Η έννοια του αριθμού καμπύλης απορροής ως οδηγού για τη χάραξη μονάδων υδρολογικής απόκρισης

E. Savvidou, A. Efstratiadis, A. D. Koussis, A. Koukouvinos, and D. Skarlatos, The curve number concept as a driver for delineating hydrological response units, Water, 10 (2), 194, doi:10.3390/w10020194, 2018.

[Η έννοια του αριθμού καμπύλης απορροής ως οδηγού για τη χάραξη μονάδων υδρολογικής απόκρισης]

[doc_id=1772]

[Αγγλικά]

Προτείνουμε μια νέα μεθοδολογία για τη χάραξη μονάδων υδρολογικής απόκρισης (ΜΥΑ), που βασίζεται στην έννοια του Αριθμού Καμπύλης Απορροής (Curve Number, CN). Αρχικά, μια ημιαυτόματη διαδικασία σε περιβάλλον ΣΓΠ επιτρέπει την παραγωγή του χάρτη της λεκάνης με κατανεμημένες τιμές του CN, ως προϊόντος τριών κατηγοριοποιημένων χωρικών επιπέδων, ήτοι της περατότητας εδαφών, των χρήσεων/κάλυψης γης, και της αποστραγγιστικής ικανότητας. Οι χάρτης τιμών του CN χρησιμοποιεπίται στη συνέχεια για την παραμετροποίηση του μοντέλου, προκειμένου να προσδιοριστεί ο απαιτούενος αριθμός και η χωρική έκταση των ΜΥΑ και, συνακόλουθα, το πλήθος των μεταβλητών ελέγχου του προβλήματος βαθμονόμησης. Η νέα προσέγγιση αποσκοπεί στο να περιορίσει την υποκειμενικότητα που εισάγει ο ορισμός των ΜΥΑ και, ταυτόχρονα, να παράσχει φειδωλά σχήματα μοντελοποίησης. Ειδικότερα, η παραμετροποίηση βάσει του CN: (1) επιτρέπει στον χρήστη να αντιστοιχίσει όσες παραμέτρους μπορεί να υποστηρίξει η διαθέσιμη υδρολογική πληροφορία, (2) συσχετίζει τις παραμέτρους του μοντέλου με τις αναμενόμενες αποκρίσεις της λεκάνης, όπως αυτές ποσοτικοποιούνται σε όρους κλάσεων του CN που αναφέρονται στις ΜΥΑ, και (3) μειώνει τον φόρτο της βαθμονόμησης του μοντέλου, εξασφαλίζοντας ταυτόχρονα καλή προγνωστική ικανότητα. Τα πλεονεκτήματα της προτεινόμενης προσέγγισης επιδεικνύονται στην υδρολογική μοντελοποίηση της λεκάνης απορροής του Νέδοντα (ΝΔ Ελλάδα), όπου εφαρμόζονται παραμετροποιήσεις διαφορετικής πολυπλοκότητας στην πρόσφατα αναβαθμισμένη έκδοση του μοντέλου ΥΔΡΟΓΕΙΟΣ. Το πείραμα μοντελοποίησης με διαφορετικό αριθμό ΜΥΑ, όπου το πρόβλημα εκτίμησης των παραμέτρων αντιμετωπίστηκε μέσω αυτόματης βελτιστοποίησης, έδειξε ότι η παραμετροποίηση με τρεις ΜΥΑ, όσες δηλαδή και οι διαθέσιμες χρονοσειρές παροχής, εξασφάλισε τη βέλτιστη επίδοση. Ομοίως, έλεγχοι με εναλλακτικές διαμορφώσεις των ΜΥΑ επιβεβαίωσαν ότι τα υψηλότερα μέτρα προσαρμογής, τόσο στη βαθμονόμηση όσο και στην επαλήθευση, επιτεύχθηκαν με την προσέγγιση βάσει του CN, ενώ κατέληξε, επίσης, σε τιμές παραμέτρων της κάθε ΜΥΑ που είναι σε συμφωνία με τη φυσική τους ερμηνεία.

