ISSN: 2157-7617

Journal des sciences de la Terre et du changement climatique

Accès libre

Notre groupe organise plus de 3 000 séries de conférences Événements chaque année aux États-Unis, en Europe et en Europe. Asie avec le soutien de 1 000 autres Sociétés scientifiques et publie plus de 700 Open Access Revues qui contiennent plus de 50 000 personnalités éminentes, des scientifiques réputés en tant que membres du comité de rédaction.

Les revues en libre accès gagnent plus de lecteurs et de citations
700 revues et 15 000 000 de lecteurs Chaque revue attire plus de 25 000 lecteurs

Indexé dans
  • Indice source CAS (CASSI)
  • Index Copernic
  • Google Scholar
  • Sherpa Roméo
  • Accès en ligne à la recherche en environnement (OARE)
  • Ouvrir la porte J
  • JournalSeek de génamique
  • JournalTOC
  • Annuaire des périodiques d'Ulrich
  • Accès à la recherche mondiale en ligne sur l'agriculture (AGORA)
  • Centre international pour l'agriculture et les biosciences (CABI)
  • Recherche de référence
  • Université Hamdard
  • EBSCO AZ
  • OCLC-WorldCat
  • Invocation de quête
  • Catalogue en ligne SWB
  • Publons
  • Euro Pub
  • ICMJE
Partager cette page

Abstrait

Rainfall Runoff Estimation Using GIS and SCS-CN Method for Awash River Basin, Ethiopia

Shimelis Sishah

Understanding hydrological behavior is an important part of effective watershed management and planning. Runoff resulted from rainfall is a component of hydrological behavior that is needed for efficient water resource planning. In this paper, GIS based SCS-CN runoff simulation model was applied to estimate rainfall runoff in Awash river basin. Global Curve Number (GCN250), Maximum Soil Water Retention (S) and Rainfall was used as an input for SCS-CN runoff simulation model. The final surface runoff values for the Awash river basin were generated on the basis of total annual rainfall and maximum soil water retention potential (S) of the year 2020. Accordingly, a runoff variation that range from 83.95 mm/year to a maximum of 1,416.75 mm/year were observed in the study region. Conversely, recently developed Global Curve Number (GCN250) data was tested with Pearson correlation coefficient to be used as an input for SCS-CN runoff simulation model. The results of validation show that, predicted runoff was well correlated with observed runoff with correlation coefficient of 0.9253. Furthermore, correlation analysis was performed to explain the relationship between mean annual rainfall and surface runoff. The relationship between these two variables indicates a strong linear relationship with correlation coefficient of 0.9873.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié.