Modeling Snowmelt Runoff by SRM Model and the Estimation of Degree-Day Factor using Net Radiation Satellite Images (Case Study: Kardeh Basin)

Document Type : Research Article

Authors

1 PhD Candidate in Irrigation and Drainage, Ferdowsi University of Mashhad, Mashhad, Iran

2 Professor in Water Engineering, Ferdowsi University of Mashhad, Mashhad, Iran

3 Professor in Climatology, Ferdowsi University of Mashhad, Mashhad, Iran

4 Associate Professor in Water Engineering, Ferdowsi University of Mashhad, Mashhad, Iran

5 Associate Professor in Climatology, Ferdowsi University of Mashhad, Mashhad, Iran

Abstract

Snow studies drastically influences on managing water resources and preventing the dangers caused by floods. Moreover, the modeling of snow melt runoff is faced with the lack of snow density data in the basin due to many changes in the distribution of snow masses, and creating snow measurement stations at high altitudes are difficult and expensive work. Considering the issues, this study attempted to invent a new equation and use remote sensing techniques in a simpler and more physical way to determine the degree-day factor (α) and then the simulation was performed by defining its calculated values using classical and new methods along with the annual and seasonal values ​​of the recession coefficient (k) for the snow-melt runoff model (SRM). The outcomes were evaluated and compared. In order to evaluate the performance of the model and its parameters, simulations were performed for the calibration and validation periods for the water years 2011-2012 and 2012-2013, respectively, and the MODIS snow cover product (MOD10A1) was used to estimate the snow-covered area and to estimate the radiation values. NEO net radiation product (CERES-NETFLUX-E) was used. The results showed that the best method for simulating runoff in the calibration period (2011-2012) was the new degree-day factor calculation method and the two values of the seasonal recession coefficient with the coefficient of determination of 0.72 and the volume difference of 4.17. In the validation period (2012-2013), the runoff simulation method with the new degree-day factor method and an annual recession coefficient with a coefficient of determination of 0.51 and the volume difference of 4.38 provided the best results in terms of assessment of the model accuracy criteria.

Graphical Abstract

Modeling Snowmelt Runoff by SRM Model and the Estimation of Degree-Day Factor using Net Radiation Satellite Images (Case Study: Kardeh Basin)

