การสร้างแบบจำลองทางอุทกวิทยา
การสร้างแบบจำลองทางอุทกวิทยาเป็นการสร้างแบบจำลองทางคณิตศาสตร์ของกระบวนการในพื้นที่รับน้ำและวัฏจักรของน้ำ เพื่อจำลองและพยากรณ์การไหล และใช้การวิเคราะห์ทางสถิติเพื่อระบุลักษณะของภาวะสุดขีดทางอุทกวิทยาและความไม่แน่นอน
Definition
การสร้างแบบจำลองทางอุทกวิทยาคือการสร้าง การปรับเทียบ และการประยุกต์ใช้แบบจำลองทางคณิตศาสตร์และสถิติที่แสดงถึงการเปลี่ยนแปลงของหยาดน้ำฟ้าไปเป็นน้ำท่าและการไหลเวียนของวัฏจักรน้ำอื่นๆ ซึ่งใช้ในการจำลอง พยากรณ์ และวิเคราะห์พฤติกรรมทางอุทกวิทยาและความไม่แน่นอนของมัน
Scope
สาขานี้ครอบคลุมแบบจำลองน้ำฝน-น้ำท่าเชิงแนวคิด แบบจำลองแบบกระจายและแบบจำลองที่อิงตามหลักฟิสิกส์ที่สามารถแก้ไขความแปรปรวนเชิงพื้นที่ การปรับเทียบแบบจำลองกับข้อมูลจากการสังเกตและการประมาณค่าความไม่แน่นอนในการพยากรณ์ และการวิเคราะห์ทางสถิติของอนุกรมอุทกวิทยา เช่น ความถี่ของน้ำท่วมและภัยแล้ง เป็นส่วนเสริมเชิงปริมาณและการพยากรณ์ของสาขาอุทกวิทยาที่เน้นกระบวนการ
Sub-topics
Core questions
- แบบจำลองเชิงแนวคิดและแบบจำลองที่อิงตามหลักฟิสิกส์แสดงถึงอุทกวิทยาของพื้นที่รับน้ำอย่างไร?
- พารามิเตอร์ของแบบจำลองได้รับการปรับเทียบและประสิทธิภาพของแบบจำลองได้รับการประเมินอย่างไร?
- ความไม่แน่นอนในการพยากรณ์ทางอุทกวิทยาสามารถหาปริมาณได้อย่างไร?
- ความถี่ของน้ำท่วมและภัยแล้งได้รับการประมาณค่าจากบันทึกทางอุทกวิทยาได้อย่างไร?
Key concepts
- แบบจำลองเชิงแนวคิดและแบบจำลองที่อิงตามหลักฟิสิกส์
- แบบจำลองแบบกระจายเทียบกับแบบจำลองแบบรวม
- การปรับเทียบแบบจำลองและการประมาณค่าพารามิเตอร์
- ประสิทธิภาพของ Nash-Sutcliffe และความเหมาะสมของแบบจำลอง
- ภาวะสมมูลและความไม่แน่นอนในการพยากรณ์
- การวิเคราะห์ความถี่ของน้ำท่วมและภัยแล้ง
Key theories
- การสร้างแบบจำลองน้ำฝน-น้ำท่าเชิงแนวคิด
- พื้นที่รับน้ำสามารถแสดงได้ด้วยแหล่งเก็บและกระแสเชิงแนวคิดที่เชื่อมโยงกัน ซึ่งพารามิเตอร์ของมันได้รับการปรับเทียบเพื่อสร้างการไหลของลำธารที่สังเกตได้ขึ้นมาใหม่ โดยนำเสนอการจำลองการเปลี่ยนแปลงน้ำฝน-น้ำท่าที่กระชับและมีประโยชน์ในการปฏิบัติงาน
- ภาวะสมมูลและการประมาณค่าความไม่แน่นอน
- ชุดพารามิเตอร์และโครงสร้างแบบจำลองที่แตกต่างกันจำนวนมากสามารถสร้างข้อมูลจากการสังเกตได้ดีพอๆ กัน (ภาวะสมมูล) ดังนั้นกรอบการทำงานเช่น GLUE จึงปฏิบัติต่อการประเมินแบบจำลองในเชิงความน่าจะเป็นและเน้นการประมาณค่าความไม่แน่นอนในการพยากรณ์มากกว่าการแสวงหาแบบจำลองที่ดีที่สุดเพียงแบบจำลองเดียว
