ORIGINAL_ARTICLE
ارزیابی مدلهای ژنتیکی جهت مدلسازی جریان رودخانه
پیشبینی جریان رودخانهها به عنوان یکی از منابع اصلی تأمین کننده آب بشر، همواره یکی از موضوعات مهم مورد بحث در هیدرولوژی و منابع آب بوده است. بدین جهت، مدلهای مختلفی برای مدلسازی و پیشبینی جریان رودخانهها مورد استفاده قرار گرفته است. در این مطالعه، به ارزیابی دو مدل ژنتیکی به نامهای برنامهریزی ژنتیک و برنامهریزی بیان ژن پرداخته شده است. برای این منظور، با استفاده از دادههای روزانه جریان، دما، بارش و تبخیر در ایستگاه تلهزنگ اقدام به مدلسازی جریان رودخانه دز شده است. نتایج نشان داد که مدل برنامهریزی بیان ژن با ضریب تبیین 86/0 و جذر میانگین مربعات خطای 0030/0(مترمکعب در ثانیه) نسبت به مدل برنامهریزی ژنتیک با ضریب تبیین 85/0 و جذر میانگین مربعات خطای 0037/0(مترمکعب در ثانیه) دارای عملکرد بهتری میباشد. علاوه بر این، سرعت اجرای مدل برنامهریزی بیان ژن نسبت به مدل برنامهریزی ژنتیک بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج میباشد. با افزایش تعداد دادههای ورودی مدل برنامهریزی ژنتیک کند شده و گاهی قادر به ارائه نتایج نمیباشد درحالیکه مدل برنامهریزی بیان ژن این قابلیت را دارد که با تعداد ورودیها و دادههای بیشتر، نیز عمل مدلسازی را انجام دهد. بهطورکلی نتایج نشان داد که مدل برنامهریزی بیان ژن برای مدلسازی و پیشبینی جریان رودخانه قابلیت خوبی دارد.
https://www.waterjournal.ir/article_88628_1619d1e439ddeec2bf0ab107cc63ca15.pdf
2019-05-22
1
17
10.22125/iwe.2019.88628
کلیدواژه: مدل GEP
مدل GP
مدلسازی جریان رودخانه
رودخانه دز
صابر
علیدادی ده کهنه
alidadis@yahoo.com
1
اهواز سازمان آب و برق خوزستان.، معاونت آبرسانی
AUTHOR
اباذر
سلگی
a-solgi@phdstu.scu.ac.ir
2
، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
AUTHOR
مهرنوش
شهنی دارابی
shehnidarabi.mehrnoush@gmail.com
3
دکتری مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
AUTHOR
حیدر
زارعی
zareih@scu.ac.ir
4
استادیار گروه هیدرولوژی و منابع آب دانشگاه شهید چمران
LEAD_AUTHOR
احمدی، ف.، ف. رادمنش و ر. میرعباسینجفآبادی. 1393. مقایسه روشهای برنامهریزی ژنتیک و ماشین بردار پشتیبان در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوز چای). نشریه آب و خاک (علوم و صنایع کشاورزی). (6) 28: 1171-1162.
1
داننده مهر، ع. و م.ر. مجدزاده طباطبائی. 1389. بررسی تأثیر توالی دبی روزانه در پیشبینی جریان رودخانهها با استفاده از برنامه ریزی ژنتیک. نشریه آب و خاک (علوم و صنایع کشاورزی)، (2) 24 :333 -325.
2
سلگی، ا. 1393. پیشبینی جریان رودخانه با مدل ترکیبی شبکه عصبی مصنوعی-موجک و مقایسه آن با روشهای سیستم استنتاج فازی عصبی تطبیقی و شبکه عصبی مصنوعی(مطالعه موردی: رودخانه گاماسیاب نهاوند). پایاننامه کارشناسی ارشد در رشته مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
3
فربودنام، ن.، م.ع. قربانی، و م.ت. اعلمی. 1388. پیشبینی جریان رودخانه با استفاده از برنامهریزی ژنتیک (مطالعه موردی: حوضه آبریزرودخانه لیقوان). مجله دانش آب و خاک، 19 (1) : 123-107.
4
کاوهکار، ش.، م.ع. قربانی، ا. اشرفزاده و ص. دربندی. 1392. شبیهسازی نوسانات تراز آب با استفاده از برنامهریزی
5
بیان ژن. نشریه مهندسی عمران و محیط زیست. 43 (3)، پیای72: 75-69.
6
گلابی، م.ر.، ع.م. آخوندعلی، و ف. رادمنش. 1392. مقایسه عملکرد الگوریتمهای مختلف شبکه عصبی مصنوعی در مدلسازی بارندگی فصلی (مطالعه موردی: ایستگاههای منتخب استان خوزستان). نشریه تحقیقات کاربردی علوم جغرافیایی. 13(30): 151-169.
7
Banzhaf, W., P. Nordin, P.E.Keller and F.D.Francone. 1998. Genetic programming. Kaufmann M, editor. San Francisco. CA. 512 p.
8
Ferreira, C. 2006. Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence (Studies in Computational Intelligence). ed n, editor. Springer-Verlag New York, Inc. Secaucus, NJ, USA.
9
Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. Complex Syst, 13:87-129.
10
Ghorbani, M.A., O. Kisi and M.A. Aalinezhad. 2010. A probe into the chaotic nature of daily stream flow time series by correlation dimension and largest Lyapunov methods. Applied Mathematical Modelling, 34(12):4050-4057.
11
Shiri, J. and Ö. Kişi. 2011. Comparison of genetic programming with neuro-fuzzy systems for predicting short-term water table depth fluctuations. Computers & Geosciences, 37(10):1692-701.
12
Shiri, J., Ö. Kişi, G. Landeras, J.J. López, A.H. Nazemi and L.C.P.M. Stuyt. 2012. Daily reference evapotranspiration modeling by using genetic programming approach in the Basque Country (Northern Spain). Journal of Hydrology, 414–415:302-316.
13
Mattar, M.A. and A.I. Alamoud. 2015. Artificial neural networks for estimating the hydraulic performance of labyrinth-channel emitters. Computers and Electronics in Agriculture, 114:189-201.
14
Zahiri, A. and H.M. Azamathulla. 2014. Comparison between linear genetic programming and M5 tree models to predict flow discharge in compound channels. Neural Comput & Applic, 24:413-420.
15
ORIGINAL_ARTICLE
بررسی آزمایشگاهی کاربرد آستانه، آبشکن و دیوارجداکننده در کنترل رسوب ورودی بستر به آبگیر جانبی 75 درجه در قوس U شکل
مکانیزم جریان در قوس رودخانهها نسبت به مسیرهای مستقیم دارای پیچیدگی فراوانی است که از آن جمله وجود جریانهای حلزونی است .در این پژوهش، با انجام مطالعه آزمایشگاهی در یک کانال U شکل، از سازههای آستانه، آبشکن ودیوار جداکنندهبرای کنترل رسوب در سه نسبت آبگیری ١٧/٠، ٢١/٠ و ٢٦/٠استفاده شد. نتایج نشان داد ترکیب سازه آستانه، آبشکن ودیوارجداکننده١٤ درجه بیشترین کنترل رسوب را در درصدهای مختلف داشته و ٩٢ درصد رسوب ورودی را نسبت به آزمایش شاهد کاهش میدهد و در آزمایش آستانه با افزایش درصد آبگیری کارایی این سازه کاهش مییابد و کمترین درصد کاهش رسوب برای انحراف ٢٦ درصد برابر ٦٥ درصد میباشد. بررسی تغییرات مقدار چرخش جریان در دهانه آبگیر به صورت کمی بررسی شد و مشخص شد که روند تغییرات در آزمایشهای شاهد و آستانه با دیگر آزمایشها متفاوت است. با بررسی تنش برشی بستر مشخص شد که اولاً تنش برشی در قوس خارجی بیشتر از قوس داخلی است دوماً با افزایش درصد آبگیری، تنش برشی در طول دهانه آبگیر افزایش مییابد. بکارگیری سازه دیوار جداکننده ١٤ درجه باعث تغییر الگوی مکانی تنش برشی جلوی آبگیر میشود به طوریکه مقدار تنش برشی در نزدیک دهانه کاهش و تنش برشی حداکثر به سمت مرکز کانال و پشت سازه منتقل میگردد که منجر به کاهش میزان فرسایش و انحراف رسوب به داخل آبگیر میگردد.
https://www.waterjournal.ir/article_88629_01d40320aeda3eee4ce1961734000d2a.pdf
2019-05-22
18
37
10.22125/iwe.2019.88629
کانال U شکل
تنش برشی
آبگیر جانبی
جریان ثانویه
حسن
گلیج
hassan_goleij37@yahoo.com
1
دانشکده کشاورزی, دانشگاه لرستان،
AUTHOR
امیرحمزه
حقی ابی
haghiabi.a@lu.ac.ir
2
استاد گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه لرستان دکترای تخصصی / مهندسی آب و سازههای آبی
LEAD_AUTHOR
مجتبی
صانعی
saneie_m@scwmri.ac.ir
3
پژوهشکده آبخیزداری
AUTHOR
حجت الله
یونسی
yonesi.h@lu.ac.ir
4
گروه مهندسی آب ، دانشکده کشاورزی دانشگاه لرستان
AUTHOR
ایزدپناه، ا. و س. ع. ا. صالحی نیشابوری. 1384. بررسی انتقال رسوب در آبگیرجانبی در قوس 90 درجه. مجله کشاورزی، شماره 26، صفحات 24-15.
1
بهبهانی، ح. و م. شفاعی بجستان. 1384. بررسی شرایط هیدرولیکی جریان در آبگیر جانبی با زاویای انحراف 75 و 90 درجه با استفاده از مدل فیزیکی. پایاننامه ارشد، دانشگاه شهیدچمران اهواز، دانشکده مهندسی علوم آب، گروه سازههای آبی اهواز.
2
حسنپور، ف.، س. ع. ایوبزاده، و م. قدسیان. 1390. عملکرد کنترل رسوب صفحات مستغرق مرکب در دهانه آبگیر جانبی 90 درجه. مجله پژوهش آبخیزداری، شماره 92.
3
عطارزاده، ع.، م. ا قدسیان، س. ع. ایوب زاده، و س. ع. ا. صالحی نیشابوری. 1394. مطالعه آزمایشگاهی تاثیر سازه های کنترل رسوب بر توپوگرافی بستر دراطراف آبگیر جانبی. دهمین کنگره بین المللی مهندسی عمران. دانشگاه تبریز، دانشکده مهندسی عمران.
4
دیوسالار، ا. و س. ح. موسوی جهرمی. 1394. بررسی اثر افزایش طول بال آبشکن L شکل بر آبشستگی اطراف آن در قوس 90 درجه. مجله علوم و مهندسی آبیاری، دوره 37، شماره 3، صفحه 61-53.
5
دالوند، ز.، ح. یونسی، س. ع. ایوب زاده، و ح. ترابیپوده. 1395. مطالعه عددی تاثیر همزمان آبشکن و صفحات مستغرق بر خط جدایی جریان در آبگیرهای 90 درجه. پانزدهمین کنفرانس ملی هیدرولیک ایران، قزوین، انجمن هیدرولیک ایران، دانشگاه بین الملی امام خمینی (ره)، آذر ماه، کد مقاله، IHC15-010.
6
گوهری، س.، س. ع. ایوب زاده، م. قدسیان و س. ع. ا. صالحی نیشابوری. ۱۳92. کنترل رسوب ورودی به آبگیرها با استفاده از آبشکن و صفحات مستغرق. هشتمین سمینار بین المللی مهندسی رودخانه، اهواز، دانشگاه شهید چمران اهواز، بهمن ماه.
7
معصومی، م.، ع. مسجدی، و م. ح. پورمحمدی. 1394. بررسی تاثیر ارتفاع استانه دیوار منحرفکننده جریان بر کاهش انتقال رسوب ورودی به آبگیر جانبی در قوس رودخانه. چهاردهمین کنفرانس ملی هیدرولیک ایران، زاهدان، گروه مهندسی دانشگاه سیستان و بلوچستان، آبان ماه، کد مقاله IHC14-153.
8
نظری، س. و م. شفاعی بجستان. 1389. تأثیر زاویهی انحراف آبگیر بر نسبت دبی و رسوب ورودی به آبگیر در خم 90 درجهی همگرا. مجله پژوهش آبخیزداری، شماره 87.
9
منتصری، ح.، م. قدسیان و ا. ا. دهقانی. 1388. مطالعه آزمایشگاهی میدان جریان اطراف صفحات مستغرق مقابل دهانه آبگیر جانبی در کانال U شکل. مجله علوم کشاورزی و منابع طبیعی، 16: (2).
10
واقفی م، صفرپور ی، هاشمی س.ش، (1394). تعیین میزان آبشستگی و مولفههای سه بعدی سرعت پیرامون آبشکن سرسپری در کانال قوسی با روش عددی و دادههای آزمایشگاهی، مجله مهندسی آبیاری و آب، سال پنجم، شماره نوزدهم، بهار، صفحات 124-109.
11
Barkdoll, D., R. Etyma and A. J. Odgaard. 1999. Sediment control at lateral diversions limits and enhancement to vane use. Journal of Hydraulic Engineering, 125(8):862-870.
12
Beygipoor, Gh., M. Shafaei Bajestan, H. A. Kashkuli and S. Nazari. 2013. The Effect of Distance from Submerged Vanes to the Intake at Different Angles of Vanes on controlling the Sediment Entering the Intake Branching from a 90 Convergent Bend. International Journal of Farming and Allied Science, 2(17):591-598.
13
Chaudhry, H. 1993. Flow around Bends in an Open Flume. Transactions, ASCE, 115: 751-788.
14
Davoodi, L. and M. Shafaei Bajestan. 2012. Application of submerged vanes for sediment control at intakes from irrigation trapezoidal channels. Journal of water and irrigation management, 1(2): 59-715.
15
Daily, W. and D. Harleman. 1966. Fluid dynamics. Addison Wesley Publishing Company.
16
Kassem, A. A. and F. Chaudhry. 2002. Numerical modeling of bed evolution in channel bends. ASCE, Journal of Hydraulic Engineering, 128(5): 507-514.
17
Mirzaei, H., Z. Heydari, and M. Fazli. 2017. The Effect of Meshing and Comparing Different Turbulence Models in Predicting the Topography of Bed and Flow Field in the 90 Degree Bend with Moving Bed. Journal of Modeling Earth Systems and Environment, 3(2): 799-814.
18
Molls, T.H. and H. Chaudhry. 1995. Depth averaged open-channel flow model. ASCE, Journal of Hydraulic Engineering, 121(6): 453- 465.
19
Ouyang H. T. 2009. Investigation on the Dimensions and Shape of a Submerged Vane for Sediment Management in Alluvial Channels. Journal of Hydraulic Engineering, 135(3):209–217.
