Geri Dön

GR6J hidrolojik modelindeki artık yağış ayrıştırma sabitinin model kalibrasyonuna etkisi

Effect of residual rainfall separation constant on model calibration in the GR6J hydrological model

PDF İndir

  1. Tez No: 871760
  2. Yazar: HALİL İBRAHİM DEMİR
  3. Danışmanlar: DOÇ. DR. MEHMET CÜNEYD DEMİREL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 61

Özet

Su, yaşamın kaynağı ve dünyamızın en değerli kaynaklarından biridir. İnsanlık, suyun anlamını ve önemini binlerce yıl boyunca keşfetmiş ve bu kaynağı yönetmek için çeşitli yollar aramıştır. Su, sadece içme suyu olarak değil, tarımda, sanayide, enerji üretiminde ve çevrenin korunmasında da hayati bir rol oynamaktadır. Nehirler, göller ve yeraltı su kaynakları gibi su kaynakları, suyun verimli kullanımını ve sürdürülebilirliğini sağlamak için özenle yönetilmelidir. Bu nedenle, su kaynaklarının tahmini, yönetimi ve korunması giderek daha karmaşık hale gelmiştir. Bu karmaşıklıkla başa çıkmak için, hidrolojik modeller gibi bilgisayar destekli araçlar geliştirilmiştir. Bu modeller, yağış, akış, su tutma ve su kullanımı gibi su döngüsü süreçlerini simüle ederek su kaynakları yönetiminde karar alıcılarına ve uzmanlara değerli bilgiler sağlamaktadır. Hidrolojik modeller, su kaynakları yönetimi ve tahmininin karmaşık doğasında vazgeçilmez araçlar olarak durmaktadır. Ancak bu modellerin etkinliği ve güvenilirliği, kullandıkları parametrelerin hassas bir şekilde kalibre edilmesine bağlıdır. Model kalibrasyonu, bu parametrelerin mantıklı bir şekilde belirlenmesini ve böylece modelin tahmin yeteneklerinin ince ayarını sağlamayı amaçlayan kritik bir süreç olarak ortaya çıkmaktadır. Doğru parametre değerlerinin elde edilmesi, hidrolojik modelin yağış dinamiklerinden yüzey akışı oluşumuna ve su depolama mekanizmalarına kadar uzanan karmaşık doğal süreçleri aslına uygun bir şekilde kopyalamasını kolaylaştıran temel unsurdur. Parametrelerin hassas kalibrasyonu sayesinde hidrolojik modeller, hidrolojik olayların incelikli etkileşimini daha iyi yakalayabilir ve kullanıcılara su kaynağı dinamikleri hakkında daha güvenilir tahminler ve içgörüler sağlayabilir. Özünde, model optimizasyonu, sürdürülebilir su kaynakları yönetimi arayışında vazgeçilmez bir dayanak noktasıdır ve hidrolojik modelleme çabalarının doğruluğunu ve etkinliğini artırmak için bir katalizör görevi görmektedir. Model optimizasyonunun hayati rolünün altını çizen bu çalışma, daha kesin tahminlerin elde edilmesi ve daha etkili su kaynakları yönetim stratejilerinin kolaylaştırılması yönünde önemli bir yol çizmektedir. Bu çalışmada, hidrolojik modelin performansını iyileştirmek için güvenilir bir kalibrasyon aracı olan PEST aracı kullanılmıştır. PEST, simüle edilen çıktılar ile gözlemlenen hidrolojik veriler arasında mümkün olan en yakın eşleşmeyi elde etmek için model parametrelerini verimli bir şekilde ayarlamak üzere tasarlanmış, yaygın olarak tanınan bir optimizasyon aracıdır. Model tahminleri ve gerçek ölçümler arasındaki farkları en aza indirmek için parametre değerlerini yinelemeli olarak iyileştiren bir ters modelleme aracı olarak çalışır. PEST aracı içerisinde kalibrasyon algoritması olarak su dengesini optimize eden parametre setinin belirlenmesi için hidrolojide yaygın olarak kabul gören The Shuffled Complex Evolutionary Algorithm University of Arizone (SCE-UA) algoritması kullanılmıştır. Bu çalışmada, havza modellemesinde yine yaygın olarak kullanılan Génie Rural à 6 paramètres Journalier (GR6J) hidrolojik modelinin, üretim