PDF Πλήρες κείμενο:

Βλέπε επίσης: http://www.mdpi.com/2073-4441/10/2/194

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. A. Efstratiadis, and D. Koutsoyiannis, An evolutionary annealing-simplex algorithm for global optimisation of water resource systems, Proceedings of the Fifth International Conference on Hydroinformatics, Cardiff, UK, 1423–1428, doi:10.13140/RG.2.1.1038.6162, International Water Association, 2002.
2. K. Mazi, A. D. Koussis, P. J. Restrepo, and D. Koutsoyiannis, A groundwater-based, objective-heuristic parameter optimisation method for a precipitation-runoff model and its application to a semi-arid basin, Journal of Hydrology, 290, 243–258, 2004.
3. E. Rozos, A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Calibration of a semi-distributed model for conjunctive simulation of surface and groundwater flows, Hydrological Sciences Journal, 49 (5), 819–842, doi:10.1623/hysj.49.5.819.55130, 2004.
4. E. Rozos, and D. Koutsoyiannis, A multicell karstic aquifer model with alternative flow equations, Journal of Hydrology, 325 (1-4), 340–355, 2006.
5. Δ. Κουτσογιάννης, Α. Ανδρεαδάκης, Ρ. Μαυροδήμου, Α. Χριστοφίδης, Ν. Μαμάσης, Α. Ευστρατιάδης, Α. Κουκουβίνος, Γ. Καραβοκυρός, Σ. Κοζάνης, Δ. Μαμάης, και Κ. Νουτσόπουλος, Εθνικό Πρόγραμμα Διαχείρισης και Προστασίας των Υδατικών Πόρων, Υποστήριξη της κατάρτισης Εθνικού Προγράμματος Διαχείρισης και Προστασίας των Υδατικών Πόρων, 748 pages, doi:10.13140/RG.2.2.25384.62727, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2008.
6. A. Efstratiadis, I. Nalbantis, A. Koukouvinos, E. Rozos, and D. Koutsoyiannis, HYDROGEIOS: A semi-distributed GIS-based hydrological model for modified river basins, Hydrology and Earth System Sciences, 12, 989–1006, doi:10.5194/hess-12-989-2008, 2008.
7. A. Efstratiadis, and D. Koutsoyiannis, One decade of multiobjective calibration approaches in hydrological modelling: a review, Hydrological Sciences Journal, 55 (1), 58–78, doi:10.1080/02626660903526292, 2010.
8. I. Nalbantis, A. Efstratiadis, E. Rozos, M. Kopsiafti, and D. Koutsoyiannis, Holistic versus monomeric strategies for hydrological modelling of human-modified hydrosystems, Hydrology and Earth System Sciences, 15, 743–758, doi:10.5194/hess-15-743-2011, 2011.
9. A. Tegos, A. Efstratiadis, and D. Koutsoyiannis, A parametric model for potential evapotranspiration estimation based on a simplified formulation of the Penman-Monteith equation, Evapotranspiration - An Overview, edited by S. Alexandris, 143–165, doi:10.5772/52927, InTech, 2013.
10. A. Efstratiadis, A. D. Koussis, S. Lykoudis, A. Koukouvinos, A. Christofides, G. Karavokiros, N. Kappos, N. Mamassis, and D. Koutsoyiannis, Hydrometeorological network for flood monitoring and modeling, Proceedings of First International Conference on Remote Sensing and Geoinformation of Environment, Paphos, Cyprus, 8795, 10-1–10-10, doi:10.1117/12.2028621, Society of Photo-Optical Instrumentation Engineers (SPIE), 2013.
11. J. A. P. Pollacco, B. P. Mohanty, and A. Efstratiadis, Weighted objective function selector algorithm for parameter estimation of SVAT models with remote sensing data, Water Resources Research, 49 (10), 6959–6978, doi:10.1002/wrcr.20554, 2013.
12. A. Efstratiadis, A. D. Koussis, D. Koutsoyiannis, and N. Mamassis, Flood design recipes vs. reality: can predictions for ungauged basins be trusted?, Natural Hazards and Earth System Sciences, 14, 1417–1428, doi:10.5194/nhess-14-1417-2014, 2014.
13. Α. Ευστρατιάδης, Α. Κουκουβίνος, Π. Δημητριάδης, Ε. Ρόζος, και Α. Δ. Κούσης, Τεχνική έκθεση θεωρητικής τεκμηρίωσης μοντέλου υδρολογικής-υδραυλικής προσομοίωσης, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 108 pages, Σεπτέμβριος 2014.
14. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ε. Μιχαηλίδη, Ε. Γαλιούνα, Κ. Τζούκα, Α. Δ. Κούσης, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Τεχνική έκθεση περιγραφής περιοχικών σχέσεων εκτίμησης χαρακτηριστικών υδρολογικών μεγεθών, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 146 pages, Σεπτέμβριος 2014.
15. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.
16. A. Tegos, N. Malamos, A. Efstratiadis, I. Tsoukalas, A. Karanasios, and D. Koutsoyiannis, Parametric modelling of potential evapotranspiration: a global survey, Water, 9 (10), 795, doi:10.3390/w9100795, 2017.

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. K. Risva, D. Nikolopoulos, and A. Efstratiadis, Development of a distributed hydrological software application employing novel velocity-based techniques, 11th World Congress on Water Resources and Environment “Managing Water Resources for a Sustainable Future”, Madrid, European Water Resources Association, 2019.
2. N. Mamassis, K. Mazi, E. Dimitriou, D. Kalogeras, N. Malamos, S. Lykoudis, A. Koukouvinos, I. L. Tsirogiannis, I. Papageorgaki, A. Papadopoulos, Y. Panagopoulos, D. Koutsoyiannis, A. Christofides, A. Efstratiadis, G. Vitantzakis, N. Kappos, D. Katsanos, B. Psiloglou, E. Rozos, T. Kopania, I. Koletsis, and A. D. Koussis, OpenHi.net: A synergistically built, national-scale infrastructure for monitoring the surface waters of Greece, Water, 13 (19), 2779, doi:10.3390/w13192779, 2021.

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

1. Aqnouy, M., J. E. S. El Messari, H. Ismail, A. Bouadila, J. G. M. Navarro, B. Loubna, and M. R. A. Mansour, Assessment of the SWAT model and the parameters affecting the flow simulation in the watershed of Oued Laou (Northern Morocco), Journal of Ecological Engineering, 20(4), 104-113, doi:10.12911/22998993/102794, 2019.
2. Day, C., and G. Seay, Watershed surface characteristics and storm distribution impacts on low-order urban stream hydrology response, The Geographical Bulletin – Gamma Theta Upsilon, 60(2), 95-107, 2019.
3. Rozos, E., A methodology for simple and fast streamflow modelling, Hydrological Sciences Journal, 65(7), 1084-1095, doi:10.1080/02626667.2020.1728475, 2020.
4. Pobletei, D., J Arévaloi, O. Nicolis, and F. Figueroa, Optimization of the Hydrologic Response Units (HRU) using gridded meteorological data and spatially varying parameters, Earth and Space Science Open Archive, doi:10.1002/essoar.10502299.1, 2020.
5. Weber, M., M. Feigl, K. Schulz, and M. Bernhardt, On the ability of LIDAR snow depth measurements to determine or evaluate the HRU discretization in a land surface model, Hydrology, 7(2), 20, doi:10.3390/hydrology7020020, 2020.
6. Στεφανίδης, Σ. Ντάφης, και Χ. Γιάνναρος, Υδρολογική απόκριση της λεκάνης απορροής του χειμάρρου «Μπασδέκη» Ολυμπιάδας στην καταιγίδα της 25ης Νοεμβρίου 2019, Υδροτεχνικά (2019-2020), 29, 13-26, 2020.
7. Soulis, K. X., E. Psomiadis, P. Londra, and D. Skuras, A new model-based approach for the evaluation of the net contribution of the European Union rural development program to the reduction of water abstractions in agriculture, Sustainability, 12(17), 7137, doi:10.3390/su12177137, 2020.
8. Harisuseno, D., M. Bisri, and T.S. Haji, Inundation controlling practice in urban area: Case study in residential area of Malang, Indonesia, Journal of Water and Land Development, 46(VII–IX), 112–120, doi:10.24425/jwld.2020.134203, 2020.
9. Nagel, G. W., F. Da Silva Terra, J. S. De Oliveira, I. Horák-Terra, and S. Beskow, Cálculo da curva número para bacia hidrográfica urbana utilizando diferentes abordagens de classificação para imagem orbital RapidEye: estudo de caso para o arroio Pepino (Pelotas, RS), Pesquisas em Geociências, 47(2), doi:10.22456/1807-9806.108583, 2020.
10. Poblete, D., J. Arevalo, O. Nicolis, O., and F. Figueroa, Optimization of Hydrologic Response Units (HRUs) using gridded meteorological data and spatially varying parameters, Water, 12(12), 3558, doi:10.3390/w12123558, 2020.
11. Ramadan, A. N. A., D. Nurmayadi, A. Sadili, R. R. Solihin, and Z. Sumardi, Pataruman watershed Curve Number determination study based on Indonesia land map unit, Media Komunikasi Teknik Sipil, 26(2), 258-266, doi:10.14710/mkts.v26i2.26563, 2020.
12. Athira, P., and K. P. Sudheer, Calibration of distributed hydrological models considering the heterogeneity of the parameters across the basin: a case study of SWAT model, Environmental Earth Sciences, 80, 131, doi:10.1007/s12665-021-09434-8, 2021.