20
ORIGINAL_ARTICLE
بررسی تغییرات مورفولوژی بستر در کانالهای دارای سری آبشکنهای موازی با طولهای نامساوی و جهتگیریهای مختلف
آبشکنها سازههایی هستند که به منظور کاهش سرعت و فرسایش کرانه به صورت عمود بر جریان یا مورب ساخته میشوند. آبشکنها همانند سایر سازههای تنگ کنندهی مسیر جریان، کانال جریان را تنگ میکنند و در مجاورت خود ساختار جریان را تغییر میدهند و در اطراف ناحیهی تنگ شده باعث شکلگیری گردابههایی میشوند. در این مقاله، تغییر الگوی جریان و تغییرات بستر در اثر تغییر زوایای سری آبشکنهای موازی غیرمتخلخل و غیر مستغرق با طول نامساوی، با استفاده از روشهای عددی بررسی شده است. اعتبارسنجی مدل نرمافزاری توسط مقایسهی نتایج مدل با دادههای آزمایشگاهی صورت گرفته است. نتایج نشان میدهد که با تغییر جهتگیری آبشکنهای با طول نامساوی از 90 درجه به 45 درجه (کاهش 12 درصدی میزان تنگشدگی)، بیشترین عمق آبشستگی در پای آبشکن اول تا 50 درصد کاهش پیدا میکند.
https://www.waterjournal.ir/article_88630_8e78574433bd35170a2b529885a0ae7b.pdf
2019-05-22
38
48
10.22125/iwe.2019.88630
فرسایش
رسوبگذاری
سری آبشکن
طول نامساوی
مدلسازی عددی
سعید
عباسی
abbasi.saeed@znu.ac.ir
1
دانشگاه زنجان- گروه مهندسی عمران
LEAD_AUTHOR
حنیف
پورشهباز
h.pourshahbaz@znu.ac.ir
2
سازههای هیدرولیکی، باشگاه پژوهشگران جوان و نخبگان، واحد زنجان، دانشگاه آزاد اسلامی
AUTHOR
پوریا
تقوائی
pooryataghvaei@yahoo.com
3
دانشگاه سمنان
AUTHOR
Acharya, A. and Duan, J.G., 2011, Three dimensional simulation of flow field around series of spur dikes. In World Environmental and Water Resources Congress 2011: Bearing Knowledge for Sustainability (pp. 2085-2094).
1
Basser, H., Karami, H., Shamshirband, S., Akib, S., Amirmojahedi, M., Ahmad, R., Jahangirzadeh, A. and Javidnia, H., 2015, Hybrid ANFIS–PSO approach for predicting optimum parameters of a protective spur dike. Applied Soft Computing, 30, pp.642-649.
2
Chang et al. 2013, Two-Dimensional Numerical Investigation for Short- and Long-Term Effects of Spur Dikes on Weighted Usable Area of Rhinogobius candidianus (Goby)
3
Duan, J.G. and Nanda, S.K. (2006) Two-Dimensional Depth-Averaged Model Simulation of Suspended Sediment Concentration Distribution in a Groyne Field. Elsevier, J. Hydrol., 327,426–437.
4
Flow Science Inc. 2015, FLOW-3D User’s manual. Version 11.1
5
Ghodsian, M. and Vaghefi, M. 2009 Experimental Study on Scour and Flow Field in a Scour Hole Around a T-Shape Spur Dike in a 90° Bend. Intl. J. Sedim. Res., 24 (2), 145–158.
6
Giglou, A.N., Mccorquodale, J.A. and Solari, L., 2017. Numerical study on the effect of the spur dikes on sedimentation pattern. Ain Shams Engineering Journal. (In Press) https://doi.org/10.1016/j.asej.2017.02.007
7
Karami, H., Ardeshir, A., Saneie, M., Behzadian, K., jalilsani F., 2008 Reduction of local scouring with protective spur dike
8
Karami, H., Ardeshir, A., Saneie, M. and Salamatian, S.A., 2012, Prediction of time variation of scour depth around spur dikes using neural networks, Journal of Hydroinformatics, 14(1), pp.180-191
9
Karami, H., Basser, H., Ardeshir, A., & Hosseini, S. H. 2014, Verification of numerical study of scour around spur dikes using experimental data. Water and Environment Journal, 28(1), 124-134.
10
Kuhnle, R.A., Jia, Y. and Alonso, C.V. (2008) Measured and Simulated Flow near a Submerged Spur Dike. ASCE, J. Hydr. Eng., 137 (7), 916–924.
11
Li, G., Lang, L. and Ning, J., 2013. 3D Numerical Simulation of Flow and Local Scour around a Spur Dike, In IAHR World Congress (pp. 1-9)
12
Mendoza-Cabrales, C. (1993). "Computation of flow past a cylinder mounted on a flat plate." Proc. Hydraulic Eng., ASCE Reston, Va., 899-904.
13
Shields, A. (1936), Application of the theory of similarity and turbulence research to the bed load movement, Mitt. Preuss. Vets., Wasset Schiff, 26, 5-24.
14
Uijttewaal, W.S., 2005. Effects of groyne layout on the flow in groyne fields: Laboratory experiments. Journal of Hydraulic Engineering, 131(9), pp.782-791
15
Van Rijn, L. C. (1987). Mathematical modeling of morphological processes in the case of suspended sediment transport (pp. Communication-No). Delft: Waterloo pkundig Laboratorium.
16
ZHANG, H. and NAKAGAWA, H., 2008. Scour around spur dyke: recent advances and future researches, Annuals of disaster prevention research institute, Kyoto University, No. 51B
17
ORIGINAL_ARTICLE
بررسی عددی خصوصیات جریان در سرریز لبه تیز با مقطع افقی مثلثی با زاویه رأس در پاییندست
سرریز لبه تیز قائم یکی از انواع سرریزها میباشد که به دلیل الگوی جریان پایدار و سهولت در عبور جریان، دارای کاربرد گستردهای میباشد. در پژوهش حاضر، مشخصات جریان عبوری از سرریز پیشنهادی لبه تیز افقی مثلثی، با زوایای رأس 30، 60، 90، 120، 150 و 180 درجه در پاییندست برای 10 دبی مختلف با استفاده از مدل عددی FLOW-3D شبیهسازی شده است. در این راستا، پس از صحتسنجی مقادیر ارتفاع جریان عبوری آب از روی سرریز با نتایج آزمایشگاهی معتبر، پارامترهای ضریب آبگذری، پروفیل فشار، سرعت در مقطع عرضی و خطوط جریان مورد تحلیل قرار گرفته است. نتایج صحتسنجی، حاکی از دقت بالای مدل آشفتگی RNG نسبت به سایر مدلهای آشفتگی با ضریب همبستگی R2=0.9996 میباشد. دیگر نتایج، نشاندهنده میانگین افزایش 6 درصدی ضریب آبگذری سرریز پیشنهادی در مقایسه با سرریز مدل آزمایشگاهی (سرریز با رأس در بالادست) است. در این میان، سرریز با زاویه 150 درجه، دارای بیشترین افزایش ضریب آبگذری در حدود 5/8 درصد میباشد. با افزایش زاویه رأس از 30 به 150 درجه، محدوده فشار حداقلی، از نوک سرریز دور شده و به سمت پایین دست پیشروی میکند. بیشترین مقدار فشار در پایین دست سرریز برای سرریز با زاویه راس 120 درجه و با مقدار 1100 پاسکال مشاهده گردید. فشار کمینه 10 پاسکال نیز، در محدوده کوچکی از سرریز 150 درجه حاصل شد. با نزدیک شدن به نوک سرریز، جریان توأمان از کناره و نوک سرریز عبور کرده و دارای مقادیر سرعت زیادی است. بیشینه سرعت طولی با مقدار 53/1 متر بر ثانیه در سرریز 90 درجه مشاهده گردید.
https://www.waterjournal.ir/article_88631_240b3ed05ce0f6406a0c51d3abc3d6ae.pdf
2019-05-22
49
65
10.22125/iwe.2019.88631
الگوی جریان
سرریز با مقطع افقی مثلثی
ضریب آبگذری
مدل عددی
Flow-3D
الهام
بابایی
e.babaei@semnan.ac.ir
1
گروه مهندسی آب و سازههای هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
AUTHOR
حجت
کرمی
hkarami@semnan.ac.ir
2
استادیار گروه مهندسی عمران- مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
LEAD_AUTHOR
سعید
فرزین
saeed.farzin@semnan.ac.ir
3
گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
AUTHOR
حسینی، خ.، م. فضل اله نژاد، ح. کرمی و س. فرزین. 1395. تحلیل جریان در سرریز و سازه استهلاک انرژی سد گلورد نکا به کمک روشهای عددی. نشریه علمی پژوهشی سد و نیروگاه برق آبی. سال 3، شماره 11، ص 1-11.
1
حقی آبی،ا.، ب. عباسپور، ع. ملکی و ح. ترابی پوده. 1395. شبیهسازی عددی الگوی جریان بر روی سرریزهای با مقطع افقی مثلثی و مقایسه با سرریز خطی با استفاده از نرمافزار Flow-3D. مجله مهندسی منابع آب، دوره 9، شماره 29، ص 125-137.
2
حیدرپور، م.، س. ح. رضویان، ی. حسینی. 1393. مطالعه جریان همزمان از زیر یک دریچه کشویی و روی یک سرریز لبه تیز ذوزنقهای. مجله علوم آب و خاک دانشگاه صنعتی اصفهان. دوره 18، شماره 68، ص 147-156.
3
داود مقامی، د.، ح. بانژاد، م. صانعی و س. ا. محسنی موحد. 1396. مطالعه آزمایشگاهی و عددی مشخصات جریان عبوری از سرریز لبهتیز در اثر بالاآمدگی بستر بالادست. نشریه پژوهشهای حفاظت آب و خاک، سال 24، شماره 1، ص 265-278.
4
شبیهسازی مسائل هیدرولیکی در Flow 3D. مولف: مهندس فیروز قاسمزاده. 1396.
5
عامری، م.، ا. احمدی و ا. دهقانی. 1394. تعیین ضریب دبی سرریزهای جانبی لبه تیز مرکب مثلثی–مستطیلی. مجله پژوهشهای حفاظت آب و خاک، سال 22، شماره 3، ص 105-120.
6
غفاری، س.، ا. اقبالزاده و م. جوان. 1395. بررسی عددی اثر عدد فرود بالادست بر الگو و مشخصات جریان در امتداد سرریز جانبی لبه تیز مستطیلی. مجله مهندسی عمران تربیت مدرس، دوره 16، شماره 2، ص 215-228.
7
فرزین، س.، ح. کرمی، ف. یحیوی و ش. نیّر. 1396. بررسی عددی مشخصات هیدرولیکی جریان اطراف سرریز لبه تیز قائم و مورب با شبیه سازی در نرم افزار Flow3D. پژوهشهای عمران و محیط زیست، انتشار آنلاین، DOI: 10.22091/CER.2017.1661.1068.
8
Bagheri, S., and M. Heidarpour. 2010 Application of free vortex theory to estimating discharge coefficient for sharp-crested weirs. Biosystems engineering, 105(3): 423-427.
9
Borghei, S. M., Z. Vatannia, M. Ghodsian, and M. R. Jalili. 2003. Oblique rectangular sharp-crested weir. Proceedings of the Institution of Civil Engineers - Water and Maritime Engineering, 156(3):185-191.
10
Bos, M. G., and J. Nugteren. 1978. International Institute for Land Reclamation and Improvement, On irrigation efficiencies.
11
Esmaiyli varaki, M.,and M. Safarrazavizadeh. 2013. Study on hydraulic characteristics of flow over spillways Congress with semicircular plan. Journal of Water and Soil Science, 27(1): 224-234.
12
Falvey, H.T. 2003. Hydraulic design of labyrinth weirs. Reston VA: ASCE Press (American Society of Civil Engineers).
13
Hirt, C. W., and K. S. Chen. 1996. Simulation of slide-coating flows using a fixed grid and a volume-of-fluid front-tracking technique: Startup and bead breakup (No. SAND--96-0443C; CONF-960225--1). Sandia National Labs. Albuquerque, NM (United States).
14
Hirt, C. W., and B. D. Nichols. 1981. Volume of fluid (VOF) method for the dynamics of free boundaries. Journal of computational physics, 39(1): 201-225.
15
Hoseini, S. H. 2014. 3D Simulation of flow over a triangular broad-crested weir. Journal of River Engineering, 2(2): 1-7.
16
Kumar, S., Z. Ahmad, and T. Mansoor. 2011. A new approach to improve the discharging capacity of sharp-crested triangular plan form weirs. Flow Measurement and Instrumentation, 22(3): 175-180.
17
Kumar, S., Z. Ahmad, T. Mansoor, and S. K. Himanshu. 2012. Discharge characteristics of sharp crested weir of curved plan-form. Research Journal of Engineering Sciences ISSN, 1(4): 16-20.
18
Mangarulkar, K. 2010. Experimental and numerical study of the characteristics of side weir flows. PhD thesis, Concordia University, Montreal, Quebec, Canada.
19
Noori, B. M. A., and Aaref, N. T. 2017. Hydraulic Performance of Circular Crested Triangular Plan Form Weirs. Research Article – Civil Engineering. Arab J Sci Eng. DOI 10.1007/s13369-017-2566-3.
20
Rezaee, M., A. Emadi, and Q. Aqajani Mazandarani. 2016. Laboratory study overflow rectangular Congress. Journal of Water and Soil Science, 29(6): 1438-1446.
21
ORIGINAL_ARTICLE
بررسی عددی سه بعدی تغییرات الگوی جریان در دو قوس متوالی همگرا و واگرا از یک رودخانه طبیعی با استفاده از مدل SSIIM.2
بررسی الگوی جریان در رودخانههای پیچانرودی بسیار پیچیده تر از رودخانه های مستقیم است. همچنین اکثر رودخانهها در مسیر قوسها به لحاظ تغییرات عرض کانال یکنواخت نیستند. لذا، استفاده از یک مدل عددی قوی برای شبیه سازی الگوی جریان در رودخانه ها ضروری است. در این تحقیق از مدل عددی سه بعدی SSIIM جهت شبیه الگوی جریان در بازه پیچانرودی از رودخانه دوآب واقع در استان چهارمحال و بختیاری استفاده شد. برای این منظور پس انجام اندازه گیری های میدانی و واسنجی مدل، مقادیر سرعت محاسبه شده توسط مدل با مقادیر اندازه گیری شده سرعت در مقطعی از یک قوس نسبتاً یکنواخت از رودخانه با استفاده از معیارهای خطای RMSE و MAPE مقایسه شد. نتایج بدست آمده نشان داد که مقادیر این دو معیار به ترتیب برابر 081/0 و 075/0 می باشند. این موضوع نشان می دهد که کارایی مدل خوب می باشد. علاوه بر این خصوصیات مختلف جریان شامل پروفیلهای سرعت عمودی و طولی، خطوط سرعت در جهات طولی و عرضی و همچنین توزیع تنش برشی بستر در محل دو قوس همگرا و واگرا مقایسه گردید. نتایج این تحقیق نشان می دهد که مقادیر سرعت در جهت طولی در مقاطع انتخابی، در قوس همگرا بیشتر از قوس واگرا میباشد. همچنین تراکم خطوط جریان و مقادیر تنش برشی بستر در بازه حدفاصل دو قوس حداکثر می باشند. بنا بر این میتوان کفت که الگوی جریان بخوبی توسط مدل شبیه سازی گردیده است.
https://www.waterjournal.ir/article_88670_7d886cb400ebe2cef67bf99c0668e6ef.pdf
2019-05-22
66
81
10.22125/iwe.2019.88670
کلمات کلیدی: رودخانه های پیچانرودی
تنش برشی بستر
رودخانه دوآب صمصامی
خطوط جریان
روح الله
کریمیان کاکلکی
karimian.roh@gmail.com
1
علوم و مهندسی آبخیزداری دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
AUTHOR
افشین
هنربخش
afshin.honarbakhsh@gmail.com
2
مهندسی و مدیریت آبخیز
LEAD_AUTHOR
رضا
شمس قهفرخی
g.shams@eng.sku.ac.ir
3
گروه مهندسی عمران دانشکده فنی و مهندسی، دانشگاه شهرکرد،
AUTHOR
علیرضا
داودیان دهکردی
alireza.davoudian@gmail.com
4
دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران
AUTHOR
مهدی
پژوهش
drpajoohesh@gmail.com
5
گروه مرتع و آبخیزداری، دانشگاه شهرکرد
AUTHOR
منتصری، ح و ح. آسیایی. 1393. ارزیابی دقت مدل سهبعدی SSIIM2 در شبیهسازی میدان جریان در کانال قوسی U شکل با آبگیر جانبی. نشریه پژوهشهای حفاظت آب و خاک، جلد بیست و یکم، شماره چهارم، ص 29-53.
