مدل های هیدرولوژیکی و انواع آن

کابرد مدل های هیدرولوژیکی بزرگ مقیاس (Large Scale Hydrologic Models) و مدل‌های سطح زمین (Land Surface Models) از جمله مهم­ترین روش ­های برآورد میزان جریان خروجی از حوضه­ ها می ­باشد. ­مدل های هیدرولوژیکی با توجه به تفکر شکل­ گیری و روابط مورد استفاده در حل آن­ها به گروه­ های مختلفی تقسیم می ­شوند.

براساس یکی از طبقه ­بندی ­های موجود، مدل­ های هیدرولوژیکی به دو دسته مدل­ های تصادفی (Stochastic) و قطعی (Deterministic)  تقسیم ­بندی می­ شوند.

• مدل ­های تصادفی

از جمله مدل­ هایی می ­باشند که از حداقل یک جزء با خصوصیات تصادفی برخوردار باشد که بصورت صریح در داده ­های ورودی موجود نیست. بعبارت بهتر این مدل ­ها روشی برای برآورد توزیع ­های احتمالاتی از خروجی ­ها با مد نظر قرار دادن تغییرات تصادفی ورودی­های مدل می ­باشند. این مدل­ ها عموما برای بررسی وقایع حدی مورد استفاده قرار می ­گیرند.

• مدل ­های قطعی

در این مدل ­ها روابط بین پارامترهای ورودی موثر در وقایع هیدرولوژیکی توسط روابط تجربی و نظری بیان می­ شود. می­ توان چنین عنوان نمود که برخلاف مدل­ های تصادفی، در مدل­ های قطعی دو مجموعه ­ی مشابه از ورودی ­ها در شرایط یکسان همیشه منجر به یک نتیجه می­ شوند. مدل ­های قطعی نیز براساس میزان پیچیدگی به سه دسته جعبه سیاه (Black Box)، جعبه خاکستری (Grey Box) یا مفهومی (Conceptual) و جعبه سفید (White Box) یا پایه ­فیزیکی (Physically-Based) تقسیم می­ گردند که در ادامه به هر یک از آن­ها اشاره شده است.

•   مدل­ های جعبه سیاه

از نگرش سیستمی برای شبیه­ سازی فرآیندها برخوردار می­ باشند. نگرش سیستمی به این معنا است که در آن به شرایط فیزیکی حوضه و قوانین فیزیکی حاکم بر اجزای آن توجهی نمی­ شود و تنها براساس مشاهدات موردی یا تحلیل سری­ های زمانی ورودی و خروجی و بدون در نظر گرفتن فرآیندهای فیزیکی مرتبط با حوضه آبریز، شبیه­ سازی فرآیندها صورت می­ پذیرد. در مدل­ های جعبه سیاه ارتباط بین عوامل موثر در شبیه ­سازی پدیده مورد نظر می­ تواند بصورت خطی یا غیرخطی باشد. امروزه مدل­ های جعبه سیاه هوشمند کاربرد وسیعی در هیدرولوژی و مدیریت منابع آب دارد همچون مدل­ های شبکه عصبی مصنوعی و منطق فازی.

از جمله مدل ­های جعبه سیاه پرکاربرد می ­توان به هیدروگراف واحد، مدل­ های شبکه عصبی مصنوعی و منطق فازی اشاره نمود.

بطور کلی می­ توان چنین عنوان نمود که در مدل ­های جعبه سیاه تعیین معادلات ریاضی مورد استفاده امکان­پذیر نمی ­باشد و این مدل ­ها پس از دریافت ورودی و اعمال عملیات ریاضی به تخمین مقدار خروجی می ­پردازند. بنابراین مدل­ های جعبه سیاه بشدت تحت تاثیر داده ­های ورودی و خروجی می ­باشند و با تغییر ورودی ­ها، لازم به برازش مدل جدید و تخمین مجدد پارامترهای مدل است. از سویی لازم بذکر است که مدل توسعه داده شده در یک حوضه قابل استفاده در حوضه­ های دیگر نمی­ باشد. از مهم­ترین کاربرد این مدل­ ها می­ توان به استفاده از آن­ها در حوضه­ های با مقیاس کوچک و یا حوضه­ هایی که فاقد آمار و اطلاعات لازم برای اجرای مدل ­ها جعبه خاکستری یا پایه ­فیزیکی هستند، اشاره نمود.