ve yönlendirme katmanları arasındaki su transferini etkileyen artık yağış ayrıştırma sabitinin modele etkisi araştırılmıştır. GR6J modeli, hidrolojik süreçleri günlük zaman ölçeğinde simüle etmek için tasarlanmıştır ve genellikle yağış-akış ilişkilerini ve akış yolu boyunca suyun hareketini dikkate alır. Model, havza özellikleri ve iklim verileri kullanılarak yağışı akışa dönüştürmek için parametrelendirilmiştir. Kar erimesinin yağıştan ziyade akışa dönüştürülmesi, toplam yıllık akış için hidrolojik mekanizmada önemlidir. Bu bağlamda GR6J'nin ayırt edici bir özelliği, mevsimsel kar birikimi olan bölgeler için çok önemli olan bir kar erimesi modülüne (CemaNeigre) sahip olmasıdır. Bu modül, kar erimesi nedeniyle suyun kademeli olarak salınmasını ustalıkla yakalayarak modelin çeşitli iklim koşullarına uygunluğunu sağlar. Modeldeki yönlendirme süreçleri, suyun nehir ağı boyunca hareketini simüle ederek yüzey akışının mekansal dağılımına ilişkin bilgiler sağlar. Ayrıca, GR6J toprak nem dinamiklerini hesaba katarak yağışların akış ve infiltrasyona bölünmesi üzerindeki önceki koşulların etkisini kabul eder. Ancak, model parametrelerinden biri olan artık yağış ayrıştırma sabiti modelde 0.1 ve 0.9 olarak sabitlenmiştir. Bu çalışmada, optimizasyon sürecinde bu sabit serbest bırakılmış ve model performansı üzerindeki etkisi araştırılmıştır. Bu amaçla, bu sabiti serbest bırakmak için modele ek bir parametre (X7) eklenmiştir. Artık yağış ayrıştırma sabitinin serbest bırakılmasının model performansı üzerindeki etkisini değerlendirmek için Amerika, Güney Amerika, Avrupa, Anadolu ve Avustralya dahil olmak üzere dünyanın çeşitli bölgelerinde bulunan on farklı havzada modeller çalıştırılmıştır. Model performansını değerlendirmek için, hidrolojik modellemede yaygın olarak kullanılan ve model tarafından üretilen simüle edilmiş değerleri, gözlemlenen verilerle karşılaştırarak modelin performansının nicel bir değerlendirmesini sağlayan Nash-Sutcliffe Verimliliğini (NSE) amaç fonksiyonu olarak kullanılmıştır. Testler literatürde de önerilen 1000 maksimum iterasyon ile tasarlanmıştır. Model sonuçlarına göre Avusturya, Türkiye, Fransa, Avustralya ve Brezilya'da bulunan 5 havzada artık yağış ayrıştırma sabitinin (X7) serbest bırakılması ile NSE değerlerinde kayda değer artışlar gözlemlenmiştir. Bununla birlikte Amerika, Şili, İngiltere ve Avusturya'da bulunan 5 havzada ise herhangi bir iyileşme gözlemlenmemiştir. NSE değerindeki en büyük iyileşme 0.1953'lük bir artışla gerçekleşmiştir. Buna göre 10 yıllık (1997-2007) kalibrasyon periyodunda 0.9 sabit ile yapılan en iyi NSE değeri 0.5523 gelirken, serbest bırakıldığında, X7= 0.9809 değerini alırken buna karşılık NSE değeri iyileşerek 0.7576 olmuştur. Sonuç olarak, bu çalışma hidrolojik modellerin doğruluğunu ve güvenilirliğini artırmada model optimizasyonunun önemini vurgular ve farklı özelliklere (iklim, sıcaklık, yağış, buharlaşma, vb.) sahip yüzlerce havza varken, tahmin yapmak için kullandığımız hidrolojik modellerde sabit parametrelerden kaçınmamız gerektiğini belirtir. Sabit parametrelerin serbest bırakılarak modelin esnekliğini ve farklı hidrolojik koşullara uyarlanabilirliğini test edilmiş ve bazı havzaların model sonuçlarında küçük iyileşmeler gözlemlenmiştir. Bu iyileşmelerin genelleştirilerek kesin bir sonuca ulaşılması ve değişen iklimde su kaynakları yönetimi için güvenilir stratejiler geliştirilmesi için farklı özelliklere sahip daha fazla havzada araştırma ve analiz yapılmasına ihtiyaç vardır.