1
Abed, K. R., H. Hobi and A. J. Jihad. 2014. Numerical Modeling of Sediment Transport Upstream of AlGhammas Barrage. International Journal of Scientific & Engineering Research, 5(11): 469-477.
2
Arvandi, S., A. Khosrojerdi, M. Rostami and H. Baser. 2013. Simulation of interaction of side weir overflows with bed-load transport and bed morphology in a channel (SSIIM2.0). International Journal of Water Resources and Environmental Engineering, 5(5): 255-261.
3
Bradbrook, K.F., S.N. Lane, K.S. Richards, P. M. Biron and A. G. Roy. 2001. Role of bed discordance at asymmetrical river confluences, J. Hydraulic Engineering, ASCE, 127(5): 351-368.
4
Chow, V. T. 1959. Open Channel Hydraulics New York: McGraw-Hill.
5
Elsaeed, G. H. 2011. Validating SSIIM 3-D Numerical Model to Calculate Local Scour around Bridge Piers. International Journal of Academic Research, 3(3): 501-505.
6
EsMAPEili, T., S. A. Kantoush, A. J. Schleiss, and S. Haun. 2014. Three-dimensional numerical modeling of flow field in rectangular shallow reservoirs. Reservoir Sedimentation – Schleiss et al. (Eds). Pp. 11-19
7
Ghobadian, R., and K. Mohammadi. 2011. Simulation of subcritical flow pattern in 180° uniform and convergent open-channel bends using SSIIM 3-D model. International Journal of Water Science and Engineering, 4(3): 270-283.
8
Huang, S. L., Y. F. Jia, and S. Y. Wang. 2006. Numerical Modeling of Suspended Sediment Transport in Channel Bends. Journal of Hydrodynamics, 18(4): 411-417.
9
Launder, B. E., and D. B. Spalding. 1974. The numerical computation of turbulent flows. Computer Methods in Applied Mechanics and Engineering, 3(2): 269-289
10
Leschziner, M. An and W. Rodi. 1979. Calculation of strongly curved open channel flow. Journal of the Hydraulic Division, 105(10): 1297-1314.
11
Lien, H. C., J. C. Yang, K. C. Yeh and T. Y. Hsieh. 1999. Bend-flow simulation using 2D depth-averaged model. Journal of Hydraulic Engineering (ASCE), 125(10): 1097-1108.
12
Mockmore, C. E. 1994. Flow around bends in stable channels. Transactions of the American Society of Civil Engineers, 1(109): 593-618.
13
NajiAbhari, M., M. Ghodsian, M. Vaghefi and N. Panahpur. 2010. Experimental and numerical simulation of flow in a 90° bend. Journal of Flow Measurement and Instrumentation, 21(3):292-298.
14
Raeiszadeh, H., S. Boroomand-Nasab and H. Moazed. 2014. Numerical and Three-dimensional Modeling of Flow on Floodplains Covered with Vegetation by Sediment Simulation in Intakes with Multiblock Options (SSIIM) Software, 6(9): 24-30
15
Rozovskii, I. L. 1957. Flow of Water in Bend of Open Channel. Kiev: Institute of Hydrology and Hydraulic Engineering, Academy of Sciences of the Ukrainian SSR.
16
Ruther, N. 2006. Computational Fluid Dynamics in Fluvial Sedimentation Engineering, Year, Ph. D. Dissertation.Norwegian University of Science and Technology.
17
Schlichting, H. 1979. Boundary Layer Theory. 7th ed. New York: McGraw-Hill.
18
Zhang, J., E. T. M. Andrés and Q. Zhang. 2014. Developments in computational fluid dynamics based modeling for disinfection technologies over the last two decades: A review. Journal of Environmental Modelling & Software 58: 71-85
19
ORIGINAL_ARTICLE
بهینهسازی ضرایب معادله سنجه رسوب با استفاده از الگوریتم ژنتیک (مطالعه موردی: ایستگاههای قزاقلی و باغعباسی)
برآورد صحیح غلظت رسوبات رودخانهها برای برنامهریزی و مدیریت پروژههای منابع آب اهمیت دارد.روشهای مختلفیبرایتعیینارتباطبیندبیجریانومقداررسوبتوسعهیافته است.منحنی سنجهرسوب یکیاز متداولترینروشهایبرآوردرسوبمعلقرودخانههامیباشد که با خطای زیادی همراه است.بهمنظورتخمینبهترمیزانرسوببا منحنیسنجه،میتوان ضرایباینمعادلهرابا روشهای هوش مصنوعی بهینه کرد.هدفاینتحقیقاستفادهازالگوریتمژنتیک برایبهینهسازی ضرایبمعادلهسنجهرسوب رودخانههای گرگانرود ( ایستگاه قزاقلی) و فریمان( ایستگاه باغ عباسی) میباشد. بدین منظور، آماردبی جریانوغلظت رسوب معلقبرای سالهای 1388-1350برای ایستگاه قزاقلی و سالهای 1388-1347 برای ایستگاه باغعباسی اخذ شد و منحنیسنجه رسوب با استفاده از 70 درصد دادهها به عنوان دادههای آموزش بهدست آمد. به منظور بهینهسازی ضرایب، مدلالگوریتمژنتیکدر نرمافزارMATLAB2017برنامهنویسیشد.نتایجبهدستآمدهنشان دادکهمدلالگوریتمژنتیک برای ایستگاه قزاقلی و باغعباسی به ترتیب با ضریب نش-ساتکلیف 5/0، 72/0و ضریب تعیین 5/0 و 89/0 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغعباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینهسازی رابطه دبی و رسوب به ویژه در ایستگاههای با داده کم دارد.
https://www.waterjournal.ir/article_88672_c0e707549ad9a0409f8bb2092a1b469f.pdf
2019-05-22
82
98
10.22125/iwe.2019.88672
: الگوریتم تکاملی
بهینهسازی
رسوبدهی
رسوب معلق
منحنیسنجه رسوب
فرزانه
ناصرص
1
گروه مرتع و آبخیزداری، دانشگاه فردوسی
AUTHOR
محمود
اذری
m.azari@um.ac.ir
2
گروه مرتع و آبخیزداری، دانشگاه فردوسی مشهد، مشهد، ایران،
LEAD_AUTHOR
محمد تقی
دستورانی
dastorani@um.ac.ir
3
دانشگاه فردوسی مشهد
AUTHOR
امامقلیزاده، ص. کریمیدمنه، ر. اژدری، خ. (1395). مقایسه روشهای متداول برآورد بار رسوب معلق رودخانهی کرخه با روش برنامهریزی بیان ژن. فصلنامه جغرافیا و توسعه. (45). ص 140-121.
1
اکبرپور، ا. حامدافتخار، خ. (1385). مقایسه مدلهای شبکه عصبی مصنوعی و رگرسیون در پیشبینی آورد رسوب درحوزه اهرچای آذربایجان شرقی. اولین همایش ملی مدیریت شبکه های آبیاری و زهکشی. 9 ص.
2
ادهمی، م. 1391. تجزیه و تحلیل منطقهای برآورد رسوب معلق با استفاده از خصوصیات حوضهی ودخانههای گرگانرود و قرهسو. پایاننامه کارشناسی ارشد. دانشگاه علوم کشاورزی و منابع طبیعی گرگان. دانشکده مرتع و آبخیزداری. 118ص.
3
امیدوارینیا، م. (1388). کاربرد الگوریتم ژنتیک در بهینهسازی پارامترهای ورودی بیبعد به مدل شبکههای عصبی مصنوعی جهت پیشبینی انتقال بار معلق رودخانههای آبرفتی (مطالعه موردی رودخانه کارون). پایاننامه کارشناسی ارشد. دانشکده مهندسی علوم آب. دانشگاه شهید چمران اهواز. 138 ص.
4
برزگری، ف و دستورانی، م ت. (1391). پیشبینی بار معلق رودخانه با استفاده از مدلهای سری زمانی و شبکه عصبی مصنوعی. نهمین سمینار بینالمللی مهندسی رودخانه. دانشگاه شهید چمران، اهواز.
5
حیات زاده، م. چزگی، ج. دستورانی، م ت. (1394). ارزیابی برآورد رسوب با استفاده از روشهای منحنی سنجه و شبکه عصبی با تلفیق پارامترهای مورفولوژیکی حوزه (مطالعه موردی حوزه باغعباس). مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. سال نوزدهم- شماره 72. ص 227-217.
6
دهقانی، ن. وفاخواه، م. (1392). مقایسه روشهای تخمین رسوب معلق روزانه با استفاده از روش های منحنی سنجه رسوب و شبکه عصبی (مطالعه موردی: ایستگاه قزاقلی، استان گلستان). مجله پژوهشهای حفاظت آب و خاک. ص230-221.
7
دهقانی، ا ا. زنگنه، م ا. مساعدی، ا. کوهستانی، ن. (1388). مقایسه تخمین بار معلق به دو روش منحنی سنجه رسوب و شبکه عصبی (مطالعه موردی: رودخانه دوغ استان گلستان). مجله علوم کشاورزی و منابع طبیعی. 16 (1).
8
رجایی، ط و میرباقری، ا. (1388). مدل بار معلق رودخانههابا استفاده از شبکه عصبی مصنوعی. نشریه مهندسی عمران، دانشگاه فردوسی مشهد. 21 (1): ص 43-27.
9
روشنگر، ک. اعلمی، م.ت و وجودیمهربانی، ف. (1394)، افزایش دقت پیشبینی بار کل رسوبی با استفاده از الگوریتمهای تکاملی (مظالعه موردی: رودخانه قطورچای). نشریه آب و خاک، 29: (6). ص 1426-1416.
10
شیخعلیپور، ز. حسنپور ف، عظیمی، و. (1394). مقایسه روشهای هوش مصنوعی در برآورد بار معلق رسوب (مطالعه موردی: رودخانه سیستان). نشریه پژوهشهای حفاظت آب و خاک. 22 (2). ص60-41.
11
طهمورث، م. احمدی، ح. تقوی، ن. عسگری، ح م. (1388). مقایسه دقت مدلهای شبکه عصبی مصنوعی ژئومورفولوژی (GANNs) و رگرسیونی (RM) در برآورد رسوب طالقان. پژوهشهای آبخیزداری (پژوهش و سازندگی). شماره 84. ص 27-20.
12
طباطبایی، م ر. سلیمانی، ک. حبیبنژاد روشن، م. کاویان، ع. (1393). برآورد غلظت رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی و خوشهبندی دادهها به روش نگاشت خود سازمان ده (مطالعه موردی: ایستگاه هیدرومتری سیرا- رودخانه کرج). پژوهشنامه مدیریت حوزهآبخیز. سال پنجم-شماره 10. 116-98.
13
طباطبایی، م ر. (1393). برآورد بار رسوب معلق روزانه با استفاده از روشهای محسبات نرم (شبکه عصبی، نروفازی و الگوریتم ژنتیک) و دادهای آب و هواشناسی، دانشگاه علوم کشاورزی و منابع طبیعی ساری - دانشکده کشاورزی و منابع طبیعی. پایاننامه دکتری رشته علوم و مهندسی آبخیزداری. 182 ص.
14
عبدی دهکردی، م. (1391). تخمین هوشمند دبی رسوب بار معلق با استفاده از فنآوری های نوین. پایاننامه کارشناسی ارشد. دانشگاه علوم کشاورزی و منابعطبیعی گرگان. دانشکده مهندسی آب و خاک.. 91 ص.
15
عبدی دهکردی، م. مفتاح هلقی، م. دهقانی، ا ا. حسام، م. 1390. کاربرد الگوریتم ژنتیک در در بهینهسازی ضرائب معادله سنجه رسوب. پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک. کرمان.
16
کارگریان، س. (1391)، بهینهسازی روابط دبی-رسوب با استفاده از روشهای اصلاح منحنی سنجه رسوب (مطالعه موردی حوزهآبخیز سد دز) پایاننامه کارشناسی ارشد- دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد گروه آبخیزداری. 89 ص.
17
کیا، ع. عمادی، ع. فضل اولی، ر. (1394). بررسی امکان کاربرد سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابلرود. پژوهشنامه مدیریت حوزهآبخیز. سال ششم. شماره 11.
18
محمدرضاپور، ا. حقیقتجو، پ. زینلی، م ج. (1394). مقایسه الگوریتم ازدحام ذرات و ژنتیک در بهینهسازی ضرایب معادله منحنی سنجه رسوب در برآورد دبی رسوب معلق رودخانه سیستان (مطالعه موردی: ایستگاه کهک). فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال ششم. شماره 22. ص 89-76.
19
مساعدی، ا. سعدالدین، ا. زنگنه، م.ا و فرازجو، ح. (1389)، برآورد دبی رسوبات معلق بر اساس معادله سنجهرسوب و عوامل موثر برضرایب آن در حوضه آبریز گرگانرود. مجموعه مقالات نخستین کنفرانس ملی پژوهشهای کاربردی منابع آب ایران. شرکت سهامی آب منطقهای کرمانشاه، 12ص.
20
مساعدی، ا.، محمدی، ا، نجفی نژاد، ع،. و یغمایی، ف. 1385. بهینهسازی روابط دبی جریان و دبی رسوب معلق در ایستگاههای منتخب حوضه گرگانرود. مجله منابع طبیعی ایران، 59 (2). ص 342-331.
21
وزارت نیرو، (1391). راهنمای محاسبه بار رسوب معلق و بستر رودخانه، نشریه شماره 590.
22
یوسفی، م. پورشرعیانی، ر. (1393). برآورد رسوب معلق با استفاده از شبکه عصبی و ارزیابی توابع آموزشی (مطالعه موردی: استان لرستان). پژوهشنامه مدیریت حوزهآبخیز. سال پنجم. شماره 10. ص 96-85.
23
Alp, M., & Cigizoglu, H. K. 2007. Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data. Environmental Modelling & Software, 22 (1), 2-13.
24
Altunkaynak, A. 2009. Sediment load prediction by genetic algorithms. Advances in Engineering Software, 40 (9):928-934.
25
Arab Khedri. M. 2005. A study on the suspended sediment yield in river basins of Iran. Iran-Water Resources Research. 1 (2): 51-60
26
Asselman, N.E.M. 2000. Fitting and interpretation of sediment rating curves. Journal of Hydrology. 23: 4. 228-248.
27
Abrahart, R.J., See, L.M., Solomatine, D.P., 2008. Practical Hydroinformatics, Computational Intelligence and TechnologicalDevelopments in Water Applications, Springer.
28
Bezak, N., Mikoš, M., Šraj, M. 2014. Trivariate Frequency Analyses of Peak Discharge, Hydrograph Volume and Suspended Sediment Concentration Data Using Copulas, Water Resour. Manag. 28(8), 2195-2212.
29
Ebrahimi, H., E. Jabbari and M. Ghasemi. 2013. Application of Honey-Bees Mating Optimization on Estimation of Suspended Sediment Concentration. World Applied Sciences Journal 22 (11): 1630-1638.
30
Fleming, G. 1979. Deterministic model in hydrology. IRRIGATION and Drainage paper.32 FAO.Rome, 80p.
31
Goldberg, D. 1989. Genetic algorithms in search optimization and machine learning. Journal of Hydrology Research. 8:354-361.
