استفاده از topmodel برای مدلسازی ژئومورفولوژیکی بارش- رواناب در محیط gis

کمبود داده های با کیفیت در کشور ما یکی از مشکلات اساسی بر سر راه مدلسازی هیدرولوژیکی می باشد. به همین دلیل انتخاب مدلی که بتواند خودش را با این کمبود سازگار کند، از اهمیت ویژه ای برخوردار است. بنابراین در این مطالعه یک مدل نیمه توزیعی و ژئومورفولوژیکی بنام topmodel انتخاب شده است که تا حدی می تواند پاسخگوی مشکل فوق باشد. در این مطالعه شبیه سازی بارش- رواناب در حوضه امامه واقع در استان تهران با استفاده از topmodel مورد بررسی قرار گرفته است. topmodel یک مدل هیدرولوژیکی است که رواناب را بر مبنای مفهوم جریان سطحی اضافه بر میزان اشباع و جریان زیرسطحی مدل می کند. این مدل از یک مفهوم تحت عنوان اندیس توپوگرافی بهره می برد که نشان دهنده نحوه توزیع سطوح مشارکت کننده در رواناب حوضه است. اندیس توپوگرافی به دو روش d8 و dinf و با استفاده از قابلیت های برنامه های arcgis وtaudem محاسبه شده است. البته می توان اندیس توپوگرافی را با استفاده از برنامه های gridatb و dtm هم محاسبه نمود. سه نوع سری زمانی متفاوت برای مدلسازی بارش- رواناب انتخاب شده اند. رگبارهای بارش- رواناب، داده های بارش- رواناب روزانه و داده های بارش- رواناب ماهانه.پارامترها در topmodel به گونه ای کالیبره می شوند تا بتوان به بهترین هیدروگراف برازش شده بر داده های مشاهداتی دست یافت. این پارامترها عبارتند از: هدایت سطحی خاک، t0، پارامتر کاهش انتقال پذیری خاک، m، کمبود رطوبت اولیه در ناحیه ریشه،sr0 ، ماگزیمم ظرفیت رطوبتی ناحیه ریشه،srmax، و سرعت روندیابی کانال اصلی، chvel. کارآیی مدل در مدلسازی بارش- رواناب بر روی هر یک از انواع سه سری زمانی گفته شده، ارزیابی شده و نهایتاً نتایج به صورت نموداری و آماری با همدیگر مقایسه شده اند. همچنین تاثیر هر یک از دو روش d8 وdinf در مدلسازی بارش- رواناب ارزیابی شده و به صورت نموداری و آماری با همدیگر مقایسه شده اند.با استفاده از نتایج بدست آمده در جریان تحقیق، چنین استنباط می شود که استفاده از روش dinf در مدلسازی بارش- رواناب، نتایج بهتری نسبت به روش d8 بویژه در مدلسازی رگبارها می دهد. اما این تفاوت در مدلسازی داده های روزانه چندان مشهود نمی باشد. با اینهمه روش dinf به عنوان روش مناسب تر توصیه می شود.از نتایج بدست آمده روشن است که مدل در شبیه سازی رواناب داده های ماهانه، نتایج مطلوبی نمی دهد. اما نتایج شبیه سازی رگبارها و داده های روزانه بسیار مناسب می باشند. در این میان بنا به دلایل ذکر شده در بخش نتیجه گیری، عملکرد مدل در شبیه سازی بارش- رواناب داده های روزانه بهتر از رگبارها ارزیابی می شود.