مدل‌های جمعی تعمیم یافته جهت تحلیل فراوانی نا ایستای سیل

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده منابع طبیعی- دانشگاه صنعتی اصفهان

2 دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، ایران

چکیده

 
برآورد دبی طراحی به وسیله فرآیند تحلیل فراوانی با پیش‎شرط کلیدی ایستایی داده‌ها انجام می‌گیرد. امروزه عواملی مانند تغییر کاربری، مدیریت نامناسب و تغییر اقلیم منجر شده است که ماهیت ایستایی حداکثر دبی لحظه‌ای سیلاب‌ها تحت تأثیر قرار گیرد. بنابراین چنانچه داده‌ها دچار عدم ایستایی شوند برآوردهای حاصل از تحلیل فراوانی با فرض ایستایی غیرقابل اطمینان و دارای خطای زیادی خواهد بود و خسارات و تلفات بسیار شدیدی را ممکن است حادث شوند. از اینرو در پژوهش حاضر برای تحلیل فراوانی ناایستای سیل ضمن معرفی روش‌های آماری و چشمی برای ارزیابی شرایط ایستایی داده‌ها، استفاده از مدل‌های تعمیم‎یافته جمعی برای پارامترهای موقعیت، مقیاس و شکل (GAMLSS) به منظور تحلیل فراوانی داده‌های ناایستا و برآورد چندک‌های طراحی در شرایط ناایستایی تشریح می‌شود. بدین منظور شش ایستگاه هیدرومتری از استان‌های مختلف شمال کشور انتخاب شدند. پس از آن فرآیند تحلیل فراوانی با و بدون درنظر گرفتن پیش‎فرض ایستایی برای هر ایستگاه انجام شد. نتایج نشان داد که در مدل‌های دارای روند برای پارامترها، هر دو پارامتر موقعیت و مقیاس دچار ناایستایی به فرم خطی و حتی درجه دو شده‎اند. از سوی دیگر نتایج نشان داد که دبی طراحی برآورد شده در شرایط ناایستایی با روند‌ افزایشی تا سه برابر بیشتر از دبی طراحی برآورد شده با پیش‎فرض ایستایی در ایستگاه نوده‌خرمالو می‌باشد. همچنین نتایج نشان داد که در ایستگاه‌هایی که روند ناایستایی افزایشی وجود دارد دوره‌ بازگشت سیلاب‌های بزرگ رو به کاهش است و برای دوره بازگشت‌های یکسان مقادیر چندک‌های سیل رو به افزایش است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Generalized Additive Models for Non-stationary Flood Frequency Analysis

نویسندگان [English]

  • Poria Mohit Isfahani 1
  • Reza Modarres 2
1 department of Natural Resources, Isfahan University of Technology
2 Dِepartment of Natural Resources Isfahan University of Technology, Iran
چکیده [English]

Flood control and management is a fundamental issue for hydrology researchers and managers. Regarding the design and construct of different hydrologic structures such as reservoirs and dams as effective techniques for flood control, the appropriate estimation of the dimension and resilience of these structures needs correct estimation of the magnitude and return periods of flood for which the design flood in different return periods or probability level is applied. Design flood estimation is done through frequency analysis with the key stationary assumption. Nowadays the factors such as land use change, inappropriate management and climate change has influenced stationary conditions of flood peaks. Therefore, in the existence of non-stationary, the estimation based on stationary assumption is not confident and may have large errors. In this regard, this study for non-stationary flood frequency analysis the GAMLESS model for location, scale and shape parameter estimation as well as visual inspection of non-stationary are introduced and developed for quantile estimation in non-stationary conditions. Six hydrometery stations from different provinces in the North of Iran were selected. Frequency analysis with and without stationary assumptions was done for each station. Results indicated that location and scale parameters have trend with the linear and quadratic manner. In addition, results indicated that design flood estimated by non-stationary procedure has increased around 3 times higher than stationary estimation in Nodekhormalo station. Results also demonstrated that in a station with increasing non-stationary trend, return period of big floods is decreasing and for the same return periods, flood quantiles has increased.