32
Guven, A., & Kişi, Ö. (2011). Daily pan evaporation modeling using linear genetic programming technique. Irrigation science, 29 (2), 135-145.
33
Holland, J. H. 1975. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence. Ann Arbor, MI: University of Michigan Press.
34
Jha, S. K., Bombardelli, F. A., 2011. Theoretical/numerical model for the transport of nonuniform suspended sediment in open channels. Adv. Water Resour. 34(5), 577–591.
35
Kisi, O., Dailr, A. H., Cimen, M., & Shiri, J. 2012. Suspended sediment modeling using genetic programming and soft computing techniques. Journal of Hydrology, 450, 48-58.
36
Nash, J. E., J. V. Sutcliffe .1970. River flow forecasting through conceptual models, Part I - A discussion of principles, J. Hydrol. 10: 282–290.
37
Shamaei, E., & Kaedi, M. (2016). Suspended sediment concentration estimation by stacking the genetic programming and neuro-fuzzy predictions. Applied Soft Computing, 45: 187-196.
38
Talebi, A., Mahjoobi, J., Dastorani, M. T., & Moosavi, V. 2016. Estimation of suspended sediment load using regression trees and model trees approaches (Case study: Hyderabad drainage basin in Iran). ISH Journal of Hydraulic Engineering, 1-8.
39
Zhang, F. X., Wai, O. W., & Jiang, Y. W. (2010). Prediction of sediment transportation in deep bay (Hong Kong) using genetic algorithm. Journal of Hydrodynamics, Ser. B, 22(5), 599-604.
40
Zhu, Y.M., X.X. Lu and Y. Zhou. 2007. Suspended sediment flux modeling with artificial neural network: An example of the Longchuanjiang River in the Upper Yangtze Catchment, China. Geomorphology, 84(1): 111-125.
41
Zounemat-Kermani, M., Kişi, Ö., Adamowski, J., & Ramezani-Charmahineh, A. 2016. Evaluation of data driven models for river suspended sediment concentration modeling. Journal of Hydrology, 535, 457-472.
42
ORIGINAL_ARTICLE
واسنجی داده های باران سری 3B43 ماهواره TRMM در استان هرمزگان
بارش یکی از پارامترهای مهم اقلیمی موثر در مدلهای هیدرولوژیکی است. لذا برآورد صحیح مقدار و توزیع مکانی آن در یک حوزه آبخیز از اهمیت زیادی برخوردار است. در سال های اخیر به دلیل تعداد و تراکم محدود ایستگاههای بارانسنجی در سطح کشور و نبود ایستگاه در مناطق کوهستانی و صعب العبور، استفاده از داده های ماهواره ای بارش به عنوان ابزاری موثر در پیش بینی توزیع مکانی منطقه ای بارش مورد توجه محققین قرار گرفته است. در پژوهش حاضر به بررسی صحت دادههای بارشی3B43 TRMMکه یکی از محصولات بارشی ماهواره TRMM است در 40 ایستگاه باران سنجی و 9 ایستگاه سینوپتیک استان هرمزگان در مقیاس ماهانه پرداخته شد. مقایسه بین دادههای ماهوارهای و مشاهدهای در ایستگاههای منتخب واقع در دوره آماری 1998-2012 انجام شد. برای ارزیابی میزان انطباق بارندگی برآوردشده توسط ماهوارة TRMM با مقادیر مشاهده ای در ایستگاه های بارانسنجی و سینوپتیک از معیارهای آماری شامل ضرایب همبستگی اسپیرمن (Rs)، ضریب همبستگی پیرسون (Rp)، میانگین مطلق خطا (MAE)، ریشه میانگین مربعات خطا (RMSE) و میانگین مجذور خطا (MSE)، و نیز شاخص های مطابقت (POD, FAR, TSS و CSI) استفاده شد. براساس نتایج به دست آمده، بیشترین مقدار شاخص POD (1) در ماه آگوست و کمترین مقدار آن (92/0) در ماه می برآورد شد. از طرفی بیشترین مقدار شاخص FAR (91/0) و کمترین مقدار شاخص CSI (08/0) در ماه می، و همچنین کمترین مقدار شاخص FAR (16/0) و بیشترین مقدار شاخص CSI (83/0) در ماه ژانویه برآورد شد. علاوه بر این ها، بیشترین مقدار ضریب همبستگی پیرسون (64/0) و اسپیرمن (76/0) در ماه دسامبر و کمترین آن ها در ماه های آپریل، می و جولای اتفاق افتاد. این نتایج نشان می دهد که بیشترین دقت ماهواره TRMM در فصل های زمستان و بهار و کمترین آن، در تابستان اتفاق افتاده است. بعبارت دیگر، ماهواره TRMM توانسته است وقوع بارندگی در ماه های سرد سال را بهتر از ماه های گرم سال پیش بینی کند. همچنین نتایج نشان داد دادههای TRMM در اکثر ماه های سال مقدار باران را بیشتر برآورد می کند که پس از واسنجی، با توجه به نقشه های پهنه بندی ماه های آگوست و دسامبر بهبود قابل ملاحظه ای در تخمین بارش توسط ماهوارة TRMM اتفاق افتاد.
https://www.waterjournal.ir/article_88673_4947175f88b1b067a54946c3e21aebea.pdf
2019-05-22
99
112
10.22125/iwe.2019.88673
کلمات کلیدی: بارش ماهانه
تخمین
شاخص مطابقت
واسنجی
مریم
صفوی گردینی
maryamsafavi66@gmail.com
1
گروه مهندسی آب، کارشناسی ارشد دانشکده آب و خاک، دانشگاه زابل
AUTHOR
معصومه
دلبری
masoomeh.delbari@uoz.ac.ir
2
گروه مهندسی آب. دانشکده آب و خاک، دانشگاه زابل
LEAD_AUTHOR
میثم
امیری
meysam65am@gmail.com
3
هیئت علمی پژوهشکده تالاب بین المللی هامون، دانشگاه زابل
AUTHOR
جمشید
پیری
jamshideng@gmail.com
4
دانشکده آب و خاک، دانشگاه زابل
AUTHOR
امیدوار، ک.، م.، فنودی.، و ع.، بنی واهب. 1392. بررسی تطابق آمار بارندگی ماهواره TRMM با ایستگاههای اقلیمی زمینی مطالعه موردی: ایستگاههای همدید استان خراسان رضوی. نخستین کنفرانس ملی آب و هواشناسی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان.
1
سایت سازمان هواشناسی کشور. 1394. http://www.irimo.ir
2
شیروانی، ا.، و ا.،فخاریزادهشیرازی. 1393. مقایسةمقادیرمشاهداتیبارشوبرآوردهایماهوارهTRMM دراستانفارس. نشریةهواشناسی کشاورزی. شماره 2، صفحه 15-1.
3
عرفانیان، م.، س، کاظم پور.،ح، حیدری. 1395. واسنجی دادههای باران سری 3B42 و 3B43 ماهوارۀ TRMM در زونهای اقلیمی ایران. پژوهشهای جغرافیای طبیعی48(2): 287-303.
4
کاویانی، م.، و ب.، علیجانی. 1388 مبانی آب وهواشناسی. انتشارات سمت. صفحه 594.
5
Almazroui, M. 2011. Calibration of TRMM rainfall climatology over Saudi Arabia during 1998-2009. Atmospheric Research, P.400-414.
6
heng, C., Yu, Z., Li, L. and Yang, c. 2011. Adaptability Evaluation of TRMM Satellite Rainfall and Its Application in the Dongjiang River Basin. Procedia Environmental Sciences, 10: 402–396.
7
Chokngamwong, R. and Chiu, L.S. (2008). Thailand Daily Rainfall and Comparison with TRMM Products, Journal of Hydrometeorology, 9(2): 256-266.
8
Huffman, G. J. and Bolvin, D. T. 2012. TRMM and other data precipitation data set documentation. Laboratory for Atmospheres, NASA Goddard Space Flight Center and Science Systems and Applications, Inc [WWW document] Available at: ftp://meso-a.gsfc.nasa.gov/ pub/ trmmdocs /3B42_3B43_doc. pdf (accessed 23 March 2012).
9
Isaaks, E. H. and Srivastava, R. M. 1989. An Introduction to Applied Geostatistics. New York: Oxford University Press.
10
Karaseva, M., Prakash, S. and Gairola, R. M. 2012. Validation of High Resolution TRMM 3B43 Precipitation Product Using Rain Gauge Measurements over Kyrgyzstan. Theoretical and Applied Climatology, 108(1-2): 147-157.
11
Khan, A.J., Koch, M. and Chinchilla, K.M. 2015. Evaluation of gridded multi-satellite precipitation (TRMM -TMPA) estimation performance in the Upper Indus Basin (UIB). International Conference on Water resources, Coastal and Ocean Ebgineering (ICWRCOE 2015).
12
Kizza, M., I. Westerberg, A. Rodhe and H. K. Ntale. 2012. Estimating areal rainfall over Lake Victoria and its basin using ground-based and satellite data. J. Hydrol. 464: 401-411.
13
Li, X. H., Zhang, Q., Xu, C. Y. 2012. Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment, Poyang lake basin. Journal of Hydrology, 426: 28-38.
14
Milewski, A., R. Elkadiri and M. Durham. 2015. Assessment and comparison of TMPA satellite precipitation products in varying climatic and topographic regimes in Morocco. Remote. Sens. 7(5): 5697-5717.
15
Moazami, S., S. Golian, M. R. Kavianpour and Y. Hong. 2013. Comparison of PERSIANN and V7 TRMM Multisatellite precipitation analysis (TMPA) products with rain gauge data over Iran. Int. J. Remote Sens. 34(22): 8156-8171.
16
Moazami, S., S. Golian, Y. Hong, C. Sheng and M. R. Kavianpour. 2014. Comprehensive evaluation of four highresolution satellite precipitation products over diverse climate conditions in Iran. Hydrol. Sci. J. 61(2): 420-440.
17
Qin, Y., Chen, Z., Shen, Y., Zhang, S., & Shi, R. (2014). Evaluation of satellite rainfall estimates over the Chinese Mainland. Remote Sensing, 6(11), 11649-11672.
18
Wilks, D. S. 2006. Statistical Methods in the Atmospheric Sciences, 2nd ed., International Geophysics Series, vol. 91, Academic Press, San Diego, CA, 627 pp.
19
Wilks, D. S., 2011, Statistical Methods in the Atmospheric Sciences, Vol. 100, Academic press.
20
ORIGINAL_ARTICLE
به کارگیری الگوریتم علفهای هرز مهاجم (IWO) و الگوریتم ژنتیک (GA) در بهینهسازی بهرهبرداری تلفیقی از سد طازران
یکی از مهمترین مسائل در مدیریت منابع آب، مسئله بهرهبرداری بهینه از مخازن میباشد. در این پژوهش از الگوریتم فرا ابتکاری علف هرز مهاجم (IWO) برای یافتن استراتژیهای تخصیص بهینه آب در سیستم تک مخزنه سد طازران واقع در غرب کشور برای یک دوره 10 ساله استفاده شده است. مدل توسعه یافته در این تحقیق برای بهرهبرداری بهینه در حالت الگوی کشت وضع موجود تهیه گردیده است. اراضی پاییندست سد به دو منطقه طازران و ایونده تقسیم میشوند. تابع هدف تعریف شده حداقلسازی کل کمبودها در طول دوره شبیهسازی میباشد. بهمنظور بررسی عملکرد مخزن از شاخصهای قابلیت اعتماد زمانی، تأمین حجمی و آسیبپذیری استفاده شده است. نتایج حاصل از الگوریتم مورد بررسی با نتایج حاصل از الگوریتم ژنتیک(GA) مورد مقایسه قرار گرفته است. به دلیل عدم کفایت و همچنین توزیع نامناسب جریان رودخانه طازران، شبیهسازیها در دوحالت استفاده از جریان آبهای سطحی به تنهایی و تلفیق آبهای سطحی و زیرزمینی انجام گرفته است. با توجه به نتایج بهدست آمده مشخص گردید که با استفاده از روشهای IWO و GA و استفاده همزمان از آبهای سطحی و زیرزمینی منطقه، این سد به ترتیب قادر به تأمین 2/77درصد و 24/76 درصد از نیاز کل اراضی پاییندست منطقه طازران میباشد. شاخصهای اعتمادپذیری و آسیب پذیری در منطقه طازران نیز بهترتیب برابر 45/55 و 33 درصد در روش IWO و 72/52 و 41 درصد در روش GA میباشند.
واژههای کلیدی: الگوریتم علف هرز، اعتمادپذیری، بهرهبرداری بهینه، منابع آب
https://www.waterjournal.ir/article_88676_e929ca11d46e4c749ab4bf0e0651bdd9.pdf
2019-05-22
113
124
10.22125/iwe.2019.88676
الگوریتم علف هرز
اعتمادپذیری
بهرهبرداری بهینه
منابع آب
رضا
زارعی
zareei_reza70@yahoo.com
1
سازههای آبی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، ایران
AUTHOR
حسام
قدوسی
ghodousi_he@yahoo.com
2
عضو هیات علمی گروه مهندسی آب دانشگاه زنجان
LEAD_AUTHOR
کاظم
شاهوردی
shahverdi2006@gmail.com
3
سازههای آبی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، ایران
AUTHOR
پورطبری، م.، ر. مکنون و ت. عبادی. 1387. تدوین سیاستهای بلندمدت بهرهبرداری از منابع آب سطحی و زیرزمینی بر اساس مدل بهرهبرداری تلفیقی. سومین کنفرانس مدیریت منابع آب، 23 الی 25 مهرماه، دانشگاه تبریز دانشکده مهندسی عمران.
1
علیمحمدی، س.، و ح. حسینزاده. 1389. بهینهسازی بهرهبرداری تلفیقی از منابع آبهای سطحی و زیرزمینی حوضه آبریز رودخانه ابهر. فصلنامه آب و فاضلاب، سال پنجم، دوره 21، شماره 3، ص 87-75.
2
قادری، ک.، س. اکبری فرد و م. علیاننژاد. 1394. بهرهبرداری بهینه از سیستم مخازن با استفاده از دو الگوریتم چرخه آب و جستجوی گرانشی(مطالعه موردی حوضه آبریز گرگانرود). نشریه شد و نیروگاه برقآبی. سال پنجم، شماره 2، ص 49-37.
3
موسوی، س. ج.، 1393. مدیریت منابع آب رویکرد سیستمی، انتشارات دانشگاه صنعتی امیرکبیر، تهران.
4
Ajibola, A. S., and A. O. Adewumi. 2017. Review of Population Based Metaheuristics in Multi-Objective Optimization Problems. International Journal of Computing, Communications & Instrumentation Engineering. 1(1): 126-128.
5
Foued, B. A., and M. Sameh. 2001. Application of Goal Programming in a Multi-Objective Reservoir Operation Model in Tunisia. Operation Research, 133(2): 352-361.
6
Labadie, J. w. 2004. Optimal Operation of Multi-Reservoir System: State of the art review. Journal of Water Resources Planning and Management, 130(2): 93-111.
7
Mehrabian, A. R., and C. Lucasc. 2007. A Novel Numerical Optimization Algorithm Inspired from Weed Colonization. Ecological Informatics, 2(1): 355–366.
8
Nageshkumur, D., D. S. V. Prasad and K. Srinivasa Raju. 2002. Optimal Reservoir Operation Using Fuzzy Approach, Fuzzy Sets and System, 105(1): 365-372.
9
Rama, D., and T. Jayabarathi. 2016. Optimal Placement and Sizing of Multiple Distributed Gnerating units in Distribution Networks by Invasive Weed Optimization Algorithm. Ain Shams Engineering Journal, 7(2): 683-694.
