การศึกษาความแตกต่างของปริมาณน้ำท่าและพารามิเตอร์ของแบบจำลอง SWAT จากการใช้ข้อมูลฝนตรวจวัดและข้อมูลฝนภาพถ่ายดาวเทียม
คำสำคัญ:
SWAT, ข้อมูลฝนภาพถ่ายดาวเทียม, อ่างเก็บน้ำแก่งกระจาน, ปริมาณน้ำท่า, ปริมาณน้ำบทคัดย่อ
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อตรวจสอบความแตกต่างของค่าพารามิเตอร์และปริมาณน้ำท่าที่ไหลลงสู่อ่างเก็บน้ำแก่งกระจานจากการประยุกต์ใช้แบบจำลอง SWAT ระหว่างการใช้ปริมาณฝนที่ได้จากสถานีตรวจวัดฝน (SWAT-Station) และปริมาณฝนจากการตรวจวัดด้วยดาวเทียม Global Satellite Mapping of Precipitation Near real Time (GSMaP_NRT) (SWAT-GSMaP_NRT) ซึ่งได้รับการปรับแก้ค่าความเอนเอียงก่อนนำเข้าสู่แบบจำลอง ผลการปรับเทียบ/ทวนสอบแบบจำลอง SWAT-Station โดยการใช้ดัชนีทางสถิติ R2 NSE และ PBIAS พบว่า มีค่าอยู่ในเกณฑ์ต่ำ-ปานกลาง (0.26/0.26, 0.25/0.14, 26.75%/-26.50%) ในขณะที่เมื่อนำข้อมูลปริมาณฝนภาพถ่ายดาวเทียมเข้าสู่แบบจำลอง SWAT-Station โดยไม่มีการปรับค่าพารามิเตอร์พบว่าผลลัพธ์ R2 NSE และ PBIAS มีค่าที่สูงขึ้น (0.45/0.46, 0.41/0.48, 25.16%/-21.19%) ดัชนีดังกล่าวมีค่าสูงสุดเมื่อแบบจำลอง SWAT-GSMaP_NRT ได้รับการปรับค่าพารามิเตอร์ (0.68/0.51, 0.68/0.45, 11.93%/-13.94%) เมื่อพิจารณาค่าพารามิเตอร์ที่มีความอ่อนไหว 5 อันดับแรก พบว่า ค่าพารามิเตอร์ของกลุ่มการคำนวณปริมาณน้ำในดินมีความอ่อนไหวมากที่สุด ค่าสูงสุดของพารามิเตอร์โดยส่วนใหญ่ของแบบจำลอง SWAT-GSMaP_NRT มีค่าสูงกว่าของแบบจำลอง SWAT-Station จากการประเมินปริมาณน้ำท่าไหลลงอ่างเก็บน้ำแก่งกระจานจากแบบจำลองที่ปรับเทียบแล้ว พบว่า แบบจำลองทั้ง 2 แสดงค่าความแตกต่างของปริมาณน้ำท่ารายปีเฉลี่ยเท่ากับ 12.37% โดยส่วนใหญ่พบว่า SWAT-GSMaP_NRT จะประเมินผลปริมาณน้ำท่าต่ำกว่า SWAT-Station เล็กน้อย แต่เมื่อเปรียบเทียบปริมาณน้ำไหลลงอ่างเก็บน้ำรายฤดูกาล พบว่า ช่วงต้น-กลางฤดูฝน SWAT-JAXA ให้ผลประเมินปริมาณน้ำที่สูงกว่า และเมื่อเข้าสู่ปลายฤดูฝน SWAT-GSMaP_NRT ให้ผลประเมินปริมาณน้ำที่ได้ต่ำกว่า SWAT-Station โดยในช่วงฤดูฝนประมาณปริมาณน้ำไหลลงอ่างเฉลี่ยได้เดือนละ 119 และ 129 ล้าน ลบ.ม. ในขณะที่ช่วงฤดูแล้ง ประมาณปริมาณน้ำไหลลงอ่างเฉลี่ยได้เดือนละ 48 และ 36 ล้าน ลบ.ม. เมื่อใช้แบบจำลอง SWAT-Station และ SWAT-GSMaP_NRT ตามลำดับ
References
Daeha, K., Jung, II W. and Jong, A.C., 2017, “A Comparative Assessment of Rainfall-runoff Modelling Against Regional Flow Duration Curves for Ungauged Catchments,” Hydrology and Earth System, 21, pp. 5647-5661.
Makungo, R., Odiyo, J.O., Ndiritu, J.G. and Mwaka, B., 2010, “Rainfall-runoff Modelling Approach for Ungauged Catchments: A Case Study of Nzhelele River Sub-quaternary Catchment,” Physics and Chemeistry of the Earth, 35 (13-14), pp. 596-607.
Qi, J., Zhang, X., Yang, Q., Srinivasan, R., Arnold, J.G., Li, J., Waldholf, S. and Cole, J., 2020, “SWAT Ungauged: Water Quality Modeling in the Upper Mississippi River Basin,” Journal of Hydrology, 584, 124601. https://doi: 10.1016/j.jhydrol.2020.124601.
Hallouz, F., Meddi, M., Mahe, G., Alirahmani, S. and Keddar, A., 2018, “Modeling of Discharge and Sediment Transport through the SWAT Model in the Basin of Harraza (Northwest of Algeria),” Water Science, 32 (1), pp. 79-88.
Martinez-Salvador, A. and Conesa-Garcia, C., 2020, “Suitability of the SWAT Model for Simulating Water Discharge and Sediment Load in a Karst Watershed of the Semiarid Mediterranean Basin,” Water Resources Management, 34, pp. 785-802.
