نوع مقاله : مقاله پژوهشی
چکیده
تجزیه و تحلیل عدم قطعیت پارامترها در مدلهای هیدرولوژی و تشخیص ویژگیهای آماری خروجی مدل براساس روابط موجود بین پارامترها و ورودیهای مدل از مهمترین موارد مدلسازی در هیدرولوژی به شمار میآید. در این پژوهش روش عمومی عدم قطعیت تشابهات (GLUE) برای واسنجی و تحلیل عدم قطعیت پارامترهای هیدرولیکی خاک در مدل آگروهیدرلوژی خاک-آب-اتمسفر-گیاه (SWAP) نسبت به دادههای رطوبت اندازهگیری شده در یک مزرعه تحت کشت ذرت واقع در دشت قیام در استان اصفهان مورد مطالعه قرار گرفت. نتایج نشان داد از بین شش پارامتر هیدرولیکی خاک در مدل ونگنوختن-معلم، پارامترهای θr و Ksدر روند واسنجی از قابلیت تشخیص کمتری برخوردار بوده و بیشترین نقش در عدم قطعیت رطوبت شبیهسازی شده داشتند. همچنین، نتایج نشان داد که نمیتوان پارامترهای هیدرولیکی خاک در رابطه ونگنوختن-معلم را که ماهیت برازشی دارند در فرآیند واسنجی ثابت فرض کرد. بررسی عدم قطعیت رطوبت شبیهسازی شده نشان داد که روش GLUE به خوبی توانست تغییرات رطوبت را در نیمرخ خاک در طول دوره رشد محصول واسنجی کند به طوری که اغلب دادههای اندازهگیری شده (میانگین 75 درصد) در محدودهی اطمینان 95 درصد قرار گرفتند.
عنوان مقاله [English]
Calibration and Uncertainty Analysis of SWAP Model by using GLUE Method
چکیده [English]
Parameter uncertainty analysis of hydrological models and identifying the statistical characteristics of model output based on the relation between model inputs and parameters is one of the most important issues in hydrological modeling. In this study, the Generalized Likelihood Uncertainty Estimation (GLUE) was used for calibration and uncertainty analysis of soil hydraulic parameters of SWAP (Soil, Water, Atmosphere and Plant) agro-hydrological model based on measured soil moisture in a maize field in Borkhar area, Isfahan province. Results showed that the θrand Ks out of the six Van Genuchten-Mualem parameters, were the most non-identifiable parameters in calibration process and had much contribution into the soil moisture uncertainty in SWAP. Moreover, results confirmed that in Van Genuchten-Mualem equation, the soil hydraulic parameters are fitting parameters and fixing some of them during the calibration process was not realistic. Finally, results indicated that the GLUE method could successfully calibrate the model for soil moisture simulation during the growing season, with most of the measured data (about 75%) falling in the 95% confidence interval.
)