Runoff Rainfall Simulation using RRL Toolkit (Case Study: Rahim Abad Station - Silakhor Plain)

Document Type : Original Article

Authors

1 Water Eng. Department,Lorestan University

2 Department of Renewable Energies and Environment, Faculty of New Sciences and Technologies, University of Tehran

3 Lorestan University

4 Faculty of Natural Resources and Earth Sciences, University of Kashan, Iran

Abstract

Estimation of runoff from atmospheric rainfall has a special importance in hydrology studies, watershed management and soil science water conservation. In order to efficiently manage the watershed, the need to investigate the efficiency of hydrological models is more effective. The software package RRL is designed to simulate the runoff relationships of the basin and consists of five sub-conceptual models. In this study, conceptual models of AWBM, SACRAMENTO, SIMHYD, SMAR and TANK were used for Silakhor plain watershed (Rahim Abad station). The daily data of precipitation, evaporation and discharge were used in the statistical period of 1998 to 2018. For all conceptual models, from 1998 to 2000, as a balance period, from 2001 to 2013 as calibration and from 2014 to 2018, it was selected as the verification period. In the SIMHYD model, the Nash-Sutcliffe coefficient in the Multi Pattern Search Start method in the calibration and validation stages were 0.70 and 0.68, respectively, which indicates the relative ability of this model to simulate runoff among other models. In the TANK model, calibration and validation using Genetic Algorithm were 0.47 and 0.44, respectively, which had the lowest efficiency among the models. The results showed that in the different optimization methods, the Multi Pattern Search Start method provides better results.

Keywords

References

بهمنش، ج.، جباری، آ.، منتصری، م.، و رضایی، ح. 1392. مقایسه مدل‌های AWBM و SIMHYD در مدل‌سازی بارش–رواناب (مطالعه موردی: حوضه آبریز نازلو چای)، جغرافیا و برنامه‌ریزی محیطی. 24. 4: 168- 155.
دستجردی، ف.، آذرخشی، م.، و بشیری، م. 1398. مقایسه کارایی مدل‌های هیدرولوژیکی ‌‌(‌AWBM و SIMHYD) و شبکه عصبی (‌RBF و MLP) در شبیه‌سازی بارش-رواناب (مطالعه ‌موردی: حوضه باراریه- نیشابور)‌. علوم و مهندسی آبخیزداری ایران. 13. 45: 117-107.
روحانی، ح.، و فراهانی مقدم، م. 1392. واسنجی خودکار دو مدل بارش–رواناب TANK و SIMHYD با استفاده از الگوریتم ژنتیک، مرتع و آبخیزداری. 66. 4: 533- 521.
رستمی خلج، م.، مقدم نیا، ع.، سلمانی، ح.، و سپه وند، ع. 1395. بررسی مقایسه‌ای کارایی مدل‌های بارش رواناب AWBM، SACRAMENTO، SIMHYD، SMAR و TANK. اکوسیستم‌های طبیعی ایران. 7. 24: 63 – 47.
زرین، ه.، مقدم نیا، ع.، نام‌درست، ج.، و مساعدی، ا. 1392. شبیه‌سازی رواناب خروجی در حوزه‌های آبخیز فاقد آمار با استفاده از مدل بارش- رواناب AWBM (مطالعه موردی: استان سیستان و بلوچستان). پژوهش‌های حفاظت آب‌وخاک. 20. 2: 208 – 195.
سلمانی، ح.، بهره‌مند، ع.، صابر چناری، ک.، و رستمی خلج، م. 1392. ارزیابی کارایی مدل‌های بارش-رواناب AWBM، SACRAMENTO و TANK در شبیه‌سازی رواناب رودخانه‌ی ارازکوسه‌ی حوزه آبخیز گرگان رود استان گلستان، اکو هیدرولوژی. 1. 3: 221-207.
کمال، ع.، و مساح بوانی، ع. 1389. تأثیر تغییر و نوسانات اقلیمی بر رواناب حوضه با دخالت عدم قطعیت دو مدل هیدرولوژی. آب‌وخاک. 24. 5: 931 -920.
گودرزی، م.، ذهبیون، ب.، مساح بوانی، ع،، و کمال، ع. 1391. مقایسه عملکرد سه مدل هیدرولوژی SWAT، IHACRES و SIMHYD در شبیه‌سازی رواناب حوضه قره‌سو. مدیریت آب و آبیاری. 2. 1: 40 – 25.
محمدی قلعه نی، م.، و ابراهیمی، ک. 1391. ارزیابی الگوریتم‌های جستجوی مستقیم و ژنتیک در بهینه‌سازی پارامترهای مدل غیرخطی ماسکینگام - یک سیلاب از کارون. مدیریت آب و آبیاری. 2. 2: 12 – 1.
محمدی وند، م.، عراقی نژاد، ش.، ابراهیمی، ک.، و مدرسی، ف. 1398. ارزیابی عملکرد مدل‌های AWBM، Sacramento و SimHyd در شبیه‌سازی رواناب حوضه امامه با استفاده از بهینه‌ساز واسنجی خودکار الگوریتم ژنتیک. تحقیقات آب‌وخاک ایران. 50. 7: 1769 – 1759.
Audet, C. and Dennis Jr, J.E. 2002. Analysis of generalized pattern searches. SIAM Journal on Optimization, 13.3: 889-903.
Aytek, A. Ace, M. and Alp, M. 2008. An application of artificial intelligence for rainfall–runoff modeling. Journal of Earth System Science, 117: 145-155.
Barlow, K. Weeks, A. Githui, F. Christy, B. and Cheng, X. 2010. The Ovens River, Northern Victoria application project, CRC for catchment hydrology technical report, 75.
Boughton, W. 2002. AWBM Catchment Water Balance Model. Calibration and Operation Manual: 30p.
Dworak, F. 2011. Using the SACRAMENTO Soil Moisture Accounting Model to Improve Flood Frequency Estimates for Dam Safety, Soil Moisture Accounting Model, 1335-1347.
Jaiswal, R.K. Ali, S. and Bharti, B. 2020. Comparative evaluation of conceptual and physical rainfall–runoff models. Applied Water Science, 10(1): 1-14.
Kumar, A., Singh, R., Jena, P.P., Chatterjee, C., and Mishra, A. 2015. Identification of the best multi-model combination for simulating river discharge. J Hydrol 52(5): 313-325.
Liu, Y.B., Batelaan, O., De Smedt, F., Poórová, J., and Velcická, L. 2005. Automated calibration applied to a GIS-based flood simulation model using PEST, in J. van Alphen, E. van Beek and M. Taal (eds.), Floods, from Defence to Management, Taylor-Francis Group, London, 317-326.
Onyutha, C. 2016. Influence of hydrological model selection on simulation of moderate and extreme flow events: a case study of the Blue Nile basin. Advances in Meteorology, 2016.
Wang, H., Wang, C.M., Wang, J.H., Zhou, Z. H. and Chen, Y. M. 2004. Theory of annual runoff evolution under natural-artificial dual mode and case study rivers, Wuding River loosen in the middle Yellow River. Journal of Science in China Series E-Engineering and Materials Science. 47, 51-50.
Yu, B. and Zhu, Z. 2015. A comparative assessment of AWBM and SimHyd for forested watersheds. Hydrological sciences journal. 60(8): 1200 - 1212.
Iranian Journal of Irrigation & Drainage
Volume 14, Issue 4 - Serial Number 82
November and December 2020
Pages 1348-1361

Files

Share

How to cite

Statistics