10
Seifbarghy, M., and M. Omidbakhsh. 2011. Solving Quadratic Assignment Problem Using Invasive Weed Optimization Algorithm. Journal of Industrial Engineering, University of Tehran, Special Issue, 5(1): 113-125.
11
Sonaliya, S., and T. M. V. Suryanarayana. 2015. Optimal Reservoir Operation Using Genetic Algorithm: A Case Study of Ukai Reservoir Project. International Journal of Innovative Research in Science Engineering and Technology. 3(6): 681-687.
12
Wurbs, R.A. 1993. Reservoir-system Simulation and Optimization Models. Journal of Water Resource Planning and Management. 119(4): 455-472.
13
Yeh, W. G. 1985. Reservoir Management and Operation Models, State of the art review. Journal of Water Resource Research. 21(12): 1797-1818.
14
Zhou, Y., Q. Luo, H. Chen, A. He and J. Wu. 2015. A Discrete Invasive Weed Optimization Algorithm for Solving Traveling Salesman Problem. Journal of Neurocomputing. 151(1): 1227-1236.
15
ORIGINAL_ARTICLE
بررسی خشکسالی درنیمه جنوبی استان گلستان با استفاده از روش تجزیه به عاملها و GIS
بیتردید شناخت و درک هرچه بیشتر پدیده خشکسالی و الگوی توزیع جغرافیایی آن منجر به مدیریت بهتر و مناسبتر تغییرات به وجود آمده و درنهایت کاهش اثرات ناشی از آن خواهد گشت. در این پژوهش بهمنظور پهنهبندی (منطقه بندی) خشکسالی نیمه جنوبی استان گلستان از شاخص خشکسالی بارش استاندارد ([1]SPI) و روش تجزیه به عاملها (PC) استفاده شده است. برای این منظور از دادههای بارندگی ماهانه 16 ایستگاه هواشناسی با پراکنش مناسب در منطقه طی یک دوره 43 ساله از سال 93-1350 استفاده شد. شاخص بارش استاندارد، برای هر یک از ایستگاههای منتخب در دو مقیاس 3 و 12 ماهه محاسبه گردید. تجزیه به عاملهای مربوط به دادههای SPI برای پهنهبندی منطقه از نظر خشکسالی با استفاده از آنالیز اجزای اصلی صورت گرفت. نتایج تجزیه به مؤلفههای اصلی این شاخص در مقیاس سهماهه و دوازدهماهه نشان داد که تعداد 6 عامل ویژه بزرگتر از یک برای مقیاس سه ماهه و 7 عامل ویژه برای مقیاس دوازده ماهه وجود دارد که بیش از و58 72 درصد از واریانس کل را در مجموع برای شاخص 3 و 12 ماهه توجیه میکند. جهت تعیین و تشخیص مناسب بودن دادهها برای تحلیل عاملی از دو روش KMO و روش کرویت-بارتلتاستفاده شد، که نتایج این آزمونها نشان داد، تحلیل عاملی برای شناسایی ساختار مدل در منطقه مورد مطالعه مناسب است. درنهایت بررسیها نشان داد پس از چرخش SPI در مقیاس سهماهه ودوازدهماهه با روش واریامکس نرمالیزه با توجه به ضرایب عاملها، استان گلستان به 6 ناحیه متمایز از نظر شاخص 3 ماهه و 7 ناحیه از نظر شاخص 12 ماهه تفکیکشده است که میتوان در اتخاذ تصمیمات مدیریتی مشترک و بهنگام از لحاظ موضوع خشکسالی و کاهش عواقب ناشی از آن با شناخت بیشتر در مورد نحوی پراکنش این پدیده در سطح استان مورداستفاده قرار گیرد.
https://www.waterjournal.ir/article_88677_b2a0b2fe38e192a495855bbbe38449a7.pdf
2019-05-22
125
142
10.22125/iwe.2019.88677
مؤلفهاصلی
خشکسالی
شاخص بارش استاندارد
ام البنی
محمدرضاپور
mohammadrezapour@uoz.ac.ir
1
گروه مندسی آب، دانشگاه زابل، زابل، ایران
LEAD_AUTHOR
میثم
امیری
meysam.amiri@uoz.ac.ir
2
پژوهشکده تالاب بینالمللی هامون، گروه پژوهشی مدیریت منابع آب
AUTHOR
محبوبه
ابراهیمی
mahboube.ebrahimi@pnu.ac.ir
3
گروه کشاورزی، دانشگاه پیام نور، تهران.
AUTHOR
امین
امینی راکان
amin.amini.rakan@gmail.com
4
مهندسی منابع آب، دانشکده آب وخاک – گروه مهندسی آب، دانشگاه زابل
AUTHOR
اسمعیلی، م.، ب. فرهادی و م. قبادی. 1392. برآورد عملکرد محصول سویا در منطقه کرمانشاه تحت سناریوهای اقلیمی با استفاده از مدل AquaCrop. اولین همایش ملی جغرافیا و پایداری محیط، 14 اسفند، دانشگاه رازی.
1
اشرف، ب.، م. موسوی بایگی، غ. م. کمالی و ک. داوری. ۱۳۹۰. پیشبینی تغییرات فصلی پارامترهای اقلیمی در 20 سال آتی با استفاده از ریزمقیاس نمایی آماری داده های مدل HADCM3 (مطالعه موردی: استان خراسان رضوی). نشریه آب و خاک (علوم و صنایع کشاورزی)، دوره ۲۵، شماره ۴، ص ۹۴۰-۹۵۲.
2
امیری، ا.، ع. بحرانی، ا. خرسند و م. حقجو. 1394. ارزیابی مدل AquaCropدر پیشبینی عملکرد دانه و بیوماس گندم، تحت تنش کمآبی. نشریه دانش آب و خاک، دوره 25، شماره 2/۴، ص 2۲۹-2۱۷.
3
حسینی، س. ط.، م. خوش روش و م. ضیاتبار احمدی. 1394. بررسی اثر تغییر اقلیم و ارزیابی تغییر تاریخ کاشت بر عملکرد سویا. نشریه پژوهش آب در کشاورزی، جلد 29، شماره 4، ص ۵۷۵-۵۵۹.
4
حقیقتی بروجنی، ب.، م. فرزان و ا.ر. صادقی. ۱۳۹۴. تأثیر آبیاری قطرهای نواری و جویچهای بر کارآیی مصرف آب سیبزمینی در شهرکرد. طرح تحقیقاتی مرکز تحقیقات کشاورزی و منابع طبیعی استان چهارمحال و بختیاری، شماره ۴-۴۲-۱۰-۹۰۱۵۰.
5
خلیلی، ن.، ک. داوری، ا. علیزاده، م. کافی و ح. انصاری. 1393. شبیهسازی عملکرد گندم دیم با استفاده از مدل گیاهی آکواکراپ، مطالعه موردی ایستگاه تحقیقات کشاورزی دیم سیساب، خراسان شمالی. نشریه آب و خاک(علوم و صنایع کشاورزی)، دوره 28، شماره ۵، ص ۹۳۹-93۰.
6
درزی نفتچالی، ع و ف. کاراندیش. 1395. مدیریت کشت برنج در استان مازندران در شرایط تغییر اقلیم. نشریه پژوهش آب در کشاورزی، جلد ۳۰، شماره 3، ص 346-333.
7
دلاور، ن.، س. اخوان و ع. ا. محنتکش. 1396. اثر تغییر اقلیم بر شاخصهای مؤثر بر رشد گندم (مطالعه موردی: استان چهارمحال و بختیاری). نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، جلد ۲۱، شماره ۲، ص 149-131.
8
دلقندی، م.، س. برومند نسب، ب. اندرزیان و ع.ر. مساح بوانی. 1395. راهکارهای سازگاری گندم با شرایط تغییر اقلیم (مطالعه موردی: شهرستان اهواز). نشریه آب و خاک، جلد 30، شماره ۱، ص ۳۱۱-۳۰۰.
9
دوستی، م.، م. حبیبنژاد روشن، ک. شاهدی و م. ح. میریعقوبزاده. ۱۳۹۲. بررسی شاخصهای اقلیمی حوضه آبخیز تمر، استان گلستان در شرایط تغییر اقلیم با کاربرد مدل LARS-WG. مجلة فیزیک زمین و فضا، دوره ۳۹، شماره ۴، ص ۱۷۷-۱۸۹.
10
روستایی، م.، ت. سهرابی، ع. ر. مساح بوانی و م. ص. احدی. 1390. بررسی عملکرد و بهرهوری آب گیاه ذرت در سطوح مختلف ریسک تحت تأثیر تغییر اقلیم در دوره 2039-2010. نشریه آب و خاک، دوره 26، شماره ۲، ص 3۷1-3۶1.
11
سعادتی، ز.، م. دلبری، م. پناهی، ا. امیری، م. ح. رحیمیان و م. قدسی. 1395. ارزیابی اثرات تغییر اقلیم بر طول دوره رشد و تبخیر – تعرق گندم با استفاده از مدل CERES-Wheat (مطالعه موردی: مشهد). نشریه دانش آب و خاک، دوره 26، شماره ۱، ص 79 -67.
12
سعیدی نیا، م.، س. برومندنسب و س.ب. اندرزیان. 1396. شبیهسازی اثر شوری آب بر عملکرد ذرت در شرا یط تغییر اقلیم در منطقه اهواز. نشریه پژوهش آب در کشاورزی، جلد 31، شماره ۱، ص 1-۱۲.
13
کوچکی، ع و م. نصیری محلاتی. 1387. تاثیر تغییر اقلیم همراه با افزیش غلظت CO2 بر عملکرد گندم در ایران و ارزیابی راهکارهای سازگاری. پژوهشهای زراعی ایران، دوره 6، شماره ۱، ص ۱۵۳-۱۳۹.
14
مجرد، ف.، ل. نادری، ب. فرهادی و م. حافظپرست. 1395. بررسی تغییرات عملکرد ذرت تحت تأثیر تغییر اقلیم در استان کرمانشاه. فصلنامه مدرس علوم انسانی (برنامه ریزی و آمایش فضا)، دوره 20، شماره 4، ص 2۵۵-2۲۷.
15
نهبندانی، ع. ر. و ا. سلطانی. 1395. شبیهسازی اثر تغییر اقلیم بر نمو، نیاز آبیاری و عملکرد سویا در گرگان. نشریه آب و خاک، دوره 30، شماره ۱، ص ۷7-۸7.
16
Fischer, G., F.N. Tupelo, H. van Velthuizen and D.A. Wiberg. 2007. Climate changeimpactson irrigation water requirements: effects of mitigation, 1990–2080.Technological Forecasting SocialChange, 74(7):1083–1107.
17
Gouache, C.H., X.L. Bris, M. Bogard, O. Deudon, C.H. Pagé and P.H. Philippe. 2012. Evaluating agronomic adaptation options to increasing heat stress under climate change during wheat grain filling in France. European Journal of Agronomy, 39: 62-70.
18
IPCC, 2007. Summary for policy makers Climate change: The physical science basis, Contribution of working group I to the forth assessment report, Cambridge University Press, 881.
19
Laux, P., G. Jackel, R.M. Tingem and H. Kunstmann. 2010. Impact of climate change on agricultural productivity under rainfed conditions in Cameroon—A method to improve attainable crop yields by planting date adaptations. agricultural and foresteteorology, 150: 1258-1271.
20
Ma, L., L.R. Ahuja, A. Islam, T.J. Trout, S.A. Saseendran and R.W. Malone. 2017. Modeling yield and biomass responses of maize cultivars to climate change under full and deficit irrigation. Agricultural Water Management, 180: 88-98.
21
Meza, FJ., D. Silva and H. Vigil. 2008. Climate change impacts on irrigated maize in Mediterranean climates: Evaluation of double cropping as an emerging adaptation alternative. Agricultural Systems, 98: 21–30.
22
Raes, D., P. Steduto, T.C. Hsiao and E. Fereres. 2009. AquaCrop-the FAO crop model to simulate yield response to water: Reference Manual Annexes.
23
Voloudakisa, D., Karamanosa, A., Economoua, G., Kalivasb, D., Vahamidisa, P., Kotoulasa, V., Kapsomenakisc, J and C. Zerefosc. 2015. Prediction of climate change impacts on cotton yields in Greece under eight climatic models using the AquaCrop crop simulation model and discriminant function analysis. Agricultural Water Management, 147: 116-128.
24
Yang, C., H. Fraga, W.V. Ieperen and J.A. Santos. 2017. Assessment of irrigated maize yield response to climate change scenarios in Portugal. Agricultural Water Management, 184: 178-190.
25
ORIGINAL_ARTICLE
شبیهسازی تأثیر تغییر اقلیم بر عملکرد محصول سیبزمینی با استفاده از مدل رشد گیاهی AquaCrop
این پژوهش با استفاده از مدل رشد گیاهی AquaCrop بهمنظور شبیهسازی عملکرد محصول سیبزمینی در سطوح آبیاری 100، ۸۰ و 65 درصد نیاز آبی گیاه تحت شرایط تغییر اقلیم در منطقه شهرکرد انجام شد. از دادههای دو سال زراعی ۱۳۹۲ و ۱۳۹۳ برای واسنجی و صحتسنجی مدل رشد گیاهی AquaCrop استفاده گردید. برای بررسی تأثیر تغییر اقلیم بر عملکرد محصول، دادههای خروجی مدل گردش عمومی HadCM3 تحت دو سناریویA2 و B1 برای دورههای 2030-2011 و 2065-2046 توسط مدل آماری LARS-WG ریزمقیاسنمایی و بهعنوان ورودیهای مدل رشد بهکار برده شد. براساس نتایج، شبیهسازی عملکرد سیبزمینی با مدل رشد گیاهی AquaCrop با دقت بالایی صورت گرفت بهطوری که متوسط اختلاف بین مقادیر مشاهداتی و شبیهسازی شده در مرحله واسنجی و صحتسنجی بهترتیب 56/0 و 68/0 تن بر هکتار بدست آمد. همچنین میانگین خطای مطلق (MAE) برای شبیهسازی دمای حداقل، دمای حداکثر، ساعات آفتابی و بارش با مدل LARS-WG بهترتیب 05/0 ، ۰3/0، 01/0 و 16/0 بدست آمد که بیانگر کارایی خوب مدل در تولید دادههای اقلیمی برای دورههای آتی میباشد. نتایج شبیهسازی نشان داد که عملکرد سیبزمینی برای دورههای 2011-2030 و 2065-2046 تحت سناریو A2 بهترتیب 8/15 و 5/24 درصد و تحت سناریو B1 بهترتیب 8/11 و 4/22 درصد نسبت به دوره پایه افزایش مییابد. همچنین برای تیمارهای I80 و I65 مقدار عملکرد در هر دو دوره آتی و هر دو سناریوی اقلیمی نسبت به دوره پایه کاهش نشان میدهد.
https://www.waterjournal.ir/article_88679_4ab55321e38234fab08ae17b556d17de.pdf
2019-05-22
143
158
10.22125/iwe.2019.88679
سناریوی اقلیمی
سیبزمینی
شهرکرد
مدل AquaCrop
مدل LARS-WG
زهره
ایزدی
z.izadi2010@gmail.com
1
گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه لرستان، خرمآباد، ایران
AUTHOR
علی حیدر
نصرالهی
nasrolahi.a@lu.ac.ir
2
گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه لرستان، خرمآباد، ایران
LEAD_AUTHOR
بیژن
حقیقتی بروجنی
bhaghighati@yahoo.com
3
بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان چهار محال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران
AUTHOR
اسمعیلی، م.، ب. فرهادی و م. قبادی. 1392. برآورد عملکرد محصول سویا در منطقه کرمانشاه تحت سناریوهای اقلیمی با استفاده از مدل AquaCrop. اولین همایش ملی جغرافیا و پایداری محیط، 14 اسفند، دانشگاه رازی.
