نشریه علمی - پژوهشی مرتع و آبخیزداری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموختۀ کارشناسی ارشد مهندسی عمران، مهندسی مدیریت منابع آب، دانشگاه یاسوج ، یاسوج.

2 استادیارگروه مهندسی عمران، دانشکدۀ فنی و مهندسی ، دانشگاه یاسوج، یاسوج.

3 استادیار دانشکدۀ کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس.

4 استادیارگروه مهندسی عمران، دانشکدۀ فنی و مهندسی، دانشگاه یاسوج، یاسوج.

چکیده

عدم قطعیت پایش خشکسالی به‌وسیله شاخص استاندارد شدۀ جریان، به‌طور عمده به انتخاب تابع توزیع احتمال وابسته است، چرا که توزیع مورد استفاده بر روی توصیف جریان تجمعی و نهایتاً خصوصیات خشکسالی مؤثر است. در این مقاله، تحلیل عدم قطعیت چهار تابع توزیع آماری در برآورد مشخصه­های خشکسالی هیدرولوژیکی (شدت، مدت و فراوانی) در ایستگاه هیدرومتری حوزۀ آبخیز سد استقلال میناب طی دورۀ زمانی 30 و 49 ساله، در 6 مقیاس زمانی 3 تا 48 ماهه با استفاده از روش نمونه‌برداری ابرمکعب لاتین بررسی گردید. به ازاء هر واقعه دبی متوسط ماهانه در ماه و سال مورد نظر، تعداد 50000 نمونۀ تصادفی تولید و حدود اطمینان بالا و پائین در سطح اعتماد 95 درصد برآورد و مشخصه‌های خشکسالی (شدت، مدت و فراوانی) به ازای هر مقیاس زمانی در توابع توزیع مختلف در دو دورۀ مذکور برای باند بالا و پائین بدست آمد. نتایج در بررسی طولانی‌ترین تداوم و شدت خشکسالی نشان داد با افزایش مقیاس زمانی، شدت و مدت خشکسالی افزایش و فراوانی کلاس‌های خشکسالی کاهش می‌یابد. بررسی تداوم و شدت خشکسالی در باند اطمینان مورد بررسی اختلاف معنی‌داری بین برآورد شدت و مدت خشکسالی توابع در مقیاس‌های مورد بررسی را نشان نداد، اما در مورد فراوانی خشکسالی در کلاس‌های توصیفی، بین توابع نرمال با ویبول و گاما در مقیاس کوتاه مدت (3 و 6 ماهه) اختلاف معنی‌داری وجود داشت. نتایج نشان داد از نظر شدت و مدت خشکسالی، تابع نرمال، مقیاس زمانی 24 ماهه و دورۀ زمانی کوتاه مدت 30 ساله دارای بالاترین عدم قطعیت برآورد خشکسالی هیدرولوژیکی است. در نهایت توصیه می‌شود، چنانچه از طول دورۀ مختلف در مقیاس‌های زمانی مختلف با توابع احتمال استفاده می‌گردد، کاربر SRI از تفاوت‌های عددی آن­ها آگاهی داشته و متناسب با عدم قطعیت موجود در آن، اقدام به برنامه‌ریزی و تصمیم‌گیری در زمینۀ مدیریت منابع آب نماید.

کلیدواژه‌ها

عنوان مقاله [English]

Uncertainty Analysis of Hydrological Drought Characteristics Using Latin Hypercube Sampling (Case Study: Minab Dam Watershed)

نویسندگان [English]

  • faeze Ghasem Nezhad 1
  • Fazeli Mehdi 2
  • Omolbanin Bazrafshan 3
  • Mohammad Parvinnia 4

1 Department of water resources

2 Department of Water Resources Engineering

3

4 Assistant Professor, Department of Civil Engineering, University of Yasuj, Yasuj, Iran.

چکیده [English]

Drought monitoring by the Standardized Runoff Index (SRI) presents some uncertainties, mainly dependent on the choice of the probability distribution used to describe the cumulative precipitation and on the characteristics of the dataset. In this study, uncertainty analysis for estimation of the hydrologic drought characteristics (intensity, duration and frequency) was performed. Four distribution functions, two time period (30 and 49 years), six time scales (3, 6, 9, 12, 24 and 48 months) and Latin hyper cube sampling (LHS) method ware used. For each event at per year and month, was generated 50000 random sampling.Then, lower and upper bands of certainty was calculated for confidence level of 95% . In addition to the drought characteristics (intensity, duration and frequency) were calculated for six time scales, four distribution functions and two length of time series . Investigation of the longest duration and highest intensities showed that an increase time scale led to decrease the frequencies of drought classes and as a result increase drought intensity and duration . Further, no significant difference in the assessment of intensity and duration was between various distribution functions, meanwhile significant difference was between normal compared to weibull and gamma for the estimation of drought frequency in short time scales (3 and 6 months). Results of this study emphasized that considering drought intensity and duration, the normal distribution function, 24-month time scale and 30-years’ time series had the largest uncertainty for hydrologic drought estimation.

کلیدواژه‌ها [English]

  • Confidence interval (CI)
  • Probability distribution function
  • Latin hypercube
  • Stochastic sample