کلیدواژه‌ها [English]

  • Non-stationary Frequency Analysis
  • flood
  • Trend
  • GAMLSS
  • Flood Risk
Cheng L, AghaKouchak A, Gilleland E, Katz RW (2014) Nonstationary extreme value analysis in a changing climate. Clim Change 127(2):353–369
Dong ND, Agilan V, Jayakumar KV (2019) Bivariate flood frequency analysis of nonstationary flood characteristics. Journal of Hydrologic Engineering 24(4)
Farsadniam F, Rostami Kamrod M, and Moghadam Nia A (2012) Rainfall trend analysis of Mazandaran Province using regional Mann-Kendall test. Iran-Water Resources Research 8(2):60-70
Hosking JRM (1990) L-moments: Analysis and estimation of distributions using linear combinations of order statistics. Journal of the Royal Statistical Society: Series B 52(1):105–124
Jiang C, Xiong L, Xu CY, Guo S (2015) Bivariate frequency analysis of nonstationary low‐flow series based on the time‐varying copula. Hydrological Processes 29(6):1521-1534
Karamouz M, Araghinejad S (2014) Advanced hydrology. Amirkabir University Press, 464p (In Persian)
Koenker R, Hallock KF (2001) Quantile regression. Journal of Economic Perspectives 15(4):143-156
Leclerc M, Ouarda TB (2007) Non-stationary regional flood frequency analysis at ungauged sites. Journal of Hydrology 343(3-4):254-265
Li J, Lei Y, Tan S, Bell CD, Engel BA, Wang Y (2018) Nonstationary flood frequency analysis for annual flood peak and volume series in both univariate and bivariate domain. Water Resources Management 32(13):4239-4252
Libiseller C, Grimvall A (2002) Performance of partial Mann–Kendall tests for trend detection in the presence of covariates. Environmetrics: The Official Journal of the International Environmetrics Society 13(1):71-84
El Adlouni S, Ouarda TB, Zhang X, Roy R, Bobée B (2007) Generalized maximum likelihood estimators for the nonstationary generalized extreme value model. Water Resources Research 43(3):1-13
Mitosek HT, Strupczewski WG, Singh VP (2006) Three procedures for selection of annual flood peak distribution. Journal of Hydrology 323(1-4):57–73
Modarres R, Sarhadi A, Burn DH (2016) Changes of extreme drought and flood events in Iran. Global and Planetary Change 144:67-81
Rigby RA, Stasinopoulos DM (2005) Generalized additive models for location, scale and shape. Journal of Applied Statistics 54(3):507–554
Rigby RA, Stasinopoulos DM, Heller G, De Bastiani F (2018) Distributions for modelling location, scale and shape: Using GAMLSS in R. URL www.gamlss.org.
Saghafian B, Farazjoo H, Sepehry A, Najafinejad A (2006) Effects of land use change on floods in
Golestan Dam Drainage Basin. Iran-Water Resources Research 2(1):18-28
Strupczewski WG, Mitosek HT, Kochanek K, Singh VP, Weglarczyk S (2006) Probability of correct selection from lognormal and convective diffusion models based on the likelihood ratio. Stochastic Environmental Research and Risk Assessment 20(3):152–163
Wald A, Wolfowitz J (1943) An exact test for randomness in the non-parametric case based on serial correlation. The Annals of Mathematical Statistics 14(4):378-388
Yan H, Moradkhani H (2015) A regional Bayesian hierarchical model for flood frequency analysis. Stochastic Environmental Research and Risk Assessment 29(3):1019–1036
Yan H, Moradkhani H (2016) Toward more robust extreme flood prediction by Bayesian hierarchical and multimodeling. Natural Hazards 81(1):203–225
Zhang T, Wang Y, Wang B, Tan S, Feng P (2018) Nonstationary flood frequency analysis using univariate and bivariate time-varying models based on GAMLSS. Water 10(7):819p