بطور کلی مدل ­های جعبه سیاه از جمله مدل ­های تجربی هستند، که خود به ۳ گروه اصلی مدل ­های هیدرولوژیکی تجربی، مدل­ های بر پایه آمار و مدل­ های بر پایه هیدروانفورماتیک تقسیم ­بندی می­ شوند. روش استدلالی و مدل هیدروگراف واحد از شناخته شده ترین مدل­ های هیدرولوژیکی تجربی بشمار می ­روند. روش ­های آماری با پشتوانه تئوری آمار در هیدرولوژی می ­باشند همچون مدل­ های رگرسیون یا به اصطلاح توابع انتقال که ورودی را به خروجی تبدیل می ­نمایند. روش ­های هیدروانفورماتیک از روش ­های جدیدی از توابع انتقال هستند که براساس روش­ های هیدروانفورماتیک توسعه داده شده ­اند، همچون شبکه عصبی یا الگوریتم ­های تکاملی که از عملکرد خوبی نیز در شبیه­ سازی بارش-رواناب برخوردار بوده ­اند.

• مدل­ های جعبه خاکستری

در مدل­ های مفهومی، معادلات و ساختارهای فیزیکی به همراه معادلات تجربی بکار برده شده است. براساس میزان تاثیر ساختار فیزیکی حوضه در مدل، اینگونه مدل­ ها به سه گروه یکپارچه، نیمه­ توزیعی و توزیعی تقسیم می ­شوند. با وجود اینکه در مدل­ های مفهومی جزییات فیزیکی حوضه نیز لحاظ می ­­شود، اما جزییات فیزیکی به اندازه ­ای نیست که کلیه پارامترهای مدل با اندازه ­گیری مستقیم قابل حصول باشند. به همین دلیل برآورد  برخی از پارامترهای مدل ­های مفهومی با استفاده از فرآیند واسنجی ضروری می­باشد. لازم بذکر است که با کاهش تعداد پارامترهای مورد واسنجی مدل ­های مفهومی و در نظر گرفتن تغییرات مکانی پارامترهای مدل، مدل مفهومی مورد نظر از یکپارچه به سمت توزیعی تغییر می­ یابد. بعبارت دیگر در مدل­ های یکپارچه، توزیع مکانی متغیرها و پارامترهای ورودی، در نظر گرفته نمی ­شود و برای هریک از پارامترها یک مقدار متوسط بطور یکسان برای تمام سطح حوضه لحاظ می­ گردد. بنابراین با توجه به لحاظ نمودن تغییرات فیزیکی حوضه در مدل­ های هیدرولوژیکی توزیعی، در این مدل­ ها نیاز به داده­ های مشاهداتی زیادی از حوضه برای شبیه ­سازی مناسب حوضه و کسب نتایج قابل ­قبول می­ باشد. دلیل اصلی برای توسعه چنین مدل­ هایی، نمایش چرخه هیدرولوژی با ارتباط دادن اجزاء فرآیند بارش-رواناب با مفاهیم فیزیکی حاکم بر حوضه به صورت مفهومی است. عموما شبیه­ سازی ذخیره آب حوضه در این مدل­ ها با استفاده از چندین مخزن که هریک بیانگر یکی از موارد نگهداری آب زیرزمینی، بستر رودخانه، رطوبت در خاک و … می­باشد صورت می ­پذیرد. در کاربرد استفاده از مدل­ های مفهومی به مدل­ های پایه فیزیکی برای مدلسازی ترجیح داده می شوند زیرا ضمن ارائه پاسخ­ های قابل­ قبول به محاسبات و داده ­های ورودی کمتری نیاز دارند.

