जलवैज्ञानिक प्रतिरूपण

जलवैज्ञानिक प्रतिरूपण प्रवाहों का अनुकरण और पूर्वानुमान लगाने के लिए जलग्रहण और जल-चक्र प्रक्रियाओं के गणितीय निरूपण का निर्माण करता है, और जलवैज्ञानिक चरम सीमाओं और अनिश्चितता को चिह्नित करने के लिए सांख्यिकीय विश्लेषण का उपयोग करता है।

Definition

जलवैज्ञानिक प्रतिरूपण गणितीय और सांख्यिकीय मॉडल का निर्माण, अंशांकन और अनुप्रयोग है जो वर्षा को अपवाह और अन्य जल-चक्र प्रवाहों में परिवर्तन का प्रतिनिधित्व करते हैं, जिनका उपयोग जलवैज्ञानिक व्यवहार और उसकी अनिश्चितता का अनुकरण, पूर्वानुमान और विश्लेषण करने के लिए किया जाता है।

Scope

यह क्षेत्र वैचारिक वर्षा-अपवाह मॉडल, वितरित और भौतिक रूप से आधारित मॉडल जो स्थानिक परिवर्तनशीलता को हल करते हैं, अवलोकनों के विरुद्ध मॉडल का अंशांकन और पूर्वानुमानित अनिश्चितता का अनुमान, और बाढ़ और सूखे की आवृत्ति जैसी जलवैज्ञानिक श्रृंखलाओं का सांख्यिकीय विश्लेषण शामिल करता है। यह जल विज्ञान के प्रक्रिया-उन्मुख क्षेत्रों का मात्रात्मक और पूर्वानुमानित पूरक है।

Sub-topics

• वितरित और भौतिक रूप से आधारित मॉडल
• जल विज्ञान सांख्यिकी और आवृत्ति विश्लेषण
• मॉडल अंशांकन और अनिश्चितता
• वर्षा-अपवाह मॉडल

Core questions

• वैचारिक और भौतिक रूप से आधारित मॉडल जलग्रहण जल विज्ञान का प्रतिनिधित्व कैसे करते हैं?
• मॉडल मापदंडों को कैसे कैलिब्रेट किया जाता है और मॉडल प्रदर्शन का मूल्यांकन कैसे किया जाता है?
• जलवैज्ञानिक पूर्वानुमानों में पूर्वानुमानित अनिश्चितता को कैसे मापा जा सकता है?
• जलवैज्ञानिक अभिलेखों से बाढ़ और सूखे की आवृत्तियों का अनुमान कैसे लगाया जाता है?

Key concepts

• वैचारिक और भौतिक रूप से आधारित मॉडल
• वितरित बनाम लंपट मॉडल
• मॉडल अंशांकन और पैरामीटर अनुमान
• नैश-सटक्लिफ दक्षता और उपयुक्तता
• समरूपता (Equifinality) और पूर्वानुमानित अनिश्चितता
• बाढ़ और सूखा आवृत्ति विश्लेषण

Key theories

वैचारिक वर्षा-अपवाह प्रतिरूपण

जलग्रहण को आपस में जुड़े वैचारिक भंडारों और प्रवाहों द्वारा दर्शाया जा सकता है जिनके मापदंडों को देखे गए धारा प्रवाह को पुन: उत्पन्न करने के लिए कैलिब्रेट किया जाता है, जो वर्षा-अपवाह परिवर्तन के मितव्ययी और परिचालन रूप से उपयोगी सिमुलेशन प्रदान करते हैं।

समरूपता (Equifinality) और अनिश्चितता अनुमान

कई अलग-अलग पैरामीटर सेट और मॉडल संरचनाएं अवलोकनों को लगभग समान रूप से अच्छी तरह से पुन: उत्पन्न कर सकती हैं (समरूपता), इसलिए GLUE जैसे ढांचे मॉडल मूल्यांकन को संभाव्य रूप से मानते हैं और एक एकल इष्टतम मॉडल की तलाश करने के बजाय पूर्वानुमानित अनिश्चितता का अनुमान लगाने पर जोर देते हैं।

उपयुक्तता और मॉडल मूल्यांकन

नैश-सटक्लिफ दक्षता जैसे वस्तुनिष्ठ उपाय यह निर्धारित करते हैं कि सिम्युलेटेड हाइड्रोग्राफ अवलोकनों से कितनी अच्छी तरह मेल खाते हैं, जो जलवैज्ञानिक मॉडल को कैलिब्रेट करने और तुलना करने के लिए एक मानक आधार प्रदान करते हैं।

Clinical relevance

जलवैज्ञानिक मॉडल परिचालन बाढ़ और सूखा पूर्वानुमान, जलाशय और जल-आपूर्ति संचालन, हाइड्रोलिक अवसंरचना के डिजाइन, और भूमि-उपयोग और जलवायु परिवर्तन जल संसाधनों को कैसे प्रभावित करते हैं, इसके आकलन का आधार हैं, जिसमें आवृत्ति विश्लेषण इंजीनियरिंग और बीमा में उपयोग किए जाने वाले डिजाइन मान प्रदान करता है।

History

जलवैज्ञानिक प्रतिरूपण 1960 के दशक से इकाई हाइड्रोग्राफ और प्रारंभिक वैचारिक भंडारों से डिजिटल जलग्रहण मॉडल और 1980 के दशक से भौतिक रूप से आधारित वितरित मॉडल की ओर बढ़ा। बेवन और बिनले द्वारा व्यक्त की गई समरूपता (equifinality) और पैरामीटर अनिश्चितता की पहचान ने क्षेत्र को स्पष्ट अनिश्चितता अनुमान की ओर स्थानांतरित कर दिया।

Debates

भौतिक रूप से आधारित बनाम वैचारिक मॉडल

इस बात पर लगातार बहस चल रही है कि क्या जटिल भौतिक रूप से आधारित वितरित मॉडल अपनी डेटा और पैरामीटर मांगों के अनुरूप पूर्वानुमानित लाभ प्रदान करते हैं, समरूपता और मितव्ययी वैचारिक मॉडल की व्यावहारिक सफलता को देखते हुए।

Key figures

• Keith J. Beven
• James E. Nash
• David R. Maidment

Seminal works

• beven2012
• nash1970
• beven1992

Frequently asked questions

जलवैज्ञानिक मॉडल को अंशांकन की आवश्यकता क्यों होती है?

कई मॉडल मापदंडों को जलग्रहण पैमाने पर सीधे मापा नहीं जा सकता है, इसलिए उनके मानों को तब तक समायोजित किया जाता है जब तक कि मॉडल देखे गए धारा प्रवाह को पुन: उत्पन्न नहीं कर देता; अंशांकन इन प्रभावी मापदंडों को विशिष्ट जलग्रहण और डेटा के अनुरूप बनाता है।

जलवैज्ञानिक प्रतिरूपण में समरूपता (equifinality) क्या है?

समरूपता वह स्थिति है जहाँ कई अलग-अलग पैरामीटर सेट, या यहाँ तक कि मॉडल संरचनाएं, उपलब्ध अवलोकनों को लगभग समान रूप से अच्छी तरह से फिट करती हैं, जो एक एकल सर्वोत्तम मॉडल की पहचान को सीमित करती है और पूर्वानुमानित अनिश्चितता का अनुमान लगाने को प्रेरित करती है।