مدل سازی رواناب روزانه حوضه نازلو چای در غرب دریاچه ارومیه با استفاده از مدل Tank

سابقه و هدف: پس از انقلاب کامپیوتری دهه 1960 مدل‌سازی هیدرولوژیک شکل تازه‌ای به خود گرفت و می‌توان یکی از اولین تلاش‌های موفق را مدل دانشگاه استنفورد SWM دانست. مدل‌های بارش رواناب به‌عنوان یکی از مهم‌ترین ابزارهای تصمیم‌گیری در مدیریت حوضه‌های آبریز همواره موردتوجه بوده‌اند. در این مطالعه از مدل بارش رواناب روزانه تانک در حوضه آبریز رودخانه نازلو چای، در غرب دریاچه ارومیه استفاده شده است. اهمیت نوسانات هیدرولوژیکی این دریاچه در شرایط بحرانی امروزی بر کسی پوشیده نیست. آگاهی از رابطه بارش و رواناب در تمامی زیر حوضه‌های دشت ارومیه به‌خصوص در زیر حوضه‌هایی مانند نازلو که دچار کمبود تعداد ایستگاه بوده و از بخشی از حوضه که در ترکیه قرار گرفته نیز اطلاعاتی در دسترس نیست، بسیار مهم است. بنابراین هدف، ایجاد رابطه‌ای بین بارش حوضه و رواناب خروجی می‌باشد تا بتوان رواناب آینده را پیش‌بینی نمود. مواد و روش‌ها: رودخانه نازلو چای، به طول تقریبی 93 کیلومتر، یکی از رودخانه‌های 13گانه منتهی به دریاچه ارومیه می‌باشد. مدل بارش رواناب تانک مدلی ساده، مفهومی و یکپارچه است. ورودی‌های مدل بارش، تبخیر و رواناب رودخانه در خروجی می‌باشد. از میان ایستگاه‌های اندازه‌گیری سه ایستگاه با پوشش مناسب حوضه و با حداکثر دوره مشترک آماری برابر با 16 سال انتخاب شدند. به دلیل برداشت زیاد آب از زیر حوضه منتهی به خروجی رودخانه ، این زیرحوضه حذف و مساحت حوضه مدل شده تقلیل یافت. متوسط ماهانه داده‌های بارش و تبخیر با داده‌های بلندمدت ماهانه این پارامترها مقایسه و اصلاحاتی صورت گرفت تا فرآیندهای حوضه به نحو مطلوبی در ورودی منعکس شود. مدل تانک در بسته نرم‌افزاری RRL که در کشور استرالیا توسعه یافته است در کنار برخی دیگر از مدل‌ها، از پرکاربردترین مدل‌های بارش رواناب ارائه شده است. مجموع 224 واسنجی و نیز صحت سنجی با به‌کارگیری 7 روش واسنجی، 8 تابع هدف اولیه و 4 تابع هدف ثانویه انجام شد. اعتبار مدل در هر بار اجرا با معیار کارایی ناش و ضریب همبستگی پیرسون مورد ارزیابی قرار گرفت. یافته‌ها: در مجموع حدود 117 مورد از کل 224 واسنجی که با روش‌های مختلف بهینه‌سازی انجام شدند برازش قابل‌قبول نشان دادند و ضریب ناش در آنها بین صفر تا 1 گزارش شد که به معنای واقع شدن در بازه قابل بررسی و یا مدل‌سازی است چراکه مقادیر ضریب ناش کمتر از صفر به‌طور کل مدل‌سازی را بی‌معنی می‌سازد زیرا در آن شرایط یعنی متوسط مقادیر مشاهداتی تخمین زننده بهتری از مدل می‌باشد. حدود 30 مورد نیز دارای ضریب ناش بیش از 4/0 بودند و برازش رواناب مشاهداتی و محاسباتی نیز نشان‌دهنده برازش قابل‌قبول در این موارد بود. ضریب همبستگی نیز مورد ارزیابی قرار گرفت که در حالت کلی برتری مدل‌هایی که بر مبنای ضریب ناش انتخاب شده بودند را تایید نمود. اما ضریب ناش به دلیل برتری بر ضریب همبستگی، در این مطالعه بیشتر مدنظر قرار گرفت. نتیجه‌گیری: مشاهده شد که مدل در شبیه‌سازی مقادیر رواناب بالا خوب عمل نمی‌کند و مقادیر پیک را عموماً کمتر از مقدار واقعی شبیه‌سازی می‌کند. با تحقیق صحرایی در حوضه و بررسی داده‌های تاریخی معلوم شد مقادیر پیک رواناب در ماه‌های اردیبهشت و نیمی از ماه خرداد رخ می‌دهد که علاوه بر بارش زیاد در منطقه آب ناشی از ذوب برف نیز به شکل‌گیری رواناب کمک می‌کند. نبود ایستگاه‌های کافی به‌خصوص در ارتفاعات و نبود گره‌ای در مدل برای ورود داده‌های ذوب برف باعث می‌شود ورودی بارش کمتری در این زمان‌ها وارد مدل شده و مدل از شبیه‌سازی دبی‌های اوج باز بماند. اما در حالت کلی دبی‌های پایه در شرایط خوبی شبیه‌سازی‌شده و عملکرد مدل قابل‌قبول می‌باشد.