مدل­ های یکپارچه

در مدل­ های یکپارچه شرایط فیزیکی تمام سطح حوضه یکسان در نظر گرفته می ­شود. بنابراین هرچه حوضه آبریز مورد نظر کوچکتر باشد کاربرد این مدل­ ها برای آن مناسب­تر خواهد بود. همچنین در این مدل فرض می ­گردد که تغییرات سری زمانی پارامترهای هواشناسی و اقلیمی مدل در سطح حوضه یکسان می ­باشد.

مدل­ های توزیعی

در مدل­ های نیمه ­توزیعی سطح حوضه براساس نقشه توپوگرافی، اطلاعات خاک و کاربری اراضی به واحدهای هیدرولوژیکی (HRU) کوچکتری که خصوصیات هیدرولوژیکی در سطح هر یک از آن­ها تغییرات چشم­گیری نداشته باشد، تقسیم می­ شوند. سپس خروجی­ های مدل در هر زیرحوضه در شبکه آبراهه­ ها بسمت خروجی حوضه مورد روندیابی قرار می ­گیرد. یکی از معروف­ترین مدل­ های مفهومی نیمه­ توزیعی مدل هیدرولوژیکی SWAT می­ باشد.

مدل­ های توزیعی

در مدل­ های توزیعی شرایط و تغییرات فیزیکی حوضه با در نظر گرفتن سطح حوضه بصورت شبکه سلولی با ابعاد مشخص به مدل معرفی می ­گردد. دراین مدل­ ها پارامترهای ورودی مدل برای هریم از سلول­ های تشکیل دهنده شبکه محاسباتی حوضه به مدل معرفی شده و خروجی­ های مدل هم برای هر سلول شبیه­ سازی می­ گردد. سپس خروجی­ هایی همچون رواناب سطحی، زیرسطحی، جریان پایه (بسته به فراخور ساختار و تفکر حاکم بر مدل برای شبیه­ سازی) در شبکه آبراهه به سمت خروجی حوضه آبریز مورد نظر مورد روندیابی قرار می­ گیرد. مدل هیدرولوژیکی VIC-3L نمونه­ ای از مدل ­های مفهومی توزیعی می ­باشد.

مدل پایه ­فیزیکی

 یک مدل پایه فیزیکی سیستم طبیعی را صرفا براساس فرآیندهای فیزیکی و معادلات حاکم (شامل قوانین پیوستگی، اندازه ­حرکت، بقای جرم) شبیه­ سازی می ­کند. بنابراین مدل­ های­ پایه­ فیزیکی قادر به شبیه ­سازی فرآیندهای هیدرولوژیکی حوضه با جزییات بالا می ­باشند. این مدل­ ها که به نام جعبه سفید شاخته می ­شوند، شامل مجموعه ­ای وسیع از معادلات دیفرانسیلی و پارامترهایی می ­باشد که لازم است تا با اندازه­گیری ­های میدانی تعیین شوند. بنابراین برای استفاده از این­گونه مدل ­ها به حجم بسیاری از داده ­­های مشاهداتی نیاز می­ باشد. عموما در مدل­ سازی فرآیند بارش­-رواناب استفاده از مدل­ های مفهومی به مدل­ های پایه ­فیزیکی ترجیح داده می ­شوند، زیرا به داده­ های مشاهداتی کمتری نسبت مدل­ های پایه فیزیکی نیاز دارند. مدل MIKE  ازجمله مدل­ های پایه­فیزیکی معروف می­ باشد. در این مدل تمام فرآیندهای هیدرولوژی با جزئیات کامل شبیه­ سازی می­ شود. لازم بذکر است که کاربرد این مدل نیازمند داده­ های ورودی زیاد و تعریف شرایط مرزی مختلف می­ باشد.