1
اشرف، ب.، م. موسوی بایگی، غ. م. کمالی و ک. داوری. ۱۳۹۰. پیشبینی تغییرات فصلی پارامترهای اقلیمی در 20 سال آتی با استفاده از ریزمقیاس نمایی آماری داده های مدل HADCM3 (مطالعه موردی: استان خراسان رضوی). نشریه آب و خاک (علوم و صنایع کشاورزی)، دوره ۲۵، شماره ۴، ص ۹۴۰-۹۵۲.
2
امیری، ا.، ع. بحرانی، ا. خرسند و م. حقجو. 1394. ارزیابی مدل AquaCropدر پیشبینی عملکرد دانه و بیوماس گندم، تحت تنش کمآبی. نشریه دانش آب و خاک، دوره 25، شماره 2/۴، ص 2۲۹-2۱۷.
3
حسینی، س. ط.، م. خوش روش و م. ضیاتبار احمدی. 1394. بررسی اثر تغییر اقلیم و ارزیابی تغییر تاریخ کاشت بر عملکرد سویا. نشریه پژوهش آب در کشاورزی، جلد 29، شماره 4، ص ۵۷۵-۵۵۹.
4
حقیقتی بروجنی، ب.، م. فرزان و ا.ر. صادقی. ۱۳۹۴. تأثیر آبیاری قطرهای نواری و جویچهای بر کارآیی مصرف آب سیبزمینی در شهرکرد. طرح تحقیقاتی مرکز تحقیقات کشاورزی و منابع طبیعی استان چهارمحال و بختیاری، شماره ۴-۴۲-۱۰-۹۰۱۵۰.
5
خلیلی، ن.، ک. داوری، ا. علیزاده، م. کافی و ح. انصاری. 1393. شبیهسازی عملکرد گندم دیم با استفاده از مدل گیاهی آکواکراپ، مطالعه موردی ایستگاه تحقیقات کشاورزی دیم سیساب، خراسان شمالی. نشریه آب و خاک(علوم و صنایع کشاورزی)، دوره 28، شماره ۵، ص ۹۳۹-93۰.
6
درزی نفتچالی، ع و ف. کاراندیش. 1395. مدیریت کشت برنج در استان مازندران در شرایط تغییر اقلیم. نشریه پژوهش آب در کشاورزی، جلد ۳۰، شماره 3، ص 346-333.
7
دلاور، ن.، س. اخوان و ع. ا. محنتکش. 1396. اثر تغییر اقلیم بر شاخصهای مؤثر بر رشد گندم (مطالعه موردی: استان چهارمحال و بختیاری). نشریه علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، جلد ۲۱، شماره ۲، ص 149-131.
8
دلقندی، م.، س. برومند نسب، ب. اندرزیان و ع.ر. مساح بوانی. 1395. راهکارهای سازگاری گندم با شرایط تغییر اقلیم (مطالعه موردی: شهرستان اهواز). نشریه آب و خاک، جلد 30، شماره ۱، ص ۳۱۱-۳۰۰.
9
دوستی، م.، م. حبیبنژاد روشن، ک. شاهدی و م. ح. میریعقوبزاده. ۱۳۹۲. بررسی شاخصهای اقلیمی حوضه آبخیز تمر، استان گلستان در شرایط تغییر اقلیم با کاربرد مدل LARS-WG. مجلة فیزیک زمین و فضا، دوره ۳۹، شماره ۴، ص ۱۷۷-۱۸۹.
10
روستایی، م.، ت. سهرابی، ع. ر. مساح بوانی و م. ص. احدی. 1390. بررسی عملکرد و بهرهوری آب گیاه ذرت در سطوح مختلف ریسک تحت تأثیر تغییر اقلیم در دوره 2039-2010. نشریه آب و خاک، دوره 26، شماره ۲، ص 3۷1-3۶1.
11
سعادتی، ز.، م. دلبری، م. پناهی، ا. امیری، م. ح. رحیمیان و م. قدسی. 1395. ارزیابی اثرات تغییر اقلیم بر طول دوره رشد و تبخیر – تعرق گندم با استفاده از مدل CERES-Wheat (مطالعه موردی: مشهد). نشریه دانش آب و خاک، دوره 26، شماره ۱، ص 79 -67.
12
سعیدی نیا، م.، س. برومندنسب و س.ب. اندرزیان. 1396. شبیهسازی اثر شوری آب بر عملکرد ذرت در شرا یط تغییر اقلیم در منطقه اهواز. نشریه پژوهش آب در کشاورزی، جلد 31، شماره ۱، ص 1-۱۲.
13
کوچکی، ع و م. نصیری محلاتی. 1387. تاثیر تغییر اقلیم همراه با افزیش غلظت CO2 بر عملکرد گندم در ایران و ارزیابی راهکارهای سازگاری. پژوهشهای زراعی ایران، دوره 6، شماره ۱، ص ۱۵۳-۱۳۹.
14
مجرد، ف.، ل. نادری، ب. فرهادی و م. حافظپرست. 1395. بررسی تغییرات عملکرد ذرت تحت تأثیر تغییر اقلیم در استان کرمانشاه. فصلنامه مدرس علوم انسانی (برنامه ریزی و آمایش فضا)، دوره 20، شماره 4، ص 2۵۵-2۲۷.
15
نهبندانی، ع. ر. و ا. سلطانی. 1395. شبیهسازی اثر تغییر اقلیم بر نمو، نیاز آبیاری و عملکرد سویا در گرگان. نشریه آب و خاک، دوره 30، شماره ۱، ص ۷7-۸7.
16
Fischer, G., F.N. Tupelo, H. van Velthuizen and D.A. Wiberg. 2007. Climate changeimpactson irrigation water requirements: effects of mitigation, 1990–2080.Technological Forecasting SocialChange, 74(7):1083–1107.
17
Gouache, C.H., X.L. Bris, M. Bogard, O. Deudon, C.H. Pagé and P.H. Philippe. 2012. Evaluating agronomic adaptation options to increasing heat stress under climate change during wheat grain filling in France. European Journal of Agronomy, 39: 62-70.
18
IPCC, 2007. Summary for policy makers Climate change: The physical science basis, Contribution of working group I to the forth assessment report, Cambridge University Press, 881.
19
Laux, P., G. Jackel, R.M. Tingem and H. Kunstmann. 2010. Impact of climate change on agricultural productivity under rainfed conditions in Cameroon—A method to improve attainable crop yields by planting date adaptations. agricultural and foresteteorology, 150: 1258-1271.
20
Ma, L., L.R. Ahuja, A. Islam, T.J. Trout, S.A. Saseendran and R.W. Malone. 2017. Modeling yield and biomass responses of maize cultivars to climate change under full and deficit irrigation. Agricultural Water Management, 180: 88-98.
21
Meza, FJ., D. Silva and H. Vigil. 2008. Climate change impacts on irrigated maize in Mediterranean climates: Evaluation of double cropping as an emerging adaptation alternative. Agricultural Systems, 98: 21–30.
22
Raes, D., P. Steduto, T.C. Hsiao and E. Fereres. 2009. AquaCrop-the FAO crop model to simulate yield response to water: Reference Manual Annexes.
23
Voloudakisa, D., Karamanosa, A., Economoua, G., Kalivasb, D., Vahamidisa, P., Kotoulasa, V., Kapsomenakisc, J and C. Zerefosc. 2015. Prediction of climate change impacts on cotton yields in Greece under eight climatic models using the AquaCrop crop simulation model and discriminant function analysis. Agricultural Water Management, 147: 116-128.
24
Yang, C., H. Fraga, W.V. Ieperen and J.A. Santos. 2017. Assessment of irrigated maize yield response to climate change scenarios in Portugal. Agricultural Water Management, 184: 178-190.
25
ORIGINAL_ARTICLE
مقایسه نیاز آبی و ضریب گیاهی کشتهای اول و دوم برنج رقم طارم هاشمی (منطقه خزر آباد)
بیش از ۷۵ درصد اراضی زیر کشت برنج کشور در استانهای شمالی یعنی مازندران، گیلان و گلستان قرار دارند. در سالهای اخیر کشت دوم برنج توسعه یافته است بنابراین تعیین مقدار آب مورد نیاز کشت دوم برنج برای برنامهریزی منابع آب ضروری است. این پژوهش، در استان مازندران، منطقه خزرآباد شهرستان ساری، برای واریته زودرس طارم هاشمی طی دو فصل زراعی در سالهای 1395و 1396 انجام پذیرفت. در این پژوهش برای اندازهگیری دبیهای ورودی و خروجی به تیمارها از سرریز مثلثی و برای تعیین نیاز آبی مزارع از سه عدد لایسیمتر استفاده شد. نیاز آبی از تفاضل ورودی که شامل میزان آب ورودی و همچنین بارندگی و خروجی که شامل (تبخیر-تعرق، نفوذ عمقی فرونشت جانبی و آب خروجی از زهکش) میباشد، محاسبه شد. بدین ترتیب میزان کل نیاز آبی برای کشت اول (سال 1394) و کشت دوم (سالهای 1395و1396) بهترتیب، 381، 119 و 134 میلیمتر اندازهگیری شد. همچنین ضریبگیاهی سه مرحله رویشی، زایشی و رسیدن برای کشت اول سال 1394 بهترتیب 10/1، 5/1، 2/1 برآورد گردید. این ضریب برای کشت دوم سال 1395 بهترتیب 98/0، 4/1، 03/1 و ضریب گیاهی کشت دوم سال 1396 نیز بهترتیب، 95/ ، 3/1، 01/1 برآورد گردید. نتایج نشان میدهد میزان نیاز آبی در کشت دوم برای سالهای 1395و 1396 نسبت به کشت اول بهترتیب به میزان 33% و 27% کمتر است. همچنین میزان میانگین ضریب گیاهی در سه مرحله رشد در کشت دوم برای سالهای 1395 و 1396 نسبت به کشت اول بهترتیب به میزان 10% و 12% کمتر است. لذا در مناطقی که دارای میزان مناسبی از بارندگی در زمان کشت دوم باشد میتوان کشت دوم برنج را توصیه نمود
https://www.waterjournal.ir/article_88680_36cd6410b8d99bcb2312fd5697aabc46.pdf
2019-05-22
159
167
10.22125/iwe.2019.88680
سرریز
لایسیمتر
نفوذ عمقی
مریم
بابایی
maryam.babaee1371@ut.ac.ir
1
آبیاری زهکشی دانشگاه تهران-پردیس ابوریحان
AUTHOR
محمود
مشعل
mmashal@ut.ac.ir
2
مهندسی آب دانشگاه تهران پردیس ابوریحان
AUTHOR
علی
شاهنظری
aliponh@yahoo.com
3
مهندسی آب دانشگاه تهران پردیس ابوریحان
LEAD_AUTHOR
بهزاد
آزادگان
bazad@ut.ac.ir
4
مهندسی آب دانشگاه تهران پردیس ابوریحان
AUTHOR
پوریزدان خواه، ه.، رضوی پور، ت.، خالدیان، م.، و رضایی، م. 1393. تعیین ضریب گیاهی برنج، رقم های بینام و خزر با استفاده از لایسیمتر و کرتهای کنترل شده در منطقه رشت، نشریه بوم شناسی کشاورزی، جلد6، ص 249-238.
1
پیرمرادیان، ن.، ذکری، ف.، رضایی، م. و عبداللهی، و. 1392. استخراج ضرایب گیاهی سه رقم برنج بر پایه روش برآورد تبخیر- تعرق مرجع در منطقه رشت، تحقیقات غلات، سال سوم، شماره دوم، 106-95.
2
پیرمردیان، ن.، کامکار حقیقی، ع. و سپاسخواه، ع. (1381). ضریب گیاهی ونیاز آبی برنج در منطقه کوشکک استان فارس، علوم فنون کشاورزی منابع طبیعی، جلد ششم.
3
جلالی کوتنایی، ن.ف ناصری، ع. و سلحشور، ج. 1387. برآورد نیاز آبی و ضریب گیاهی برنج ( مطالعه موردی واریته طارم ) توسط لایسیمترنوع N-Typeدر شهرستان محمود آباد استان مازندران. دومین همایش ملی مدیریت شبکه های آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده مهندسی علوم آب.
4
جواهردشتی، م. و اصفهانی، م. ۱۳۸۱ . برنج دیم ( تالیف میشل ژاکو و بریژیت کورتوا). نشر علوم کشاورزی، صفحه 128.
5
زارع ابیانه، ح.، نوری، ح.، لیاقت، ع.، نوری، ح. و کریمی، و. 1390. مقایسهی روش پنمن مانتیث فائو و تشت تبخیر کلاس Aبا دادههای لایسیمتری در برآورد تبخیر و تعرّق گیاه برنج در منطقه ی آمل. پژوهش های جغرافیای طبیعی، شماره 76، ص، 83-71.
6
غلامی، م. 1381. پرورش راتون برنج به عنوان یکی از راه های موثر در امر بهرهوری اراضی ماندابی و باتلاقی برنج، انتشارات وزارت جهاد کشاورزی سازمان جهاد کشاورزی استان مازندران. ص 3.
7
محمودی، پیمان.، منصوری، قباد.، شاهوزیی، ع. و خسروی، پرویز. 1379 . خشکسالی و تأثیر آن بر کیفیت منابع آب سطحی در استان سیستان و بلوچستان، کنفرانس ملی مدیریت جامع منابع آب.
8
مدبری، ه.، میرلطیفی، م. و غلامی، م. 1391. تعیین تبخیر- تعرق و ضریب گیاهی ارقام هاشمی و خزر برنج در دشت مرداب ( گیلان). مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، سال هجدهم، شماره شصت و هفتم.
9
نداف فهمیده, س.، اللهیاری, م.، انصاری, م. و کاوسی کلاشمی، م. 1394. تحلیل آثار اقتصادی-اجتماعی پذیرش کشت دوم پس از برنج در شهرستان فومن. تحقیقات غلات، 5(2)، 121-130.
10
Burt, C. M. 2011. The irrigation sector shifts from construction to modernization: What is required for success. Proceeding of 21st International Congress on Irrigation and Drainage.
11
Bouman, B. A. and T. P. Tuong.2001. Field water management to save water and increase its productivity in irrigated lowland rice. Agricultural Water Management. 49(1): 11–30.
12
Doorenbos, J., and Pruitt, W.O. 1997. Crop Water Requirements. Food and Agriculture Organization of the United Nations, Irrigation and Drainage Paper N24 FAO56-PM Method. Memoirs of the Faculty of Engineering, Kyushu University. 67(2): 53-65.
13
Ray, D.K., Mueller, N.D., West, P.C., Foley, J.A., 2013. Yield trends are insufficient to
14
double global crop production by 2050. PLoS One 8 (e66428).
15
Shih, S.F., Rahi, G.S., and Harrison, D.S. 1982. Evapotranspiration studies on rice in relation to water efficiency. Transactions of the ASAE 25(3): 702-707
16
Tyagi, N. K., D.K. Sharma and S.K.Luthra. 2000. Determination of evapotranspiration and crop coefficients of rice and sunflower with lysimeter. Agric. Water Manage. 45(1): 41-54.
