تحلیل عدم قطعیت پارامترها با روش مونت-کارلو برای پیش‌بینی سیل با بکارگیری بارش و دمای هوا پیش‌بینی‌شده با مدل WRF در حوضه دز

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی منابع آب، واحد اهواز/دانشگاه آزاد اسلامی، اهواز، ایران.

2 گروه مهندسی منابع آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

3 گروه محیط زیست، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

چکیده

عدم‌قطعیت پارامترهای مدلهای بارش-رواناب، منابع اصلی عدم‌قطعیت در پیش بینی بهنگام سیل می‌باشند. در این مقاله از روش مونت کارلو برای تعیین عدم‌قطعیت هیدروگراف سیلاب پیش‌بینی‌شده بعلت عدم‌قطعیت در پارامترهای کالیبراسیون مدل بارش-رواناب در حوضه دز در جنوب غربی ایران استفاده شده است. بارش و دمای هوا با بکارگیری مدل پیش‌بینی و تحقیقات آب و هوا (WRF) پیش‌بینی شد. برای پیش‌بینی سیلاب متناظر با بارش و دمای هوای پیش‌بینی‌شده، از مدل هیدرولوژیکی HEC-HMS استفاده شد. برای مدلسازی تلفات، تبدیل بارش به رواناب و روندیابی جریان در آبراهه‌ها به ترتیب از روش‌های شماره منحنی SCS، هیدروگراف واحد کلارک و ماسکینگام-کانج استفاده شد. نتایج نشان می‌دهد که بهترین طرحواره در مدل WRF برای پیش‌بینی بارش و دمای هوای ساعتی در حوضه دز MYJLG است. بنابراین طرحواره لایه مرزی MYJ، طرحواره خردفیزیک ابر Lin و طرحواره تابشی GODDARD بهترین عملکرد در پیش‌بینی سیل در حوضه دز را دارد. علاوه بر این نتایج این تحقیق نشان می‌دهد که با در نظرگرفتن عدم‌قطعیت همزمان در تمام پارامترها، عدم‌قطعیت در دبی اوج هیدروگراف سیل پیش‌بینی‌شده بیشتر از عدم‌قطعیت در حجم هیدروگراف است. بطوری که عدم‌قطعیت در دبی اوج و حجم هیدروگراف سیل پیش‌بینی‌شده بعلت عدم‌قطعیت تمامی پارامترها به ترتیب برابر با 5/32 و 2/21 درصد است. بنابراین با کمبود مراحل پیش‌بینی و هشدار سیل بر مبنای ریسک، به کمیت درآوردن عدم‌قطعیت، اطلاعات اضافی در مورد پیش‌بینی‌ها فراهم کرده که به تصمیم‌گیرندگان کمک می‌کنند تا به نحو مناسبتر تصمیم بگیرند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Parameter uncertainty analysis by Monte-Carlo method for flood forecasting using WRF Prediction of Precipitation and Air Temperature in Dez Basin

نویسندگان [English]

  • Mohammad Ali Mehralipour 1
  • Hosein Fathian 2
  • Ali Reza Nikbakht Shahbazi 2
  • Narges Zohrabi 2
  • Elham Mobarak hassan 3
1 Department of Water Resources Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran
2 Department of Water Resources Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran.
3 Department of Environment, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran..
چکیده [English]

Parameters uncertainty of rainfall-runoff models are the main sources of uncertainty in real time flood forecasting. In this paper, the Monte Carlo method is used to estimate the uncertainty of the forecasted flood hydrograph due to uncertainty in the calibration parameters of the rainfall-runoff model in Dez Basin in southwestern Iran. Precipitation and air temperature were predicted using Weather Research and Forecasting (WRF) model. The HEC-HMS hydrological model was used to forecast the flood hydrograph corresponding to the predicted precipitation and air temperature. The SCS-CN, Clark Unit Hydrograph, and Muskingum-Cung methods were used to model losses, transform and flood routing, respectively. The results show that the best scheme in WRF model is MYJLG to predict hourly precipitation and air temperature in Dez Basin. Therefore, the MYJ boundary layer scheme, Lin cloud microphysics scheme and GODDARD radiant scheme have the best performance in flood forecasting in Dez basin. In addition, the results of this study show that considering the simultaneous uncertainty in all parameters, the uncertainty in peak discharge of the forecasted flood hydrograph is higher than the uncertainty in the volume of the hydrograph. So that the uncertainty in peak discharge and the volume of forecasted flood hydrograph due to the uncertainty of all parameters are equal to 32.5 and 21.2%, respectively. Thus, with the lack of flood forecasting and warning based on risk, quantifying uncertainty has provided additional information about forecasts that will help decision makers make better decisions.

کلیدواژه‌ها [English]

  • Parameters uncertainty
  • Flood Forecasting
  • Monte-Carlo
  • WRF Model
  • HEC-HMS model