واسنجی مدل هیدرولوژیکی VIC-3L با استفاده از داده‌های ماهواره‌ای رطوبت سطحی خاک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد / مهندسی منابع آب، دانشگاه بین المللی امام خمینی (ره)، قزوین

2 عضو هئیت علمی گروه مهندسی آب / دانشگاه بین ‌المللی خمینی (ره)، قزوین

3 پژوشگر / موسسه تحقیقات ژئو هیدرولوژی IRPI و عضو هیئت علمی دانشگاه پروجا

چکیده

پژوهش حاضر با هدف ارزیابی کارائی داده‌های ماهواره‌ای رطوبت سطحی خاک ASCAT در واسنجی مدل هیدرولوژیکی VIC-3L در سطح حوضه آبریز سفیدرود به انجام رسیده است. نتایج بدست آمده در گام زمانی روزانه حاکی از آن است که در صورت استفاده از منبع رطوبتی ASCAT مقدار ضریب همبستگی بین رواناب شبیه‌سازی شده و مشاهداتی در حدود 75/0 می‌باشد و این در حالیست که در صورت استفاده از داده‌های جریان مشاهداتی برای واسنجی مدل، مقدار ضریب همبستگی در حدود 80/0 می‌باشد. در گام زمانی ماهانه نیز استفاده از داده‌های ماهواره‌ای رطوبت سطحی خاک، منجربه افزایش عملکرد مدل VIC-3L در شبیه‌سازی رواناب خروجی از حوضه شده است. همچنین از آنجائی که میزان خطای مدل در برآورد حجم رواناب در گام زمانی ماهانه (2/17 درصد) نسبت به گام زمانی روزانه (5/38 درصد) به مراتب کمتر می‌باشد، از این روش واسنجی می‌توان برای تخمین آورد ماهانه با دقت قابل استفاده بعمل آورد. یکی از مزیت‌های واسنجی مدل با استفاده از داده‌های ماهواره‌ای رطوبت خاک بر خلاف واسنجی با استفاده از داده‌های جریان مشاهداتی این است که می‌توان تغییرات مکانی پارامترهای مدل در سطح حوضه را نیز برآورد نمود که این مساله خود می‌تواند دید بهتری از عملکرد مدل در سطح حوضه را فراهم نماید. هچنین عدم وجود داده‌های دبی ثبت شده در بسیاری از حوضه‌ها، امکان واسنجی مدلهای هیدرولوژیکی را با محدودیت اساسی روبرو می‌نماید و این در حالیست که منابع ماهواره‌ای با دارا بودن توان تفکیک زمانی و مکانی وسیع از کارائی بسیار زیادی برخوردار می‌باشند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Calibration of VIC-3L Hydrological Model using Satellite-Based Surface Soil Moisture Datasets

نویسندگان [English]

  • Sakine Koohi 1
  • Asghar Azizian 2
  • Luca Brocca 3
1 MSc in Water Resources Engineering, Water engineering Dept., Imam Khomeini International University, Qazvin, Iran.
2 Assistant Professor, Water engineering Dept., Imam Khomeini International University, Qazvin, Iran
3 Researcher, Research Institute for Geo-Hydrological Protection IRPI, Perugia, Italy.
چکیده [English]

This study addresses the efficiency of ASCAT surface soil moisture (SSM) for calibration of VIC-3L hydrologic model over the Sefidrood river basin (SRB). Findings on daily time scale indicate that the correlation coefficient (CC) between observed and simulated streamflow, using ASCAT dataset, is equal to 0.75, while in the case of calibration of the VIC-3L model using only with hydrometric station datasets the CC value is equal to 0.80. Moreover, at monthly time scale the performance of model in simulating streamflow is better than daily time scale. The relative error (RE) in simulating runoff volume at daily and monthly time scale is 17.2% and 38.5%, respectively and this shows that using ASCAT dataset at monthly time scale leads to reliable results. In addition, one the advantages of model calibration using satellite-based SSm is the extraction of the spatial pattern of model parameters over the catchment, while in the case of using observed discharge dataset for calibration of the model only leads to the constant values of model’s parameter through the catchment. Based on the results of this research it highly recommended to use satellite-based SSMs for calibration of hydrological model, especially in data limited areas or regions in which ground observations are sparsely-distributed or insufficient.

کلیدواژه‌ها [English]