- ความเหมาะสมของแบบจำลองและการประเมินแบบจำลอง
- มาตรวัดเชิงวัตถุประสงค์ เช่น ประสิทธิภาพของ Nash-Sutcliffe จะหาปริมาณว่าไฮโดรกราฟที่จำลองขึ้นมาตรงกับข้อมูลจากการสังเกตได้ดีเพียงใด โดยเป็นพื้นฐานมาตรฐานสำหรับการปรับเทียบและเปรียบเทียบแบบจำลองทางอุทกวิทยา
Clinical relevance
แบบจำลองทางอุทกวิทยาเป็นพื้นฐานสำหรับการพยากรณ์น้ำท่วมและภัยแล้งในการปฏิบัติงาน การบริหารจัดการอ่างเก็บน้ำและการจัดหาน้ำ การออกแบบโครงสร้างพื้นฐานทางชลประทาน และการประเมินว่าการใช้ที่ดินและการเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อทรัพยากรน้ำอย่างไร โดยการวิเคราะห์ความถี่จะให้ค่าการออกแบบที่ใช้ในงานวิศวกรรมและการประกันภัย
History
การสร้างแบบจำลองทางอุทกวิทยาพัฒนามาจากยูนิตไฮโดรกราฟและแบบจำลองเชิงแนวคิดในยุคแรกๆ ไปสู่แบบจำลองพื้นที่รับน้ำแบบดิจิทัลตั้งแต่ทศวรรษ 1960 และแบบจำลองแบบกระจายที่อิงตามหลักฟิสิกส์ตั้งแต่ทศวรรษ 1980 การตระหนักถึงภาวะสมมูล (equifinality) และความไม่แน่นอนของพารามิเตอร์ ซึ่งอธิบายโดย Beven และ Binley ได้เปลี่ยนสาขาวิชานี้ไปสู่การประมาณค่าความไม่แน่นอนอย่างชัดเจน
Debates
- แบบจำลองที่อิงตามหลักฟิสิกส์เทียบกับแบบจำลองเชิงแนวคิด
- มีการถกเถียงกันอย่างต่อเนื่องว่าแบบจำลองแบบกระจายที่อิงตามหลักฟิสิกส์ที่ซับซ้อนให้ผลลัพธ์การพยากรณ์ที่สอดคล้องกับความต้องการข้อมูลและพารามิเตอร์ของมันหรือไม่ เมื่อพิจารณาถึงภาวะสมมูลและความสำเร็จในทางปฏิบัติของแบบจำลองเชิงแนวคิดที่กระชับ
Key figures
- Keith J. Beven
- James E. Nash
- David R. Maidment
Related topics
Seminal works
- beven2012
- nash1970
- beven1992
Frequently asked questions
- เหตุใดแบบจำลองทางอุทกวิทยาจึงต้องมีการปรับเทียบ?
- พารามิเตอร์ของแบบจำลองจำนวนมากไม่สามารถวัดได้โดยตรงในระดับพื้นที่รับน้ำ ดังนั้นค่าของมันจึงถูกปรับจนกว่าแบบจำลองจะสร้างการไหลของลำธารที่สังเกตได้ขึ้นมาใหม่ การปรับเทียบจะปรับพารามิเตอร์ที่มีประสิทธิภาพเหล่านี้ให้เข้ากับพื้นที่รับน้ำและข้อมูลเฉพาะ
- ภาวะสมมูลในการสร้างแบบจำลองทางอุทกวิทยาคืออะไร?
- ภาวะสมมูลคือสถานการณ์ที่ชุดพารามิเตอร์ที่แตกต่างกันจำนวนมาก หรือแม้แต่โครงสร้างแบบจำลอง ก็สามารถอธิบายข้อมูลจากการสังเกตที่มีอยู่ได้ดีพอๆ กัน ซึ่งจำกัดความสามารถในการระบุแบบจำลองที่ดีที่สุดเพียงแบบจำลองเดียว และกระตุ้นให้มีการประมาณค่าความไม่แน่นอนในการพยากรณ์