Emam, A.R., Kappas, M., Khan Nguyen, L.H. and Renchin, T., 2016, “Hydrological Modeling in an Ungauged Basin of Central Vietnam using SWAT Model,” Hydrology and Earth System Sciences, 4 (16), pp. 1-17. https://doi:10.5194/hess-2016-44.
Ramos, M. and Martinez-Casasnovas, J., 2015, “Soil Water Content, Runoff and Soil Loss Prediction in a Small Ungauged Agricultural Basin in the Mediterranean Region using the Soil and Water Assessment Tool,” Journal of Agricultural Science, 153, pp. 481-496.
Boonchum, T., Taesombat, W. and Chompuchan, C., 2020, “Evaluation of Satellite Monthly Rainfall Product PERSIANN-CCS using Rain Gauge Stations over the Upper Ping River Basin,” Thaksin University Journal, 23 (3), pp. 42-50.
Phonkasi, S., 2016, “The Relationship between Satellite Rainfall and the Gauge Rainfall in Nan River Basin,” Research Journal-Rajamangala University of Technology Thanyaburi, 15 (1). pp. 51-56.
Tantanee, S. and Phonkasi, S., 2013, “Investigation of Relationship between Satellite Rainfall and Observed Rainfall from Gauging Station Network for Northern Thailand,” The 2nd EIT International Conference on Water Resources Engineering, Chiang Rai, Le Méridien Chiang Rai Resort, Chiang Rai.
Muller, M.F. and Thompson, S.E., 2013, “Bias Adjustment of Satellite Rainfall Data through Stochastic Modeling: Methods Development and Application to Nepal,” Advances in Water Resources, 60, pp. 121-134.
Wetchayont, P., Waiyasusri, K. Sumpradit, K. and Nongnang, P., 2020, “Development of GIS Application for Satellite Rainfall Bias Collection,” The Journal of Industrial Technology, 8 (1), pp. 13-21.
Tesfagiorgis, K., Mahani, S.E., Krakauer, N.Y. and Khanbilvardi, R., 2011, “Bias Correction of Satellite Rainfall Estimating using a Radar-Gauge Product – a Case Study in Oklahoma,” Hydrology and Earth System Sciences, 15, pp. 25631-2647.
Boushaki, F.I., Hsu, K.L., Sorooshian, S. and Park, G.H., 2009, “Bias Adjustment of Satellite Precipitation Estimation using Ground-Based Measurement: A Case Study Evaluation over the Southwestern United States,” Journal of Hydrometeorology, 10, pp. 1231-1242.
Amatya, D.M., Rossi, C.G., Saleh, A., Dai, Z., Youssef, M.A., Williams, R.G., Bosch, D.D., Chescheir, G.M., Sun, G., Skaggs, R.W., Trettin, C.C., Vance, E.D., Nettles, J.E. and Tian, S., 2013, “Review of Nitrogen Fate Models Applicable to Forest Landscapes in the Southern U.S.,” American Society of Agricultural and Biological Engineers, 56 (5), pp. 1731-175.
Abbaspour, K.C., 2012, SWAT Calibration and Uncertainty Programs-A User Manual, Swiss Federal Institute of Aquatic Science and Technology, Dubendorf.
Moriasi, D.N., Arnold, J.G., Van Liew M.W., Bingner, R.L., Harmel, R.D. and Veith, T.L., 2007, “Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations,” ASABE, 50 (3), pp. 885-900.
Mendoza, J.A.C., Alcazar, T.A.C. and Medina, S.A.Z., 2021, “Calibration and Uncertainty Analysis for Modelling Runoff in the Tambo River Basin, Peru using Sequential Uncertainty Fitting ver-2 (SUFI-2) Algorithm,” Air, Soil and Water Research, 14, pp. 1-13.
Soo, E.Z.X., Jaafar, W.Z.W., Lai, S.H., Othman, F., Elshafie, A., Islam, T., Srivastava, P. and Hadi, H.S.O., 2020, “Evaluation of Bias-adjusted Satellite Precipitation Estimations for Extreme Flood Events in Langat River Basin, Malaysia,” Hydrology Research, 51 (1), pp. 105-126. https://doi.org/10.2166/nh.2019.071.
Chaudhary, S. and Dhanya, C.T., 2019, “Investigating the Performance of Bias Correction Algorithms on Satellite-based Precipitation Estimations,” Remote Sensing for Agriculture, Ecosystems, and Hydrology XXI, 11149. https://doi/org/10.1117/12.2533214.
Mangsamong, W. and Kodah, H., 2018, “The Study of Parameter Sensitivity of SWAT Model for Runoff and Groundwater: A Case Study of Phetchaburi Basin,” Princess of Naradhiwas University Journal, 10 (2), pp. 80-92.
Cannon, A.J., Sobie, S.R. and Murdock, T.Q., 2015, “Bias Correction of GCM Precipitation by Quantile Mapping: How Well Do Methods Preserve Changes in Quantile and Extremes?,” Journal of Climate, 28, pp. 6938-6959.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2022 มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาของบทความที่ตีพิมพ์ในวารสาร Science and Engineering Connect ในทุกรูปแบบ รวมถึงข้อความ สมการ สูตร ตาราง ภาพ ตลอดจนภาพประกอบในรูปแบบอื่นใด เป็นลิขสิทธิ์ของมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี การนำเนื้อหา ไม่ว่าจะในรูปแบบใด ของบทความไปใช้ประโยชน์ในเชิงพาณิชย์ ต้องได้รับอนุญาตจากบรรณาธิการวารสารอย่างเป็นลายลักษณ์อักษรก่อนเท่านั้น