Keywords


ارتیمانی، محمد­مهدی؛ زینی­وند، حسین؛ طهماسبی­پور، ناصر؛ 1398. ارزیابی کارآیی مدل SRM و HBV در شبیه­سازی رواناب ناشی از ذوب برف در حوزه آبخیز بوجین. تحقیقات منابع آب ایران، 15(2)، 228-241.
- ابراهیمی، راضیه؛ حمزه، سعید؛ معروفی، صفر؛ 1395. مدل­سازی سطح پوشش و رواناب ناشی از ذوب برف با استفاده تلفیقی از مدل هیدرولوژیکی SRM و تصاویر ماهواره­ای. مهندسی آبیاری و آب ایران، 6 (23)، 66-77.
- اربابی سبزواری، آزاده؛ نجاری مهربان، فرنیاز؛ 1396. نقش مدیریت منابع آب در توسعه کالبدی با استفاده ازمدل SRM مطالعه موردی حوضه آبخیز طالقان. برنامه­ریزی و توسعه کالبدی، 2(4 (پیاپی 8))، 78-85.
- جهانبخش اصل، سعید؛ دین­پژوه، یعقوب؛ عالی­نژاد، محمدحسین؛ ولی­زاده کامران، خلیل؛ پرهیزکار، مرتضی؛ 1395. شیبه­سازی رواناب ذوب برف در حوضه شهرچای با استفاده از مدل SRM. جغرافیا و برنامه ریزی محیطی (مجله پژوهشی علوم انسانی دانشگاه اصفهان)، 27(3 (پیاپی 63))، 1-14.
              https://www.sid.ir/paper/153211/fa
- دلاور، مجید؛ مرید، سعید؛ نیکبخت، نجمه؛ 1390. شبیه­سازی توزیعی ذوب برف در حوضه­های کوهستانی فاقد داده (مطالعه موردی: حوضه امامزده داوود). تحقیقات منابع آب ایران، 7(4 (مسلسل 22))، 41-50.
- رشیدی، محمد؛ حاجی بیگلو، محبوبه؛ سربازی، محبوبه؛ قادری، محمد؛ 1396. برآورد رواناب حاصل از ذوب برف در حوضه­های آبریز استان خراسان شمالی با استفاده از مدل WinSRM (مطالعه موردی حوضه آبریز دربند سملقان). علوم مهندسی و آبیاری (مجله علمی کشاورزی)، 40(2)، 159-171.
- طالبی اسفندرانی، سمیه؛ علوی­پناه، کاظم؛ علی­محمدی سراب، عباس؛ روستا، حسن؛ 1390. جداسازی ابر از برف در تصاویر MODIS با استفاده از الگوریتم Snow map و الگوریتم ماسک ابر. مجله سنجش‌ازدور و GIS ایران، 3(1)، 90-71.
                                                                                    https://www.magiran.com/paper/1049148
- عالی­نژاد، محمد­حسین؛ جهانبخش، سعید؛ خورشیددوست، علی­محمد؛ 1400. شبیه‌سازی رواناب ناشی از ذوب برف حوضه قره‌سو با مدل SRM. جغرافیا و برنامه­ریزی، 25(76)، 87-97.
- قربانی­زاده خرازی، حسین؛ صدقی، حسین؛ ثقفیان، بهرام؛ پرهمت، جهانگیر؛ 1389. پیش­بینی توزیع زمانی جریان رواناب ناشی از ذوب برف در نیم قرن آینده تحت شرایط تغییر اقلیم. مهندسی آب، 1(1)، 43-52.
- قاسمی، الهه؛ فتاحی، ابراهیم؛ بابائی، ام­السلمه؛ 1392. بررسی نوسانات رواناب حاصل از ذوب برف تحت تأثیر پدیده تغییر اقلیم در دهه­های آینده. نشریه پژوهش­های اقلیم شناسی، 4(13)، 122-112.
- قنبرپور، محمدرضا؛ محسنی ساروی، محسن؛ ثقفیان، بهرام؛ احمدی، حسن؛ عباسپور، کریم؛ 1384. تعیین مناطق مؤثر در انباشت و ماندگاری سطح پوشش برف و سهم ذوب برف در رواناب. مجله منابع طبیعی ایران، 58(3)، 515-512.                                                                     https://www.magiran.com/paper/307766
- قنبرپور، میرحسن؛ قنبرپور، محمدرضا؛ حبیب­نژاد روشن، محمود؛ 1390. مدل­سازی جریان ناشی ذوب برف با استفاده از مدل هیدرولوژیکی رواناب حاصل از ذوب برف (مطالعه موردی: حوضه آبخیز سد کرج). تحقیقات منابع آب ایران، 7(3)، 40-52.
- میریعقوب­زاده، میرحسین؛ قنبرپور، محمدرضا؛ 1389. بررسی کاربرد نقشه­های پوشش برفی حاصل از تصاویر ماهواره­ای MODIS در مدل­سازی رواناب ذوب برف (مطالعه موردی حوضه آبریز سد کرج). مجله علوم زمین، 19(76)، 148-141.                                                           https://doi.org/10.22071/gsj.2010.55672
- نجف­زاده، رضا؛ ابریشم­چی، احمد؛ تجریشی، مسعود؛ طاهری شهر­آئینی، حمید؛ 1383. شبیه­سازی جریان رودخانه با مدل ذوب برف (SRM). مجله آب و فاضلاب، 15(4)، 2-11.
 
