view in publisher's site

Predicting hourly flows at ungauged small rural catchments using a parsimonious hydrological model

Highlights•We used 1 × 1 km spatial and 1-hour temporal resolution hydro-meteorological data.•We used a parsimonious distance distribution dynamics (DDD) hydrological model.•We considered three different methods of regionalizations of the model parameters.•The three methods of regionalization perform satisfactorily.•This work contributes to water resource and flood management in small ungauged catchments.AbstractStreamflow data is important for studies of water resources and flood management, but an inherent problem is that many catchments of interest are ungauged. The lack of data is particularly the case for small catchments, where flow data with high temporal resolution is needed. This paper presents an analysis of regionalizing parameters of the Distance Distribution Dynamics (DDD) rainfall-runoff model for predicting hourly flows at small-ungauged rural catchments. The performance of the model with hourly time resolution has been evaluated (calibrated and validated) for 41 small gauged catchments in Norway (areas from 1 km2–50 km2). The model parameters needing regionalization have been regionalized using three different methods: multiple regression, physical similarity (single-donor and pooling-group based methods), and a combination of the two methods. Seven independent catchments, which are not used in the evaluation, are used for validation of the regionalization methods. All the three methods (the multiple regression, pooling-group, and combined methods) perform satisfactorily (0.5 ≤ KGE < 0.75). The combined method (which combines multiple regression and pooling-group) performed slightly better than the other methods. Some model parameters, namely those describing recession characteristics, estimated by the regionalization methods, appear to be a better choice than those estimated locally from short period of hydro-meteorological data for some test catchments. The single-donor method did not perform satisfactorily. The satisfactory performance of the combined method shows that regionalization of DDD model parameters is possible by combining multiple regression and physical similarity methods.

پیش‌بینی جریان‌های ساعتی در ungauged کوچک روستایی با استفاده از مدل hydrological hydrological

نکات مهم: ما از داده‌های آبی - ۱ کیلومتر فضایی و ۱ - ۱ کیلومتر زمانی استفاده کردیم. ما از مدل هیدرولوژیکی توزیع فاصله یاب ((DDD)استفاده کردیم. ما سه روش مختلف از پارامترهای مدل را در نظر گرفتیم. سه روش of به طور رضایت‌بخش عمل می‌کنند. این کار به مدیریت منابع آب و مدیریت سیل در داده‌های کوچک ungauged catchments.Abst کمک می‌کند که برای مطالعات منابع آب و مدیریت سیل اهمیت دارد، اما یک مشکل ذاتی این است که بسیاری از حوضه‌ها of هستند. فقدان داده‌ها به خصوص برای catchments کوچک است، که در آن داده‌های جریان با رزولوشن زمانی بالا مورد نیاز است. این مقاله تجزیه و تحلیل پارامترهای regionalizing مدل بارش - بارش - رواناب (DDD)را برای پیش‌بینی جریان‌های ساعتی در catchments روستایی کوچک نشان می‌دهد. عملکرد مدل با رزولوشن زمانی ساعتی ارزیابی شد (کالیبره و تایید شد)برای ۴۱ حوزه اندازه‌گیری شده در نروژ (مناطقی از ۱، ۵۰ akm²)قرار دارد. پارامترهای مدل نیازمند regionalization با استفاده از سه روش متفاوت بودند: رگرسیون چندگانه، شباهت فیزیکی (روش‌های مبتنی بر تک دهنده و تک گروهی)، و ترکیبی از دو روش. هفت catchments مستقل که در ارزیابی به کار نمی‌روند برای اعتبار سنجی روش‌های regionalization استفاده می‌شوند. تمام این سه روش (رگرسیون چندگانه، گروه تجمع و روش‌های ترکیبی)به صورت رضایت‌بخشی اجرا می‌شوند. روش ترکیبی (که چند رگرسیون و تجمع چندگانه را ترکیب می‌کند)نسبت به روش‌های دیگر کمی بهتر عمل می‌کند. برخی از پارامترهای مدل، یعنی آن‌هایی که ویژگی‌های رکود را توصیف می‌کنند، توسط روش‌های regionalization تخمین زده می‌شوند، به نظر می‌رسد که انتخاب بهتری نسبت به مقادیر برآورد شده محلی از داده‌های آب - هواشناسی برای برخی از حوضه‌ها است. روش تک دهنده به طور رضایت‌بخشی اجرا نشد. عملکرد رضایت‌بخش این روش ترکیبی نشان می‌دهد که regionalization از پارامترهای مدل DDD با ترکیب چند روش رگرسیون چندگانه و روش‌های تشابه فیزیکی امکان پذیر است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.