مدل سازی آماری سیلاب با استفاده از خصوصیات فیزیوگرافی در حوضه بازُفت

Abstract

در این مقاله ضمن معرفی اجمالی حوضه بازُفت از زیر حوضه‌های رود کارون، به بحث در خصوص پیش‌بینی دبی‌های سیلابی با راه‌های متفاوت پرداخته شده است که هر یک از این روش ها نیازمند یکسری داده‌ها برای آن مناطق می‌باشد. با توجه به کمبود آمار در اکثر حوضه‌ها و زیرحوضه‌های کشور، راه‌حل‌هایی پیشنهاد شده که نیاز کمتری به آمار هیدرولوژیکی داشته باشند. یکی از راه‌حل‌ها، مدل‌بندی سیلاب‌هاست که با داشتن داده‌های ثابت فیزیوگرافی حوضه می‌توان اقدام به تخمین و برآورد سیلاب حوضه‌های فاقد آمار نمود. زیرحوضه‌های بازُفت ضمن دارا بودن پتانسیل بالای تولید سیلاب در بسیاری از موارد با مشکل کمبود آمار مواجه هستند. با وجود اطلاعات فیزیوگرافی و نقشه‌های رقومی منطقه و به کمک داده‌های موجود آماری در 30 حوضه مطالعه شده (نگاره 3) امکان برقراری روابط منطقی بین خصوصیات فیزیوگرافی و دبی‌های سیلابی با دوره برگشت‌های متفاوت در هر زیرحوضه بررسی می‌شود و از طرفی برای سهولت کاربری‌های بعدی و به منظور قابلیت به روز نمودن اطلاعات و روابط یافت شده هر زیر حوضه، تشکیل یک بانک اطلاعاتی GIS ضروری به نظر می‌رسد. به منظور کنترل و مهار سیلاب، اطلاع از دبی سیلاب (با دوره‌های برگشت متفاوت) به عنوان مهمترین پارامتر معرف سیلاب، از اهمیت خاصی برخوردار است. برای تخمین سیلاب در حوضه‌هایی که طول دوره آماری کوتاهی دارند برقراری رابطه منطقه‌ای بین خصوصیات فیزیوگرافی حوضه یا هر زیرحوضه منطقی به نظر می‌رسد. پس از تطویل و تکمیل آمار، به کمک نرم افزار SMADA توزیع‌های مختلف آماری بر داده‌ها برازش داده شده است. مقادیر پیش‌بینی شده حاصل از توزیع‌های آماری (لوگ پیرسون تیپ3، پیرسون تیپ3، گامبل) و داده‌های مشاهداتی برای شناخت مناسبترین توزیع از آزمون در حداقل مربعات استفاده شد و برای هر ایستگاه یک توزیع انتخاب گردید. به کمک این توزیع‌ها دبی با دوره برگشت‌های متفاوت 2 تا 1000ساله برآورد گردید. سپس با استفاده از رگرسیون خطی و غیرخطی چند متغیره و به کمک نرم‌افراز Minitab روابطی بین خصوصیات فیزیوگرافی حوضه (همچون مساحت، محیط، شیب متوسط حوضه، طول آبراهه اصلی و ضریب شکل) و دبی‌های پیش‌بینی شده با دوره برگشت‌های مختلف برقرار گردید، که نتایج ذیل حاصل شد. در مدل‌های برآورد دبی با دوره برگشت کوتاه مدت، پارامترهای بیشتری در مدل پیش‌بینی سیلاب دخیل می‌باشند.