Özet (Çeviri)

Water is undeniably the essence of life, a cornerstone of civilization, and perhaps the most indispensable resource on our planet. Across millennia, humanity has delved into the profound significance and multifaceted importance of water, tirelessly seeking innovative approaches to harness and steward this invaluable asset. Beyond its elemental role as a basic necessity for survival, water assumes pivotal functions across diverse domains, spanning agriculture, industrial operations, energy generation, and ecological preservation. Rivers, lakes, and groundwater reservoirs represent the lifeblood of our ecosystems, necessitating meticulous oversight and sustainable management to ensure their optimal utilization and enduring viability. In today's complex socio-environmental landscape, the task of estimating, administering, and safeguarding water resources has assumed unprecedented intricacy and urgency. To grapple with this evolving challenge, technological advancements have given rise to sophisticated computational tools, foremost among them being hydrological models. These models serve as indispensable instruments, furnishing decision-makers and water resource experts with invaluable insights by replicating intricate water cycle dynamics, encompassing phenomena such as precipitation, runoff, infiltration, retention, and utilization. Through their nuanced simulations and predictive capabilities, hydrological models play a crucial role in guiding strategic interventions and informed policies aimed at ensuring the sustainable management and equitable distribution of our planet's most precious resource. Hydrological models stand as indispensable tools in the complex nature of water resources management and forecasting. However, the effectiveness and reliability of these models depend on precisely calibrating the parameter they use. Model optimization emerges as a critical process aimed at ensuring the judicious determination of these parameters, thereby fine-tuning the model's predictive capabilities. The attainment of accurate parameter values serves as the linchpin in facilitating the hydrological model's faithful replication of complex natural processes, encompassing the gamut from precipitation dynamics to runoff generation and water storage mechanisms. Through the precise calibration of parameters, hydrological models can better capture the nuanced interplay of hydrological phenomena, furnishing stakeholders with more reliable forecasts and insights into water resource dynamics. In essence, model optimization stands as an indispensable linchpin in the quest for sustainable water resource management, acting as a catalyst for enhancing the accuracy and effectiveness of hydrological modeling endeavors. By underscoring the crucial role of model optimization, this study charts a significant course toward the attainment of more precise predictions and the facilitation of more effective water resource management strategies. In this study, the impact of the Génie Rural à 6 paramètres Journalier (GR6J) hydrological model, widely used in watershed modeling, on the residual rainfall separation constant, which affects the water transfer between the production and routing layers, was investigated. The GR6J model is designed to simulate hydrological processes on a daily time scale and generally considers precipitation-runoff relationships and the flow of water along the flow path. The model is parameterized to convert precipitation into runoff using watershed characteristics and climate data. The conversion of snowmelt into runoff rather than precipitation is important in the hydrological mechanism for total annual runoff. A distinctive feature of GR6J is that it has a snowmelt module (CemaNeigre), which is very important for regions with seasonal snow accumulation. This module skillfully captures the gradual release of water due to snowmelt, ensuring the model's suitability for various climatic conditions. Routing processes in the model simulate the movement of water along the river network, providing insights into the spatial distribution of runoff. Furthermore, GR6J accounts for soil moisture dynamics, recognizing the influence of a prior conditions on the partitioning of precipitation into runoff and infiltration. However, one of these parameters, the residual rainfall separation constant, was originally fixed in the model and taken as 0.1 and 0.9. In this study, this constant is released during the optimization process and its impact on the model performance is investigated. For this purpose, an additional parameter (X7) was added to the model to release this constant. The GR6J model is widely used in watersheds with different climatic and terrain characteristics and is particularly preferred for accurately modeling the complexity of rainfall-runoff relationships and the transformation of water along the flow path. To evaluate the effect of freeing the residual rainfall separation constant on model performance, models were run in ten different basins located in various parts of the world, including America, South America, Europe, Anatolia and Australia. To evaluate model performance, we used the Nash-Sutcliffe Efficiency (NSE) as the objective function, which is widely used in hydrological modeling and provides