  • Surface Soil Moisture (SSM)
  • Remote Sensing
  • runoff
  • Calibration
  • VIC-3L model
Albergel C, Rüdiger C, Carrer D, Calvet J C, Fritz N, Naeimi V, Bartalis Z, Hasenauer S (2009) An evaluation of ASCAT surface soil moisture products with in-situ observations in Southwestern France. Hydrology and Earth System Sciences 13:115-124
Azizian A, Shokoohi A R (2017) Evaluating and sensitivity analysis of a macro scale hydrological model (VIC-3L) for simulation of stream flow at different time scales. Journal of Civil and Environmental Engineering 47:39-52
Babaeian E, Homaee M, Noroozi A A (2013) Estimation of surface soil moisture using ENVISAT/ASAR radar images. Journal of Civil and Environmental Engineering 27:(In Persian)
Brocca L, Hasenauer S, Lacava T, Melone F, Moramarco T, Wagner W, Dorigo W, Matgen P, Martínez-Fernández J, Llorens P, Latron J, Martin C, Bittelli  M (2011) Soil moisture estimation through ASCAT and AMSR-E sensors: An intercomparison and validation study across Europe. Remote Sensing of Environment 115:3390-3408
Brocca L, Melone F, Moramarco T, Wagner W, Naeimi V, Bartalis Z, Hasenauer S (2010) Improving runoff prediction through the assimilation of the ASCAT soil moisture product. Hydrology and Earth System Sciences 14:1881-1893
Brocca L, Morbidelli R, Melone F, Moramarco T (2007) Soil moisture spatial variability in experimental areas of Central Italy. Journal of Hydrology 333:356-373
Daly E, Porporato A, (2005) A review of soil moisture dynamics: From rainfall infiltration to ecosystem response. Environmental Engineering Science 22:9-24
Dorigo W A, Gruber A, DeJeu R A M, Wagner W, Stacke T, Loew A, Albergel C, Brocca L, Chung D, Parinussa R M, Kidd R (2015) Evaluation of the ESA CCI soil moisture product using ground-based observations. Remote Sensing of Environment 162:380-395
Draper C, Walker J P, Steinle P J, DeJeu R A, Holmes R T (2009) An evaluation of AMSR-E derived soil moisture over Australia. Remote Sensing of Environment 113:703-710
Guo J, Liang X, Leung L (2004) Impacts of different precipitation data sources on water budgets. Journal of Hydrology 298:311-334
Famiglietti J S, Ryu D, Berg A A, Rodell M, Jackson T J (2008) Field observations of soil moisture variability across scales. Water Resources Research 44:1-16
Koster R.D, Dirmeyer P A, Guo Z, Bonan G, Chan E, Cox P, et al. (2004) Regions of strong coupling between soil moisture and precipitation. Science 305:1138-1140
Legates D R, Mahmood R, Levia D F, DeLiberty T L, Quiring S M, Houser C, et al. (2011) Soil moisture: A central and unifying theme in physical geography. Progress in Physical Geography 35:65-86
Liang X, Lettenmaier D P, Wood E F, Burges S (1994) A simple hydrologically based of land-surface water and energy fluxes for general circulation models. Journal of Geophysical Research: Atmospheres 99:14415-14428
Liang X, Wood E F, Lettenmaier D P (1996) Surface soil moisture parameterization of the VIC-2L model: evaluation and modification. Global Planetary Change 13:195-206
Liu Y, Wang W, Liu Y (2018) ESA CCI Soil moisture assimilation in SWAT for improved hydrological simulation in upper Huai River Basin. Advances in Meteorology 2018:27-31
López López P, Wanders N, Schellekens J, et al. (2016) Improved large-scale hydrological modelling through the assimilation of streamflow and downscaled satellite soil moisture observations. Hydrology and Earth System Sciences 20:3059-3076
Naeimi V, Scipal K, Bartalis Z, Hasenauer S, Wagner W (2009) An improved soil moisture retrieval algorithm for ERS and METOP scatterometer observations. IEEE Transaction on Geoscience and Remote Sensing 47:1999-2013
Reichle R H, Koster R D (2004) Bias reduction in short records of satellite soil moisture. Geophysical Research Letters 31
Sánchez N, Martínez-Fernánadez J, Scaini A, Pérez-Gutierrez C (2012) Validation of the SMOS L2 soil moisture data in the REMEDHUS network (Spain). IEEE Transactions on Geoscience and Remote Sensing 50:1602-1611
Shayeghi A, Azizian A, Brocca L (2019) Evaluating the efficiency of reanalysis and remote-sensing based rainfall data sets for hydrological modeling using VIC-3L large scale model. Iran-Water Resources Research 15:50-60 (In Persian)
Sivapalan M (2003) Prediction in ungauged basins: A grand challenge for theoretical hydrology. Hydrological Processes 17:3163-3170
Wagener T, Montanari A (2011) Convergence of approaches toward reducing uncertainty in predictions in ungauged basins. Water Resources Research 47:W06301
Wagner W, Lemoine G, Borgeaud M, Rott H (1999a) A study of vegetation cover effects on ERS scatterometer data. IEEE Transactions on Geoscience and Remote Sensing 37:938-948
Wagner W, Lemoine G, Rott H (1999b) A method for estimating soil moisture from ERS scatterometer and soil data. Remote Sensing of Environment 70:191-207
Wagner W, Naeimi V, Scipal  K, Jeu  R, Martínez-Fernández  J (2007) Soil moisture from operational meteorological satellites. Hydrogeology Journal 15:121-131
Wagner W, Noll  J, Borgeaud  M, Rott  H (1999c) Monitoring soil moisture over the Canadian prairies with the ERS scatterometer. IEEE Transactions on Geoscience and Remote Sensing 37:206-216
Wanders N, Bierkens M F P, Jong  S M, et al (2014) The benefits of using remotely sensed soil moisture in parameter identification of large-scale hydrological models. Water Resources Research 50:5329-5333
Zeng J, Li  Z, Chen  Q, Bi  H (2015) Method for soil moisture and surface temperature estimation in the tibetan plateau using spaceborne radiometer observations. IEEE Geoscience and Remote Sensing Letters 12:97-101
Zhao R, Zhuang Y, Fang  L, Liu X, Zhang Q (1980) The xinanjiang model, hydrological forecasting. Proceedings Oxford Symposium IASH 129:351-356