توصيفگر ها :
توابع مفصل , حوضه آبخيز كن , دوره بازگشت توأم , دوره بازگشت شرطي , ميانگين بارش روز سيلاب
چكيده فارسي :
سيلابها همواره بهعنوان تهديدي براي جوامع بشري شناخته شدهاند و انسانها براي مقابله با اين پديده، اقدامات حفاظتي و مديريتي متعددي در دستور كار قرار دادهاند. در دهههاي اخير، تكرار وقوع سيلابها در برخي مناطق خاص، بهويژه در حوضه آبخيز كن واقع در غرب تهران، بهعنوان هشداري جدي براي جامعه ايراني تلقي شده است. حوضه آبخيز كن به 10 زيرحوضه شامل امامزاده داوود (ع)، طالون، رندان، سنگان، كشار، سولقان، كن مياني، دوآب، هرياس و پاييندست سولقان تقسيم ميشود. سيلابهاي 28 تير 1394 و 6 مرداد 1401 بهترتيب در زيرحوضههاي سولقان و امامزاده داوود (ع) رخ دادند. با توجه به اهميت اين موضوع، در اين پژوهش با استفاده از دادههاي هواشناسي و هيدرومتري ايستگاههاي موجود در حوضه آبخيز كن، پديده سيلاب با رويكردي چندجانبه بررسي شد. در علم آمار و احتمالات، سيلاب پديدهاي چندمتغيره است كه در بروز آن متغيرهاي متعددي از جمله بارش نقش دارند. بنابراين، براي تحليل و تفسير اين پديده كه تحت تأثير عوامل مختلف قرار دارد، درك دقيق متغيرهاي مؤثر و ارزيابي ميزان تأثير هر يك از آنها ضروري است. در اين مطالعه، براي تحليل دبي اوج سالانه (كه در اين تحقيق بهعنوان سيلاب تعريف شده است)، اثر بارشهاي 24 ساعته روز وقوع سيلاب، بارشهاي 48 ساعته (روز سيلاب و يك روز قبل) و بارشهاي 72 ساعته (روز سيلاب و دو روز قبل) در نظر گرفته شد. براي مدلسازي وابستگي ميان دبي اوج سالانه و ميانگين بارشهاي مذكور از توابع مفصل استفاده شد. در ابتدا، توابع توزيع حاشيهاي تكمتغيره منتخب (GLO, GEV, GPA, LN3, PE3) بر متغيرهاي مورد بررسي برازش داده شدند. سپس، همبستگي ميان جفت متغيرهاي دبي اوج و ميانگين بارش روز سيلاب (در بازههاي زماني 24، 48 و 72 ساعته) با استفاده از آزمونهاي همبستگي كندال و اسپيرمن بررسي شد. پس از مشخص شدن معناداري همبستگي، توابع توزيع تجمعي هر جفت متغير به يكديگر متصل و توابع مفصل گامبل، فرانك، كلايتون و پلاكت بهعنوان مدلهاي مناسب انتخاب و برازش داده شدند. نتايج حاصل از برازش اين توابع مفصل بر جفت متغيرها در قالب نمودارهاي دوره بازگشت مشترك و شرطي ارائه گرديد. تحليل دوره بازگشتهاي مشترك نشان داد كه احتمال وقوع همزمان دبي اوج (سيلاب) و بارشهاي روز وقوع سيلاب، بهويژه در بازههاي زماني طولانيتر (48 و 72 ساعته)، بيشتر از بازه كوتاهتر (24 ساعته) است. همچنين، تحليل دوره بازگشتهاي شرطي نشان داد كه بارشهاي فراتر از يك آستانه مشخص موجب افزايش دبي اوج و طولانيتر شدن دوره بازگشت شرطي ميشوند. اين اثر بارشهاي بلندمدت (48 و 72 ساعته) بهويژه در زيرحوضههاي سولقان و كيگا مشهود بود و نشاندهنده تأثير قابلتوجه بارشهاي طولانيمدت بر سيلابهاي بزرگ است؛ درحاليكه در زيرحوضههاي رندان و كشار اين اثر كمتر مشاهده شد. در جمعبندي، يافتههاي اين پژوهش نشان ميدهد كه توابع مفصل ابزار مناسبي براي تحليل همزمان متغيرهاي سيلابي و بارشي هستند و استفاده از آنها در ارزيابي ريسك سيلاب ميتواند دقت تحليلها را بهبود بخشد. همچنين نتايج بيانگر آن است كه بارشهاي بلندمدت (48 و 72 ساعته) نقش كليديتري در تشديد سيلابها در اين حوضه ايفا ميكنند. از اين رو، در طراحي سامانههاي هشدار سريع و برنامهريزي مديريت منابع آب، توجه ويژه به اثر بارشهاي تجمعي ضروري است.
چكيده انگليسي :
Floods have always been recognized as a major threat to human societies, leading to the adoption of various protective and management strategies. In recent decades, the recurrence of floods in certain regions, particularly in the Kan watershed in western Tehran, has served as a serious warning for Iranian society. The Kan watershed consists of 10 sub-watersheds: Imamzadeh Davood, Taloon, Rendan, Sangan, Keshar, Soleghan, Middle Kan, Doab, Haryas, and the downstream of Soleghan. Notable flood events occurred on July 19, 2015, and August 6, 2022, in the Soleghan and Imamzadeh Davood sub-watersheds, respectively. In this study, flood events in the Kan watershed were investigated through a multivariate statistical approach using meteorological and hydrometric data. Floods are inherently multivariate phenomena influenced by several factors, with precipitation being the most important. To analyze peak annual discharge (defined in this study as flood), rainfall over 24-hour (flood day), 48-hour (flood day and the day before), and 72-hour (flood day and two previous days) periods was considered. Univariate marginal distributions (GLO, GEV, GPA, LN3, PE3) were fitted to the variables, and the correlations between peak discharge and rainfall in different time windows were examined using Kendall’s tau and Spearman’s rho. After confirming significant correlations, copula functions (Gumbel, Frank, Clayton, and Plackett) were applied to model the joint dependence, and the results were presented in the form of joint and conditional return period plots. The joint return period analysis indicated that the probability of simultaneous occurrence of peak discharge and rainfall increases with longer rainfall durations (48 and 72 hours) compared to shorter ones (24 hours). The conditional return period analysis revealed that rainfall exceeding a certain threshold leads to higher peak discharge and longer conditional return periods. This effect was particularly pronounced in the Soleghan and Kiga sub-watersheds, whereas in Rendan and Keshar the effect was less evident. Overall, the findings highlight that copula functions provide a reliable tool for joint analysis of flood and rainfall variables and can improve flood risk assessment. Moreover, the results emphasize the critical role of prolonged rainfall (48–72 hours) in flood generation in the Kan watershed, underlining the importance of considering cumulative rainfall in early warning systems and water resources management planning.