a quantitative assessment of the model's performance by comparing simulated values produced by the model with observed data. Our results show slight improvements in Nash-Sutcliffe Efficiency (NSE) values in five basins when the constant parameter is released during the optimization process. However, no improvement was observed in the remaining five basins, emphasizing the need for further research to fully understand the complex nature of hydrological processes and the underlying mechanisms. In this study, the PEST tool, which is a reliable calibration tool, was used to improve the performance of the hydrological model. PEST is a widely recognized optimization tool designed to efficiently tune model parameters to achieve the closest possible match between simulated outputs and observed hydrological data. It works as an inverse modeling tool, iteratively refining parameter values to minimize differences between model predictions and actual measurements. PEST provides a flexible and adaptable platform for model parameterization using various optimization techniques, including the Gauss-Marquardt-Levenberg method. The strength of PEST lies in its ability to handle the complex, high-dimensional parameter spaces inherent in hydrological models. It efficiently navigates the large solution space to identify optimal parameter sets, enabling the model to accurately capture the nuances of the hydrological behavior of the study area. Furthermore, PEST enables the incorporation of various objective functions that allow the calibration process to be tailored to specific performance metrics, such as minimizing the Root Mean Square Error (RMSE) or maximizing the Nash-Sutcliffe Efficiency (NSE). As a calibration algorithm in Pest The Shuffled Complex Evolutionary Algorithm University of Arizone (SCE-UA) algorithm, which is widely accepted in hydrology, was used to determine the parameter set that optimizes the water balance (model calibration). The tests were designed with 1000 maximum iterations and NSE objective function as suggested in the literature. According to the model results, significant increases in NSE values were observed in 5 basins in Austria, Turkey, France, Australia and Brazil with the release of the residual rainfall decomposition constant (X7). However, no improvement was observed in 5 basins in the USA, Chile, UK and Austria. The reasons for the improvement in some basins but not in others should be tested in many more basins with different characteristics. However, it has been shown in this study that improvements can be achieved when the x7 parameter is set free. In this regard, the largest improvement in the NSE value was observed in the Austrian basin with an increase of 0.1953. Accordingly, in the calibration period of 10 years (1997-2007), the best NSE value with a constant of 0.9 was 0.5523, while when released, X7= 0.9809, while the NSE value improved to 0.7576. In addition, the NSE value increased by 1.94% in the Karasu basin, 1.50% in the Moselle basin, 4.26% in the Brazilian basin, 5.56% in the Australian basin, indicating a better agreement between simulated and observed flow rates. According to the sensitivity analysis results for the Karasu basin, which provide important information about the individual effects of the parameters on the performance of the hydrological model, parameter X7 has less impact on model performance compared to the other 6 parameters. As the X7 parameter approaches its lower limit, the peak values in the model predictions increase significantly, while lower values are closer to the observed data. Based on these findings, leaving the x7 parameter free may lead to better model results in arid or rainy regions. Seasonality analysis was also performed for low and high flows. Seasonality analysis refers to regular recurring changes over time and can show regularly recurring events such as floods, droughts, etc. in the basin studied in terms of water management and forecasting. In conclusion, this study highlights the importance of model optimization in improving the accuracy and reliability of hydrological models. While there are hundreds of basins with different characteristics (climate, temperature, precipitation, evaporation, etc.), we should avoid fixed parameters in the hydrological models we use to make forecasts. In this study, we tested the flexibility and adaptability of the model to different hydrological conditions by releasing the residual precipitation allocation constant in the optimization process and observed slight improvements in the model results of some basins. There is a need to conduct research and analysis in more basins with different characteristics in order to generalize these improvements and reach a definite conclusion and develop reliable strategies for water resources management in a changing climate.

Benzer Tezler

  1. Tez No

    733479

    Türkiye'nin farklı havzalarında kavramsal ve kavramsal-veri güdümlü hibrit modeller ile yağış-akış modellemesi

    Rainfall-runoff modelling by conceptual and conceptual-data-driven hybrid models in different basins of Turkey

    CENK SEZEN

    Doktora

    Türkçe

    Türkçe

    2022

    İnşaat MühendisliğiOndokuz Mayıs Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. TURGAY PARTAL

Geri Dön