17
Yoo, S. H., J. H. Choi and M. W. Jang. 2008. Estimation of design water requirement using FAO Penman–Monteith and optimal probability distribution function in South Korea. Agric. Water Manage. 95: 845–853
18
ORIGINAL_ARTICLE
اثرات متقابل نیتروژن و آب آبیاری بر عملکرد و کارآیی مصرف آب و نیتروژن در گوجهفرنگی در استان بوشهر
نیتروژن و آبیاری از مهمترین فاکتورهای مؤثر در رشد گیاه میباشند که دارای اثرات متقابل شدیدی هستند. این پژوهش به منظور استفاده بهینه از این دو نهاده در سیستم آبیاری قطرهای نواری در زراعت گوجه فرنگی به مدت سه سال اجرا شد. آزمایش بصورت اسپلیت پلات در قالب طرح بلوکهای کامل تصادفی بود. فاکتور اصلی مقادیر آب آبیاری در سه سطح 75% ، 100% و 125% نیاز آبی و فاکتور فرعی نیتروژن در چهار سطح صفر، 75، 150 و 225 کیلوگرم در هکتار بود. نتایج نشان داد که تأثیر هرکدام از فاکتورها بر عملکرد محصول و کارآیی مصرف آب و نیتروژن تحت تأثیر دیگری بود. در شرایط آبیاری براساس 75 ، 100 و 125 درصد نیاز آبی، به ترتیب 75، 150 و 225 کیلوگرم نیتروژن در هکتار بیشترین تأثیر را بر عملکرد محصول و کارآیی مصرف آب و نیتروژن داشت. افزایش مصرف آب آبیاری در عدم مصرف یا مصرف مقادیر کم نیتروژن با کاهش و در حضور مقادیر زیاد نیتروژن با افزایش کارآیی مصرف آب همراه بود. هرچند افزایش مصرف نیتروژن با کاهش کارآیی آن همراه بود، اما افزایش مصرف آب آبیاری سبب بهبود این پاسخ گیاهی شد. میانگین وزن میوه، ویتامین ث و نیترات میوه در اثر افزایش مصرف نیتروژن و سطوح آب آبیاری افزایش یافت. همچنین کاهش مواد جامد محلول میوه در اثر افزایش سطوح آب آبیاری و افزایش آن در اثر افزایش مصرف نیتروژن مشاهده شد. در نهایت میتوان گفت که برای استفاده بهینه از آب آبیاری، مدیریت مصرف نیتروژن با توجه به رژیم آبیاری ضروری است.
https://www.waterjournal.ir/article_88682_23402def8c5ca9e7c9a438beee0a272d.pdf
2019-05-22
168
181
10.22125/iwe.2019.88682
آبیاری قطرهای
بهرهوری آب
رژیم آبیاری
عملکرد محصول
کود نیتروژن
مختار
زلفی باوریانی
mzolfi2001@yahoo.com
1
بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان بوشهر، سازمان تحقیقات، آموزش و ترویج کشاورزی، بوشهر، ایران.
AUTHOR
ناصر
رشیدی
rashidi_nasser@yahoo.com
2
پژوهشی، بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان بوشهر، سازمان تحقیقات، آموزش و ترویج کشاورزی، بوشهر،
AUTHOR
مهرداد
نوروزی
nowroozi50@yahoo.com
3
پژوهشی، بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان بوشهر، سازمان تحقیقات، آموزش و ترویج کشاورزی، بوشهر
AUTHOR
پرویز
بیات
parvizbayat@yahoo.com
4
پژوهشی، بخش تحقیقات اقتصادی، اجتماعی و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان بوشهر، سازمان تحقیقات، آموزش و ترویج کشاورزی، بوشهر، ایران
AUTHOR
امامی، ع. 1375. روشهای تجزیه گیاه. جلد اول. نشریه شماره 982. مؤسسه تحقیقات خاک و آب.
1
رامشنی، خ. 1364. مطالعات تفضیلی خاکشناسی و طبقهبندی اراضی ایستگاه تحقیقات کشاورزی برازجان (بنداروز)، استان بوشهر. مؤسسه تحقیقات خاک و آب، خاکشناسی و حاصلخیزی خاک استان بوشهر. نشریه فنی شماره 1.
2
مجد سلیمی، ک. و س. م. میرلطیفی. 1387. تأثیر آبیاری و کود نیتروژن بر عملکرد چای. مجله علوم و فنون کشاورزی و منابع طبیعی. شماره 44. صفحه 39-50.
3
نوربخش، ف. و م. کریمیان اقبال (مترجمین). 1380. حاصلخیزی خاک. انتشارات غزل. اصفهان. ایران.
4
هاشمی دزفولی، ا. 1373. مفهوم کارآیی مصرف آب. مجله پژوهش و سازندگی. شماره 25.
5
ولیزاده، م. و م. مقدم. 1375. طرحهای آزمایشی در کشاورزی. انتشارات پریور، تهران.
6
Bolton, F. E. 1980. Optimizing the use of water and nitrogen through soil and crop management. Plant Soil, 58: 231-247.
7
Doorenbos, J., and A. H. Kassam. 1986. Yield response to water. FAO, FAO Irrigation and Drainage Paper 33, Rome, Italy.
8
Doorenbos, J., and W. O. Pruitt. 1977. Guidelines for predicting crop water requirements. FAO Irrigation and Drainage Paper No. 24, Rome, Italy.
9
Doss, B. D., C. E. Evans., and W. A. Johnson. 1975. Rates of nitrogen and irrigation for tomatoes. J. Amer. Soc. Hort. Sci., 100: 435-437.
10
Erdal, I., A. Ertek, U. Senyigit, and H. I. Yilmaz. 2006. Effect of different irrigation programs and nitrogen levels on nitrogen concentration, uptake and utilization in processing tomatoes (Lycopersicum esculentum). Austr. J. of Exper. Agric., 46: 1653 – 1660.
11
Erdal, I., A. Ertek, U. Senyigit, and M. A. Coyuncu. 2007. Combined effects of irrigation and nitrogen on some quality parameters of processing tomatoes. World J. Agric. Sci., 3(1): 57-62.
12
Hanson, B. R., and D. M. May. 2004. Effect of subsurface irrigation on processing tomato yield. Water table depth, soil salinity and profitability. Agric. Water Manag., 68: 1-17.
13
Hanson, B. R., and D. M. May. 2006. Crop evapotranspiration of processing tomato in the San Joaquin Valley of California, USA. Irrig. Sci., 24: 211-221.
14
Hargreaves, G. H., and Z. A. Samani. 1985. Reference crop evapotranspiration from temperature. Applied Engrg. In Agric. 1(2): 96-99.
15
Harmanto V., M. Salokhe, M. S. Babel, and H. J. Tantau. 2005. Water requirement of drip irrigated tomatoes grown in greenhouse in tropical environment. Agric Water Manag., 71: 225-242.
16
Havlin J. L., J. D. Beaton, S. L. Tisadale, and W. L. Nelson. 2005. Soil fertility and fertilizers: An introduction to nutrient management.7th Ed. Pearson Education Inc., Upper Saddle River. USA.
17
Hebbar S. S., B. K. Ramachandrappa, H. V. Nanjappa, M. Prabhakar. 2004. Studies on NPK drip fertigation in field grown tomato (Lycopersicon esculentum Mill.). Eur J Agron, 21: 117-127.
18
Hochmuth, G. J. 1990. Nitrogen mangement in vegetable production for ground water and health production. Florida Cooperative Extension Services, Special Series Report SSVEC 940, The university of Florida, Gainesville, FL.
19
Hochmuth, G. J. 1998. Tomato production guide for Florida. Florida Cooperative Extension Services, Circular 98C, The university of Florida, Gainesville, FL.
20
Isfand, D. 1984. Corn yield variation as related to soil water fluctuation and nitrogen fertilizer. II- Soil water – nitrogen - yeild relationships. Comm. in Soil Sci. and Plant Anal., 15(10): 1163 – 1174.
21
Kuscu H., A. Turhan, N. Ozeman, P. Aydinol, and A. O. Demir. 2014. Optimizing levels of water and nitrogen applied through drip irrigation for yield, quality, and water productivity of processing tomato (Lycopersicon esculentum Mill.). Hort Environ Biotechnol. 55(2): 103-114.
22
Liang, Y., C. Peiyuan. 1996. Effects of soil water, nitrogen and phosphorus supply on root and seedling growth of weat. Acta Agronomica Sinica, 22(4): 476- 482.
23
Liu, W. T., and S. Li. 1992. The effect of solar radiation on tomato fruit development and composition. Acta. Hort. Sinica., 19: 341-346.
24
Locascio S. J., and A. G. Smajstrla. 1996. Water application scheduling by pan evaporation for drip irrigated tomatoes. J. Amer. Soc. Hort. Sci., 121: 63-68.
25
Locascio, S. J., G. A. Clark, A. A. Cziniznsky, C. D. Stanley, and O.M. Olsen. 1992. Water and nutrient requirements for drip-irrigated vegetables in humid rdgions. Florida Agriculture Experiment Station Southern Cooperative, Series Bulletin 363. The university of Florida, Gainesville, FL.
26
Mackay, A. D., and S. A. Barber. 1985. Effect of soil moisture and phosphate level on root hair growth of corn roots. Plant and Soil, 86: 321-331.
27
Manang, E. Z., A. P. Uriyo and B. R. Singh. 1982. Effect of fertilizer nitrogen and phosphorus on tomato. Beitriigezur tropischen land wirtschaft and veterinar mediz in Dares Salaam University, Morogoro, Tanzania, 20(3): 247-253.
28
Maynar, D. N., and A. V. Barker. 1979. Regulation of nitrate accumulation in vegetables. Acta Hort. 93, quality in vegetables.
29
Mitchell, J. P., C. Shennan S. R. Grattan and D. M. May 1991. Tomato fruit yields and quality under water deficit and salinity. J. Amer. Soc. Hort. Sci., 116: 215-221
30
Mukherjee A., M. Kundu, and S. Sarkar. 2010. Role of irrigation and mulch on yield, evapotranspiration rate and water use pattern of tomato (Lycopersicon esculentum L.). Agric. Water Manag., 98: 182-189.
31
Novoa, R., and R. S. Loomis. 1981. Nitrogen and plant production. Plant and Soil, 58: 177–204.
32
Pandey, R. K., J. W. Maranwille, and A. Admou. 2001. Tropical wheat response to irrigation and nitrogen in Sahelian environment. I. Grain yield, yield componenet and water use efficiency. Eur J Agron., 15: 93-105.
33
Patane, C., and S. L. Cosentino. 2010. Effects of soil water deficit on yield and quality of processing tomato under a Mediterranean climate. Agric Water Manag., 97:131-138.
34
Pier, J. W., and T. A. Doerge 1995. Nitrogen and water interactions in trickle-irrigated watermelon. Soil Sci. Soc. Amer. J., 59:145-150
35
Raun, W. R. and G. V. Johnson. 1999. Improving nitrogen use efficiency for cereal production. Agron. J., 91: 357-363.
36
Renquist, A. R., and J. B. Reid. 2001. Processing tomato fruit quality: influence of soil water deficits at flowring and repeiring. Aust. Agric. Res., 52:793-799.
37
Rubino, P. and E. Tarantino. 1988. Influence of irrigation techniques on behavior of some processing tomato cultivars. Acta. Hort., 228: 109-118.
38
Ryden J. C., and L. J. Lund. 1980. Nature and extent of directly measured denitrification losses from some irrigated vegetable crop production units. Soil Sci. Soc. Amer. J., 44: 505-511.
39
Saha, M. C., 1985. Effect of Nitrogen and phosphrus on the yield of tomato. ARC Training Report, Bangladesh.
40
Sammis, T. W. 1980. Comparison of sprinkler, trickler, subsurface and furrow irrigation methods for row crops. Agron. J., 725: 701 -704.
41
Scholberg, J., B.L. McNeal, K. J. Boote, J.W. Jones, S. J. Locascio, and J.W. Olson. 2000. Nitrogen stress effects on growth and nitrogen accumulation by field-grown tomato. Agron J., 95: 159-167.
42
Smajstrla, A. G., and S. J. Locascio. 1994. Irrigation cutback effects on drip – irrigated tomato yields. Proc. Fla. State Hor. Soc., 107: 113- 118.
43
Thompson, T. L., and T. A. Doerge. 1995. Nitrogen and water rates for subsurface trickle-irrigated collard, mustard, and spinach. Hort. Sci., 30(7): 1382-1387.
44
Thompson, T. L., and T. A. Doerge. 1996. Nitrogen and Water Interactions in Subsurface Trickle-Irrigated Leaf Lettuce: I. Plant Response. Soil Sci Soc Am J., 60:163-168.
45
Thompson, T. L., T. A. Doerge, and R. E. Godin. 2000a. Nitrogen and water interactions in subsurface drip – irrigated Cauliflower. I- Plant response. Soil Sci. Soc. Am. J., 64: 406 - 411.
46
Thompson, T. L., T. A. Doerge, and R. E. Godin. 2000b. Nitrogen and water interactions in subsurface Drip-Irrigated cauliflower. II. Agronomic, Economic and Environmental Outcomes. Soil Sci. Soc. of Am. J., 64:412-418
47
Tremblay, N., H. C. Scharpf, U. Weier, H. Laurence, and J. Owen. 2001. Nitrogen management in field vegetables. A guide to efficient fertilization. Journal of Agriculture and Agri-Food Canada.
48
Tyler K. B., and O. A. Lorenz. 1991. Fertilizer guide for California vegetable crops. Davis: Univ. of California, Dep. Of Vegetable Crops.
49
USDA-NRCS. 1987. National Engineering Handbook, Irrigation Section 15, Chapter 7. Trickle Irrigation. US Department of Agric., Natural Resource and Conservation Service, Washington, DC.
50
Wang Q, F. Li, E. Zhang, G. Li, and M. Vance. 2012. The effects of irrigation and nitrogen application rates on yield of spring wheat (longfu-920), and water use efficiency and nitrate nitrogen accumulation in soil. Austr J Crop Sci., 6:662-672.
51
Wan, S., Y. Kang, D. Wang, S. P. Liu, and L. P. Feng. 2007. Effect of drip irrigation with saline water on tomato (Lycopersicon esculentum Mill) yield and water use in semi-humid area. Agric. Water Manag., 90: 63–74.
52
Wiedenfeld, R. P. 1995. Effect of irrigation and N fertilizer application on sugarcane yield and quality. Field Crops Research, 43: 101-108.
53
Yang, S. M., S. S. Malhi, J. R. Song, Y. C. Xiong, W. Y. Yue, L. L. Lu, J. G. Wang, and T. W. Guo. 2006. Crop yield, nitrogen uptake and nitrate-nitrogen accumulation in soil as affected by 23 annual applications of fertilizer and manure in the rainfed region of Northwestern China. Nutr. Cycling Agroecosys, 76:81-94.
54
Young, T. E., J. A. Juvic, and J. K. Sullivan. 1993. Accumulation of the components of total solids in ripening fruit of tomato. J. Am. Soc. Hort. Sci., 118: 286- 292.