13. Assaye, H., J. Nyssen, J. Poesen, H. Lemma, D. T. Meshesha, A. Wassie, E. Adgo, and A. Frank, Curve number calibration for measuring impacts of land management in sub-humid Ethiopia, Journal of Hydrology: Regional Studies, 35, 100819, doi:10.1016/j.ejrh.2021.100819, 2021.
14. Gunn, K. M., A. R. Buda, H. E. Gall, R. Cibin, C. D. Kennedy, and T. L. Veith, Integrating daily CO2 concentrations in SWAT-VSA to examine climate change impacts on hydrology in a karst watershed, Transactions of the ASABE, 64(4), 1303-1318, doi:10.13031/trans.13711, 2021.
15. #Soulis, K., Hydrological data sources and analysis for the determination of environmental water requirements in mountainous areas, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 2, 51-98, Elsevier, doi: 10.1016/B978-0-12-819342-6.00007-5, 2021.
16. #Muñoz-Mas, R., and P. Vezza, Quantification of environmental water requirements; how far can we go?, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 6, 235-280, Elsevier, doi:10.1016/B978-0-12-819342-6.00001-4, 2021.
17. Azizah, C., H. Pawitan, B. D. Dasanto, I. Ridwansyah, and M. Taufik, Risk assessment of flash flood potential in the humid tropics Indonesia: a case study in Tamiang River basin, International Journal of Hydrology Science and Technology, 13(1), 57-73, 2022.
18. Anurogo, W., K. Pratiwi, M. Z. Lubis, M. K. Mufida, L. R. Sari, and S. N. Chayati, Analysis on the change of runoff curve number influence to surface flow debit using ALOS AVNIR-2 data imagery, Jurnal Pendidikan Geografi: Kajian, Teori, dan Praktek dalam Bidang Pendidikan dan Ilmu Geografi, 27(1), 15-25, doi:10.17977/um017v27i12022p15-25, 2022.
19. Lee, H., J.-Y. Park, and Y. S. Park, Developing and applying a QGIS-based model that accounts for nonpoint source pollution due to domestic animals, Water, 14(17), 2742, doi:10.3390/w14172742, 2022.
20. Gavhane, K. P., A. K. Mishra, A. Sarangi, D. K. Singh, and S. Sudhishri, Estimation of surface runoff potential of an ungauged watershed in semi-arid region using geospatial techniques, Arabian Journal of Geosciences, 16, 402, doi:10.1007/s12517-023-11497-9, 2023.
21. Hendrayantoa, W., and Y. Suharnoto, Simulation of the impact of land use change on surface run-off in karst Leang Lonrong sub-watershed, Journal of Natural Resources and Environmental Management, 13(2), 313-326, doi:10.29244/jpsl.13.2.313-326, 2023.
22. Patel, A., and S. M. Yadav, Development of flood forecasting and warning system using hybrid approach of ensemble and hydrological model for Dharoi Dam, Water Practice and Technology, 18(11), 2862-2883, doi:10.2166/wpt.2023.178, 2023.
23. Bitew, M. M., and H. H. Kebede, Effect of land use land cover change on stream flow in Azuari watershed of the Upper Blue Nile Basin, Ethiopia, Sustainable Water Resources Management, 10, 112, doi:10.1007/s40899-024-01084-5, 2024.
24. Stefanidis, S., N. Proutsos, V. Alexandridis, and G. Mallinis, Ecosystem services supply from peri-urban watersheds in Greece: Soil conservation and water retention, Land, 13(6), 765, doi:10.3390/land13060765, 2024.
25. Muchtar, A., W. Wahyullah, H. Herawaty, U. Arsyad, and A. F. Fathurrahman, Estimasi limpasan permukaan dengan menggunakan metode CN modifikasi di sub DAS mamasa, Jurnal Ilmu Lingkungan, 22(4), 1001-1008, doi:10.14710/jil.22.4.1001-1008, 2024.
26. #Chrysafis, I., K. Vatitsi, I. P. Kokkoris, P. Dimopoulos, T. Roustanis, E. Chalkidou, and G. Mallinis, Mapping ecosystem services trade-offs and synergies at Natura 2000 sites: a case study from Greece, Proceedings of Tenth International Conference on Remote Sensing and Geoinformation of the Environment (RSCy2024), A. Christofe, S. Michaelides, D. Hadjimitsis, C. Danezis, K. Themistocleous, N. Kyriakides, and G. Schreier (editors), Vol. 13212, 1321213, doi:10.1117/12.3037295, 2024.
27. Kumar, G. P., K. S. Sreejith, and G. S. Dwarakish, The influence of land use and land cover transitions on hydrology in a tropical river basin of Southwest India, Water Conservation Science and Engineering, 9, 64, doi:10.1007/s41101-024-00301-8, 2024.

Κατηγορίες: Υδρολογικά μοντέλα, Πιο πρόσφατες εργασίες, Άρθρα που αρχικώς απορρίφθηκαν, Λογισμικό