- Alinejad, M. H., Dinpashoh, Y., & Jahanbakhsh ASL, S.,2016. Impact of climate change on runoff from snowmelt by taking into account the uncertainty of GCM models (case study: Shahrchay Basin in Urmia). European Online Journal of Natural and Social Sciences, 5(1), 200-211. https://european-science.com/eojnss/article/view/3059.
- Brubaker, K., Rango, A., & Kustas, W.,1996. Incorporating radiation inputs into the snowmelt runoff model. Hydrol Process, 10(10), 1329–1343. https://doi.org/10.1002/(SICI)1099-1085(199610)10:10<1329::AID-HYP464>3.0.CO;2-W.
- Dey, B., Sharma, V. K., & Rango, A.,1989. A test of snowmelt-runoff model for a major river basin in western Himalayas. Hydrology Research, 20(3), 167-178. https://doi.org/10.2166/nh.1989.0013.
- Elias, E. H., Rango, A., Steele, C. M., Mejia, J. F., & Smith, R.,2015. Assessing climate change impacts on water availability of snowmelt-dominated basins of the Upper Rio Grande basin. Journal of Hydrology, 3, 525-546. https://doi.org/10.1016/j.ejrh.2015.04.004.
- Firouzi, Sh., & Sadeghian, MS.,2016. Application of snow melt runoff model in a mountainous basin of Iran. Journal of Geoscience and Environment Protection, 4(2), 74-81. https://doi.org/10.4236/gep.2016.42009.
- Hao, G., Li, J., Li, K., Huang, K., Song, J., Li, H.,2019. Improvement and application research of the SRM in alpine regions. Environmental Science and Pollution Research, 26, 36798-36811. https://doi.org/10.1007/s11356-019-06814-3.
- Kustas, W. P., & Rango, A.,1994. A simple energy budget for the snowmelt runoff model. Water Resources Research, 30(5), 1515-1527. https://doi.org/10.1029/94WR00152.
- Li, X., & Williams, M. W.,2008. Snowmelt runoff modelling in an arid mountain watershed, Tarim Basin, China. Hydrological processes, 22(19), 3931-3940. https://doi.org/10.1002/hyp.7098.
- Martinec, J., Rango, A., & Roberts, R.,2008. Snowmelt runoff model (SRM) user’s manual. USDA Jornada Experimental Range, New Mexico State University, Las Cruces, NM 88003, USA. https://pubs.nmsu.edu/water/SRMSpecRep100.pdf.
- Martinec, J.,1989. Hour-to-hour snowmelt rates and lysimeter outflow during an entire ablation period. Snow cover and glacier variations, proceedings of the Baltimore Symposium, Maryland, May 1989, edited by A. Rango, IAHS Publ I83, 19-28. https://pubs.nmsu.edu/water/SRMSpecRep100.pdf.
- Nunchhani, V., Bandyopadhyay, A., & Bhadra, A.,2020. Spatiotemporal variability in snow parameters from MODIS data using spatially distributed snowmelt runoff model (SDSRM): a case study in Dibang basin, Arunachal Pradesh. Journal of the Indian society of remote sensing, 49, 325-340. http://dx.doi.org/10.1007/s12524-020-01215-3.
- Panday, P. K., Williams, C.A., Frey, K. E., Brown, M. E.,2014. Application and evaluation of a snowmelt runoff model in the Tamor River basin in the eastern Himalaya using Markov Chain Monte Carlo (MCMC) data assimilation approach. Hydrological Process, 28(21), 5337-5353. https://doi.org/10.1002/hyp.10005.
- Siemens, K., Dibike, Y., Shrestha, R. R., & Prowse, T.,2021. Runoff projection from an alpine watershed in western Canada: application of a snowmelt runoff model. Water, 13(9), 1199. http://dx.doi.org/10.3390/w13091199.
- Senzeba, T., Bhadra, A., & Bandyopadhyay, A.,2015. Snowmelt runoff modelling in data scarce Nuranang catchment of eastern Himalayan region. Remote Sensing Applications. Society and Environment, 1, 20-35. https://doi.org/10.1016/j.rsase.2015.06.001.
- Steele, C. M., Dialesandro, J., James, D., Elias, E., Rango, A., & Bleiweiss, M.,2017. Evaluating MODIS snow products for modelling snowmelt runoff: case study of the Rio Grande headwaters. International journal of applied earth observation and geoinformation, 63, 234-243. http://dx.doi.org/10.1016/j.jag.2017.08.007.
- Shahabi, H., akhezri, S., Ahmad, B. B., & Musa, T. A.,2014. Application of moderate resolution imaging spectroradiometer snow cover maps in modeling snowmelt runoff process in the central Zab basin, Iran. Journal of Applied Remote densing, 8, 1-19. http://dx.doi.org/10.1117/1.JRS.8.084699.
- Vafakhah, M., Nouri, A., & Alavipanah, S. K.,2014. Snowmelt-runoff estimation using radiation SRM model in Taleghan watershed. Environ Earth Sciences, 73, 993-1003. http://dx.doi.org/10.1007/s12665-014-3449-5.
- Vuyovich, C., & Jacobs, J.M.,2011. Snowpack and runoff generation using AMSR-E passive microwave observations in the Upper Helmand Watershed, Afghanistan. Remote Sens. Environ, 115, 3313-3321. https://dx.doi.org/10.1016/j.rse.2011.07.014.
- Xie, SH., Du, J., Zhou, X., Zhang, X., Feng, X., Zheng, W., Li, ZH., & Xu, CH.,2018. A progressive segmented optimization algorithm for calibrating time-variant parameters of the snowmelt runoff model (SRM). Journal of Hydrology, 566, 470-483. https://doi.org/10.1016/j.jhydrol.2018.09.030.
 
 
 
CAPTCHA Image