55
ORIGINAL_ARTICLE
بررسی تأثیر غلظت جریان ورودی به ستون بستر ثابت بر روی حذف کادمیم توسط جاذب کنوکارپوس
حضور فلزات سنگین در محیط زیست به دلیل آثار مضر آنها بر سلامت انسان، بعنوان یک مشکل تلقی میگردد. امروزه جاذب های گیاهی با عملکرد بالا برای تصفیه فاضلاب حاوی فلزات سنگین از جمله کادمیم توسعه یافته و نسبت به بقیه جاذبها ارجحیت دارند. هدف از این مطالعه بررسی تأثیر تغییر غلظت جریان ورودی به ستون بر حذف کادمیم بوسیله جاذب کنوکارپوس میباشد. کنوکارپوس از مواد زائد گیاهی باغهای شهر دهلران تهیه و ساختار ظاهری جاذب بررسی شد. در مطالعه حاضر تأثیر غلظت ورودی به ستون بر جذب کادمیم توسط جاذب کنوکارپوس بررسی و از دو مدل آدامز- بوهارت و توماس برای مدلسازی دادههای ستون جذب استفاده شد. نتایج بررسی خصوصیات ظاهری نشان داد که سطح جاذب دارای گودیهای عمیق بوده و جاذب مورد مطالعه دارای ساختاری پیچیده، درهم، ناهموار و نامنظم میباشد. نتایج بررسی منحنیهای شکست نشان داد که در غلظتهای بالاتر، شکست بستر در طی زمان کمتری اتفاق می افتد. با افزایش غلظت ورودی به ستون، منحنیهای شکست دارای شیب بیشتر شده و حجم شکست کاهش مییابد. همچنین مدل آدامز- بوهارت دارای برازش بهتری از دادههای ستون جذب میباشد.
https://www.waterjournal.ir/article_88684_6c79f3c56c95e83ebfb86716df6369b3.pdf
2019-05-22
182
194
10.22125/iwe.2019.88684
کادمیم
کنوکارپوس
ستون بستر ثابت
مدلسازی
پژمان
پورمحمدی
1
دانشگاه رازی کرمانشاه.
AUTHOR
معصومه
فراستی
farasati2760@gmail.com
2
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی کرمانشاه.
LEAD_AUTHOR
بهنام
فرهادی
farhadi2001@yahoo.com
3
AUTHOR
مقداد
پیر صاحب
mpirsaheb@yahoo.com
4
دانشگاه علوم پژشکی، دانشکده بهداشت محیط، کرمانشاه
AUTHOR
. Seiler, H.G, H. Sigel, A. Sigel. 1988. Handbook on toxicity of inorganic compounds.
1
. Park, J.D, Y. Liu, CD. Klaassen. 2001. Protective effect of metallothionein against the toxicity of cadmium and other metals. Toxicology; 163(2):93-100
2
. Bortoleto, GG, G.T. Macarovscha, S. Cadore. 2004. Determination of cadmium by flame-atomic absorption spectrometry after preconcentration on silica gel modified with cupferron. Journal of the Brazilian Chemical Society, 15(2):313-317
3
Reddy, D.H.K, S.M. Lee. 2012. Water pollution and treatment technologies. Journal of Environmental & Analytical Toxicology.
4
.Farzi, S., M. Farasati, B. Farhadi Bansouleh and M. Pirsaheb. 2018. Evaluation of batch and continuous adsorption kinetic models of cadmium from aqueous solutions using Sugarcane Straw nano-structure absorbent. Desalination and water treatment. 115 (2018) 135–144.
5
.Farasati, M. Haghighi, S. and S. Boroun. 2016. Cd removal from aqueous solution using agricultural wastes. Desalination and Water Treatment; 57(24). pp.11162-11172.
6
.Dorado A.D., X. Gamisans, C. Valderrama, M. Sole, C. Lao. 2014. Cr (III) removal from aqueous solutions: A straightforward model approaching of the adsorption in a fixed-bed column. Journal of Environmental Science and HealthPart A; 49(2):179-186.
7
Padmesh, T.V.N, K. Vijayaraghavan, G. Sekaran, M. Velan. 2005. Batch and column studies on biosorption of acid dyes on fresh water macro alga Azollafiliculoides. Journal of Hazardous Materials; 125:121-129
8
Samatya S, N. Kabay, U.Y. ksel, Mu. erref Arda, M. Yuksel. 2006. Removal of nitrate from aqueous solution by nitrate selective ion exchange resins. Reactive & Functional Polymers; 66:1206–1214.
9
Jain M, V.K. Garg and K. Kadirvelu. 2013. Cadmium (II) sorption and desorption in a fixed bed column using sunflower waste carbon calcium–alginate beads. Bioresource technology; 129. pp.242-248.
10
.Vijayaraghavan, K., J. Jegan, K. Palanivelu, M. Velan. 2004. Removal of nickel (II) ions from aqueous solution using crab shell particles in a packed bed up-flow column. Journal of hazardous materials; 113(1):223-230.
11
.Zulfadhly, Z., M.D. Mashitah, S. Bhatia. 2001. Heavy metals removal in fixed-bed column by the macro fungus Pycnoporus sanguineus. Journal of Environmental Pollution; 112(3):463-470.
12
.Thomas, H.C. 1944. Heterogeneous ion exchange in a flowing system. Journal of the American Chemical Society; 66(10):1664-1666
13
Aksu, Z., F. Gonen. 2004. Biosorption of phenol by immobilized activated sludge in a continuous packed bed: prediction of breakthrough curves. Process Biochemistry; 39:599- 613
14
.Goel, J. K. Kadirvelu, C. Rajagopal, V.K. Garg. 2005. Removal of lead (II) by adsorption using treated granular activated carbon: Batch and column studies. Journal of Hazard Mater; 125:211-220
15
.Guler, U.A., and M. Sarioglu. 2013. Single and binary biosorption of Cu (II), Ni (II) and methylene blue by raw and pretreated Spirogyra sp.: Equilibrium and kinetic modeling. Journal of Environmental Chemical Engineering; 1(3): 369-377.
16
.Mohan, S.V, S.V. Ramanaiah, B. Rajkumar and P.N. Sarma. 2007. Removal of fluoride from aqueous phase by biosorption onto algal biosorbent Spirogyra sp.-IO2: Sorption mechanism elucidation. Journal of Hazardous Materials; 141(3), 465-474.
17
.Chao, H.P., C.C. Chang and A. Nieva. 2014. Biosorption of heavy metals on Citrus maxima peel, passion fruit shell, and sugarcane bagasse in a fixed-bed column. Journal of Industrial and Engineering Chemistry; 20(5), pp.3408-3414.
18
.Shaheen, S.M, F.I. Eissa, Kh.M. Ghanem, Gamal El-Din HM and Al Anany FS. Metal Ion Removal from Wastewaters by Sorption on Activated Carbon, Cement Kiln Dust, and Sawdust. Water Environment Research; 2014,128: 514-521.
19
.Unuabonah EJ, Adebowale KO, B.J. Olu-Owolabi, L.Z. Yang and L.X. Kong. 2008. Adsorption of Pb and Cd from aqueous solutions onto sodium tetraborate-modified kaolimiteclay: Equilibrium and thermodynamic studies. Hydrometallurgy; 93: 1-9.
20
.Nguyen, T.A.H, H.H. Ngo, W.S. Guo, T.Q. Pham, F.M. Li, T.V. Nguyen, X.T. Bui. 2015. Adsorption of phosphate from aqueous solutions and sewage using zirconium loaded okara (ZLO): fixed-bed column study. Science of the Total Environment; 523:40-49.
21
.Jain M, V.K. Garg, K. Kadirvelu. 2013. Cadmium (II) sorption and desorption in a fixed bed column using sunflower waste carbon calcium–alginate beads. Bioresource technology; 129:242-248.
22
ORIGINAL_ARTICLE
مقایسه تاثیر پارامترهای هموزن و پارامترهای وزندار شده به روش تئوری آشفتگی در نتایج شاخص کیفیت آب(مطالعه موردی: دشت فسا)
یکی از روشهای تعیین کیفیت آب، استفاده از شاخص کیفیت آب است. پارامترهای بسیاری در این شاخص استفاده میشود که اهمیت هر یک از آنها در تعیین کیفیت آب یکسان نیست. بنابراین یکی از مهمترین مسائل پیش روی محققین، محاسبه میزان اهمیت هر یک از پارامترهای مورد بررسی است. هدف از این پژوهش مقایسه تاثیر پارامترهای با وزن یکسان و پارامترهای وزندار شده به روش تئوری آشفتگی در نتایج کیفیت آب دشت فسا بود. برای این منظور وزن 9 پارامتر شیمیایی 55 نمونه آب زیرزمینی، یکبار به صورت برابر و بار دیگر با وزنهای بدست آمده از روش تئوری آشفتگی (آنتروپی شانون) محاسبه شدند. سپس با استفاده از آنالیزهای آماری، وجود یا عدم وجود تفاوت معنیدار در نتایج کیفیت آب حاصل از دو گروه (وزن های یکسان و وزن های متفاوت) مورد بررسی قرار گرفت. در ادامه جهت تعیین کارایی هر یک از این دو روش، ضریب همبستگی رتبهای اسپیرمن بین رتبه کیفیت چاهها در روشهای مورد بررسی و رتبه کیفیت چاهها به روش دیاگرام شولر محاسبه شدند. در انتها نمودار خوشهبندی و پهنهبندی کیفی چاهها ترسیم گردید. نتایج نشان داد در سطح 01/0 بین نتایج شاخص کیفیت آب حاصل از وزنهای یکسان با نتایج شاخص کیفیت آب که به روش آنتروپی شانون وزندار شده بود، تفاوت معنیداری وجود داشت. همچنین مقدار همبستگی 926/0 بین رتبههای کیفیت چاهها به روش دیاگرام با رتبههای کیفیت نمونهها به روش آنتروپی شانون، کارایی بالای این روش را در محاسبه شاخص کیفیت آب تایید کرد.
https://www.waterjournal.ir/article_88686_8dc7706775553af7ebf1668ad26f8167.pdf
2019-05-22
196
211
10.22125/iwe.2019.88686
تئوری آشفتگی
آب زیرزمینی
شاخص کیفیت آب
دشت فسا
امیرحسین
پارسامهر
parsamehr@fasau.ac.ir
1
گروه مرتع و آبخیزداری، دانشکده کشاورزی ، دانشگاه فسا، فسا، ایران
AUTHOR
محمد
زارع
mzernani@yazd.ac.ir
2
گروه مدیریت مناطق بیابانی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران.
AUTHOR
زهرا
خسروی
z.khosravani@gmail.com
3
، گروه مدیریت مناطق بیابانی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران
AUTHOR
علیرضا
پورباقری
pourbagheri@fasau.ac.ir
4
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه فسا، فسا، ایران
AUTHOR
آبیزاده، ا.، 1381. نگرشی بر قنات با محوریت آموزش و احیاء فناوری بومی، فرهنگ و معماری ایرانی. دو فصلنامه معماری و شهرسازی آرمان شهر، دوره 3، شماره 5، ص22-1.
1
آخونی پورحسینی، ف.، و قربانی، م. ح.، 1395. کاربرد آنتروپی شانون در تعیین موثرترین پارامتر شیمیایی در کیفیت آب های سطحی (حوضه صوفی چای). مجله محیط زیست و مهندسی آب. دوره 2، شماره 4، ص316-304.
2
اصغری مقدم، ا.، ودیعتی، م.، 1395. رتبهبندی کیفیت آب زیرزمینی دشت سراب برای مصارف شرب با استفاده از روش آنتروپی. مجله دانش آب و خاک، شماره 3، بخش 2، ص 13-1.
3
امیری، و.، نخعی، م.، و سهرابی، ن.، 1392. ارزیابی کیفیت آب زیرزمینی بر اساس آنتروپی وزن دار شاخص کیفیت آب. مجله زمین شناسی کاربردی پیشرفته. دوره 3، شماره 7، ص 39-31.
4
بیهمتا، م. ر.، زارع چاهوکی، م. ع.، 139.، اصول آمار در علوم منابع طبیعی، چاپ سوم، انتشارات دانشگاه تهران، ص322.
5
پارسامهر، ا. ح.، ملکی نژاد، ح.، خسروانی.، ز. 1397. بررسی تئوری آنتروپی شانون در وزندار کردن شاخص کیفیت آب (مطالعه موردی: دشت میقان). پژوهش آب ایران، دوره 12، شماره 29، ص 110-101.
6
پورمقدس، ح.، 1381. بررسی کیفیت آبهای زیرزمینی منطقه لنجانات اصفهان. فصلنامه مجله دانشکده بهداشت و انستیتو تحقیقات بهداشتی، دوره 1، شماره 4، ص 40-31.
7
حمیدیان، ل.، معراجی، س. ح.، فیجانی، ا.، و بطالبلویی، ص.، 1395. ارزیابی کیفیت آب زیرزمینی استان بوشهر با استفاده از شاخص کیفی آب. هیدروژئولوژی، دوره 2، شماره 1، ص44-31.
8
روحانی، ح.، زکی، ا.، کاشانی، م.، فتح آبادی، ا.، 1394. ارزیابی پایداری تغییرات کیفیت شیمیایی آب سطحی در رودخانه گرگانرود. اکوهیدرولوژی، دوره 2، شماره 2، ص 140-129.
9
شرکت سهامی آب منطقه ای فارس، 1387. گزارش تلفیق مطالعات منابع آب حوزه آبریز رودخانه مند و حوزه های بسته هرم، کامیان و خنج (جلد سوم)، بخش 5، بیلان محدوده مطالعاتی فسا، 93 صفحه.
10
صیف، م.، مساعدی، ا.، محمدزاده، ح.، 1390. ارزیابی تاثیر خشکسالی بر افت منابع آب زیرزمینی (مطالعه موردی: آبخوان دشت فسا)، پانزدهمین همایش انجمن زمین شناسی ایران، 23 آذر 1390، دانشگاه تربیت معلم تهران.
11
Guey-Shin, S., Bai-You, C., Chi, T. C., Pei, H. Y., Tsun, K. C.,2011. Applying factor analysis combined with kriging and information entropy theory for mapping and evaluating the stability of groundwater quality variation in Taiwan. International Journal of Environmental Resources and Public Health, 8: 1084-1109.
12
Güler, C., Thyne, G. D., McCray, J. E., Turner, K. A.,2002. Evaluation of graphical and multivariate statistical methods for classification of water chemistry data. Hydrogeology journal, 10(4): 455-74.
13
Jian-Hua, W., Pei-Yue, L., Hui, Q.,2011. Groundwater Quality in Jingyuan County, in Northwest China. E-Journal of Chemistry, 8(2): 787-793.
14
Khadam, I. M., Kaluarachchi, J. J., 2000. Water quality modeling under hydrologic variability and parameter uncertainty using erosion-scaled export coefficients. Journal of Hydrology, 330(1): 354-67.
15
Krishna, G., Singh, S., Gurjar, S., NC, G.,2016. Assessment of Water Quality Index (WQI) of Groundwater in Rajkot District, Gujarat, India.journal of earth science and climate change, 7(3):123-134.
16
Lobato,T. C.,HauserDavis, R. A., Oliveir, T. F., Silveira, A. M., Silva, H. A., Tavares, M.R., 2015. Construction of a novel water quality index and quality indicator for reservoir water quality evaluation: A case study in the Amazon. Journal of Hydrology, 522(3): 674-683.
17
Machiwal, D., Jha, M. K., Mal, B. C.,2011. GIS based assessment and characterization of groundwater quality in a hard-rock hilly terrain of Western India. Environmental Monitoring and Assessment, 174(1-4): 645–663.
18
Mishra, P. C., Patel, P. K.,2001. Study of the pollution load in the drinking water of Rairangpur, a small tribal dominated town of North Orissa. Indian Journal of Environment and Ecoplanning, 5 (2): 293-298.
19
Ngoc, H. o.,2012. Total water quality index using weighting factors and standardize in to a parameter. Environment Asia. 5(2): 63-74.
20
Pei-Yue, L., Hui, Q., Jian-Hua, W.,2010. Groundwater Quality Assessment Based on Improved Water Quality Index in Pengyang County, Ningxia. Northwest China. E-Journal of Chemistry, 7(S1): 209-216.
21
Ramakrishnaiah, C. R., Sadadhiv, C., Rangnna, G.,2009. Assessment of water quality index for the groundwater in TumkurTaluk, