسط |
95/146 |
33/1 |
65/15 |
14/0 |
3/131- |
کاهشی |
|
مجموع |
11000 |
100/0 |
11000 |
100/0 |
- |
- |
اجرای مدل SWAT
در طرح موردمطالعه با بهره‌گرفتن از مدل SWAT حوضۀ آبریز قرهچای با مساحت 11000 کیلومترمربع به 18 زیر حوضه تقسیم شد. در ادامه، برای ساخت واحدهای واکنش هیدرولوژی توسط مدل SWAT نقشۀ کاربری اراضی، خاک و شیب به‌صورت داده‌های رستری مجزا و جداگانه به مدل معرفی شدند. پس از معرفی دو نقشۀ کاربری اراضی، خاک و طبقات شیب به مدل SWAT تمامی نقشه‌های رسترشده ترکیب و ادغام شدند تا واحدهای عکس‌العمل هیدرولوژی حوضه تولید شود. منتهی به علت اینکه نقشه‌های کاربری اراضی در دو بازۀ زمانی دچار تغییر شده و ویژگی‌های متفاوتی را پیدا کرده‌اند، واحدهای عکس‌العمل هیدرولوژی علاوه بر نوع خاک و شیب، متأثر از نوع کاربری نیز می‌شوند؛ بنابراین تعداد واحدهای عکس‌العمل هیدرولوژی تغییر می‌کند.
پس از تشکیل حوضه و واحدهای پاسخ هیدرولوژیکی، داده‌های هواشناسی موردنیاز مدل SWAT به مدل معرفی شد. سپس خروجی این مدل با برنامۀ-2 SUFI در نرم‌افزار SWAT-CUP مرتبط، پارامترهای مهم مدل SWAT برای حوضۀ آبخیز به کمک الگوریتم SUFI-2 در دورۀ آماری 1380 تا 1399 به روش یک پارامتر در هر بار، حساسیت سنجی، پارامترهای حساس‌تر مشخص و مقادیر بهینه آنها تعیین شد. به‌طور خلاصه مدل برای کاربری اراضی سال 2001 و دورۀ آماری 2001 تا 2008 و برای کاربری اراضی 2020 و دورۀ آماری 2013 تا 2020 واسنجی، برای دورۀ آماری 2009 تا 2012 اعتبارسنجی، در ادامه، نتایج حاصله با استفاده از معیارهای آماری ضریب ناش ساتکلیف، ضریب تبیین p-factor و r-factor برای هر دو دورۀ واسنجی و اعتبارسنجی، تحلیل آماری شد و نتایج آماری آن با برنامۀ SWAT-CUP بررسی شد. در شکل (7) ویژگی منطقۀ موردمطالعه در خروجی مدل SWAT آورده شده است.
شکل (8) نقشۀ منطقۀ موردمطالعه در خروجی مدل SWAT(منبع: نویسندگان،1401)
Figure (8) Map of the studied area in the SWAT model output (source: authors, 1401)
آنالیز حساسیت و واسنجی مدل SWAT
در این قسمت قبل از اینکه مرحلۀ واسنجی و اعتبارسنجی مدل انجام شود، نخست، با نرم‌افزار SWAT-CUP و اعمال تحلیل حساسیت، آماره‌هایی مشخص شدند که بیشترین تأثیر را بر میزان جریان حوضۀ آبخیز ایفا می‌کردند. به‌منظور واسنجی از الگوریتم SUFI2 در محیط SWAT-CUP استفاده شد. با توجه به اینکه تعداد پارامترهای قابل تغییر در مدل زیاد بودند، ابتدا در گام اول، پس از آماده‌سازی داده‌ها، آنالیز حساسیت انجام شد. آنالیز حساسیت برای تعیین اینکه یک مدل چقدر به تغییر مقدار امتیاز عاملی از آن و تغییر در ساختار مدل حساس است، انجام میشود. هدف اصلی از آنالیز حساسیت، تعیین ورودی‌هایی است که مشارکت بیشتری در تغییر خروجی دارند و اینکه کدام عامل همبستگی بیشتری با خروجی دارد. با انجام تحلیل حساسیت عوامل مهم و حساس شناخته و با تمرکز روی آنها واسنجی مدل سریع‌تر انجام میشود. برای انجام آنالیز حساسیت روش «یک پارامتر در هر بار»[15] استفاده شد که متعارف‌ترین روش برای این کار است. نتایج تحلیل حساسیت انجام‌گرفته با استفاده از روش LH-OAT روی 29 پارامتر بررسی و درنتیجه 14 پارامتر به‌عنوان حساس‌ترین پارامترهای مؤثر بر حوضۀ آبخیز قرهچای بر پایۀ زمانی ماهانه با نرم‌افزار SWAT- CUP مشخص شد که در جدول (6) ارائه شده است. در این پژوهش آنالیز حساسیت با استفاده از شاخص‌های t-stat و p-value در بستۀ نرم‌افزاری SWAT- CUP انجام گرفت.
جدول (6) شاخص‌های نهایی انتخابی در واسنجی، میزان حساسیت آنها به‌همراه مقدار بهینه در مدل SWAT
(منبع: نویسندگان، 1401)
Table (6) selected final indicators in calibration, their sensitivity along with the optimal value in the SWAT model (source: Authors, 1401)
|
شاخص |
علامت اختصاری |
بیشترین |
کمترین |
مقادیر بهینۀ شاخص |
رتبۀ حساسیت |
|
متوسط طول شیب/ متر(SLOPE) |
V__SLSUBBSN.hru |
29/23 |
00/0 |
65/3 |
1 |
|
زمان تأخیر تغذیۀ آب زیرزمینی/ روز |
V__GW_DELAY.gw |
60/25 |
97/18 |
90/24 |
2 |
|
ضریب عکس‌العمل جریان آب زیرزمینی |
V__ALPHA_BF.gw |
80/0 |
067/0 |
77/0 |
3 |
|
ضریب تأخیر دمای تودۀ برف |
V__TIMP.bsn |
22/0 |
15/0 |
15/0 |
4 |
|
دمای وقوع برف/ درجۀ سانتی‌گراد |
V__SFTMP.bsn |
32/2 |
59/1 |
29/2 |
5 |
|
هدایت هیدرولیکی مؤثر در کانال اصلی |
V__CH_K.rte |
84/20 |
46/11 |
44/14 |
6 |
|
ظرفیت آب قابل‌دسترس خاک/ میلی‌متر در میلی‌متر |
R__SOL_AWC(..).sol |
92/0- |
95/1- |
00/1- |
7 |
|
شمارۀ منحنی |
R__CN.mgt |
50/0- |
63/0- |
54/0- |
8 |
|
دمای ذوب تودۀ برف/ درجۀ سانتی‌گراد |
V__SMTMP.bsn |
26/11 |
12/10 |
14/10 |
9 |
|
ضریب تصحیح جذب آب از خاک توسط گیاه |
R__EPCO.bsn |
08/0 |
07/0 |
07/0 |
10 |
|
ضریب مانینگ |
R__CH_N.rte |
09/0 |
05/0 |
05/0 |
11 |
|
عامل ذوب برف/ درجۀ سانتی‌گراد |
V__SMFMN.bsn |
94/3 |
03/1 |
96/1 |
12 |
|
هدایت هیدرولیکی خاک/ میلی‌متر بر ساعت |
R__SOL_K(..).sol |
39/1 |
36/1 |
38/1 |
13 |
|
ضریب تأخیر روان آب سطحی |
V__SURLAG.bsn |
53/0 |
17/0- |
37/0 |
14 |
در مرحلۀ واسنجی به واقعی‌کردن پارامترهای مختلف توجه و درنهایت، مقادیر بهینۀ پارامترها برای شبیه‌سازی رواناب ماهانۀ حوضۀ آبخیز موردمطالعه تعیین شد. علت آن چنین بیان میشود که از آنجایی که در حالت ماهانه مقدار متوسط ماهانه ارائه میشود، بسیاری از خطاهایی حذف میشود که ناشی از نوسان‌های روزانه است؛ همچنین واسنجی روزانۀ مدل SWAT به داده‌های روزانۀ فوق‌العاده زیادی نیاز دارد که در دسترس نبودند. درنتیجه واسنجی سالانه هم میزان دقت کمتری دارد؛ برای همین واسنجی ماهانه نشان‌دهندۀ نتایج بهتری است.
جدول (7) مقادیر شاخص‌های ارزیابی کارایی مدل در شبیه‌سازی رواناب حوضۀ آبریز قرهچای (منبع: نویسندگان، 1401)
Table (7) the values of the model efficiency evaluation indices in simulating the runoff of the Qara Chai catchment basin (source: the authors, 1401)
|
نقشۀ کاربری اراضی |
سال 2001 |
سال 2020 |
|
|
دورۀ واسنجی |
2008-2001 |
2020-2013 |
|
|
نتایج واسنجی |
R2 |
77/0 |
72/0 |
|
NS |
76/0 |
82/0 |
|
|
P-Factor |
90/0 |
72/0 |
|
|
R-Factor |
79/0 |
76/0 |
|
|
دورۀ اعتبارسنجی |
2012-2009 |
||
|
نتایج اعتبارسنجی |
R2 |
69/0 |
|
|
NS |
63/0 |
||
نتایج واسنجی و اعتبارسنجی رواناب در نرم‌افزار SWAT-CUP
نتایج واسنجی مدل در دورۀ آماری 2001 تا 2008 و 2013 تا 2020 و همچنین نتایج اعتبارسنجی مدل برای دورۀ آماری 2009 تا 2012 در جدول (7) ارائه و از شاخص‌های ضریب تبیین و ضریب نش - ساتکلیف نیز برای سنجش قابلیت مدل در مراحل واسنجی و اعتبارسنجی بهره گرفته شده است. در SUFI2 آنالیز نبودِ قطعیت در مدل، پارامترها و ورودی‌ها با استفاده از 95 درصد احتمال نبودِ قطعیت پیش‌بینی و مقادیر P-Factor و R-Factor تعریف میشود. رنگ سبز در شکل‌های (9، 10 و 11) نشان‌دهندۀ احتمال نبودِ قطعیت است. مقادیر این معیارها در هر دو مرحلۀ واسنجی و اعتبارسنجی در جدول (7) آمده و براساس این نتایج، مدل SWAT شبیه‌سازی مناسبی از رواناب در این حوضه ارائه کرده است.
شکل (9) منحنی رابطۀ بین مقادیر رواناب شبیه‌سازی‌شده و مشاهداتی دورۀ واسنجی (2008-2001) در حوضۀ آبریز قرهچای (منبع: نویسندگان، 1401)
Figure (9) Relationship curve between simulated and observed runoff values during the calibration period (2001-2008) in the catchment area Qara Chai (source: authors, 1401)
شکل (10) منحنی رابطۀ بین مقادیر رواناب شبیه‌سازی شده و مشاهداتی اعتبارسنجی (2012-2009) در حوضۀ آبریز قرهچای (منبع: نویسندگان، 1401)
Figure (10) Relationship curve between simulated runoff values and validation observations (2009-2012) in Qara Chai watershed (source: authors, 1401)
شکل (11) منحنی رابطۀ بین مقادیر رواناب شبیه‌سازی‌شده و مشاهداتی دورۀ واسنجی (2020-2013) در حوضۀ آبریز قرهچای (منبع: نویسندگان، 1401)
Figure (11) the curve of the relationship between the simulated and observed runoff during the calibration perod (2013-2020) in the Qarachai watershed (source, 1401)
با توجه به اینکه مدل SWAT برای آماده‌سازی نیازمند صرف وقت طولانی، اطلاعات آماری و شاخص‌های طبیعی بسیار زیاد است، به علت لحاظ‌کردن شرایط واقعی‌تر حوضه، کارایی مناسبی در شبیه‌سازی بسیاری از خصوصیات هیدرولوژیکی حوضه دارد.
نتیجه‌گیری
در پژوهش حاضر، تجزیه‌وتحلیل تغییرات کاربری ارضی و تأثیر آن روی رواناب حوضۀ قرهچای با استفاده از مدل SWAT انجام شد. یکی از کاربردهای ویژۀ مدل SWAT بررسی تأثیر کاربری اراضی بر رواناب و توانایی بررسی مؤلفه‌های مختلف چرخۀ هیدرولوژیکی است. برای شبیه‌سازی رواناب با استفاده از مدل SWAT و الگوریتم SUFI-2 ابتدا با استفاده از تکنیک آنالیز حساسیت، پارامترهای مؤثر بر رواناب شناسایی شد. از میان 29 پارامتر موردبررسی در آنالیز حساسیت درنهایت، 14 متغیر اثرگذار بر شبیه‌سازی رواناب در حوضۀ آبریز قرهچای مشخص شدند. با توجه به حساسیت مدل به پارامتر تلفات اولیه، واسنجی مدل براساس مقادیر تلفات اولیه انجام شد.
سپس با استفاده از الگوریتم SUFI-2 اقدام به واسنجی و اعتبار سنجی مدل در دورۀ 2001 تا 2020 شد. مقدار ناش ساتکلیف در شبیه‌سازی رواناب در محدودۀ موردمطالعه مقبول بوده و مقدار p-factor (90/0 برای دورۀ واسنجی 2001 تا 2008 و72/0 برای دورۀ واسنجی 2013 تا 2020) حاکی از قابلیت زیاد مدل در شبیه‌سازی رواناب است. این امر نشان‌دهندۀ درصد قرارگیری داده‌های مشاهداتی بیشتری در باند فقدان قطعیت است. نتایج واسنجی و اعتبارسنجی در این مرحله، حاکی از این است که مدل SWAT برای مدل‌سازی ارائه‌شده به‌منظور مدیریت رواناب حوضۀ آبخیز قرهچای استفاده میشود. برای سنجش دخالت تغییر کاربری اراضی بر میزان رواناب، دو مدل SWAT با استفاده از دو نقشۀ کاربری اراضی مجزا شامل کاربری اراضی سال 2001 و سال 2020 برای حوضۀ آبریز قرهچای تهیه شد. نتایج مربوط به تغییرات کاربری اراضی از سال‌های 1380 تا 1399 نشان‌دهندۀ آن است که بیشترین تغییرات در کاربری اراضی شامل تغییرات مربوط به اراضی فاقد پوشش گیاهی با 2550 کیلومترمربع و مخلوط زراعت آبی و دیم با 5/1298 کیلومترمربع است که این تغییرات در اراضی فاقد پوشش گیاهی، کاهشی و در اراضی مربوط به مخلوط زراعت آبی و دیم افزایشی بوده است؛ همچنین کمترین تغییرات مربوط به مرتع با تاج پوشش فقیر است که کمترین تغییرات را با 6/16 کیلومترمربع داشته است؛ همان‌طور که خسروی (1389) در مطالعات خود روی سد شیخ بشارت (بیجار، کردستان) متوجه شد که به علت تغییرات کاربری اراضی و تخریب مراتع حوزه، دبی اوج سیلاب و حجم سیلاب روند افزایشی داشته است. به‌علاوه، مشخص شد که با افزایش دورۀ بازگشت سیلاب، اثرات پوشش گیاهی کاسته و نقش پوشش گیاهی در کاهش سیلاب‌های با دورۀ بازگشت بالا کمتر میشود. مرادی (1394) در پژوهش خود برای بررسی تغییرات کاربری اراضی به این نتیجه رسید که تغییرات کاربری اراضی از سال 1987 تا 2013 موجب افزایش رواناب سطحی و افزایش غلظت رسوب به میزان 2 (تن در هکتار) در سال شده است. نتایج پژوهش شفیعی مطلق و همکاران (1397) نشان‌دهندۀ آن است که مقایسۀ اثر گزینه‌های مدیریتی کاربری اراضی بر مؤلفه‌های مختلف چرخۀ هیدرولوژیکی و مقادیر مختلف رواناب حاکی از آن است که سناریوی بدبینانه در منطقه اتفاق افتاده و با ادامۀ روند تخریبی در کاربری اراضی به‌سمت حالت قهقرایی، مقادیر مختلف رواناب افزایش و نفوذپذیری و آبگذری به آبخوان‌های سطحی و عمیق کاهش می‌یابد. صفری‌پور (1396) در بررسی اثر تغییر کاربری اراضی بر سیل‌خیزی رودخانۀ گل گل (ایلام) به این نتایج دست یافت که در سناریوی تغییر کاربری اراضی خوش‌بینانه، که با بهبود وضعیت پوشش گیاهی همراه است، دبی اوج کاهش یافته و در سناریوی بدبینانه که با تضعیف وضعیت پوشش گیاهی همراه است، دبی اوج سیلاب افزایش می‌یابد؛ درنتیجه تخریب پوشش گیاهی باعث افزایش دبی اوج سیلاب میشود. بلواسی و همکاران (1399) در مطالعات خود روی رودخانۀ کهمان (لرستان) بیان کرده‌اند که تغییرات کاربری اراضی بر روند مورفولوژیکی رودخانه مؤثر بوده است و اهمیت بسزایی دارد.
همچنین نتایج این پژوهش نشان‌دهندۀ آن بود که استفاده از تکنیک‌های سنجش از دور و تلفیق تصاویر در استخراج کاربری اراضی، کمک چشمگیری در بررسی دقیق تغییرات کاربری اراضی روی رواناب و شبیه‌سازی توسط مدل SWAT داشته است. استفاده از مدل SWAT، به‌عنوان ابزاری کارآمد برای مدیریت اراضی و رواناب است؛ همچنین استفاده از مدل‌های بارش-رواناب (مانند SWAT) به دلیل کاهش هزینۀ مطالعات میدانی، ممکن است اقتصادی باشد. از پیشنهادهای این پژوهش، این است که تغییر کاربری اراضی یکی از عوامل مهم در هیدرولوژی حوضه آبخیز است؛ بنابراین پیشنهاد میشود، تأثیر آن بر دیگر پارامترهای حوضه بررسی شود. با توجه به اینکه این پژوهش در گام زمانی ماهانه صورت گرفته است، پیشنهاد میشود در صورت توان سیستم رایانه‌ای، پژوهش حاضر در گام زمانی روزانه نیز اجرا تا مشخص شود که آیا در تمام گام‌های زمانی نتایج مقبولی به دست می‌آید یا نه.
[8]. ماتریس خطا مجموعه‌ای از داده‌های مرجع است که با تصاویر داده‌شده مقایسه میشود.
[9] . برای برآورد رسوب در مدل SWAT از روابط مدل جهانی فرسایش خاک اصلاح‌شده ) (MUSLE استفاده شد و واحد آن (تن) است.
)
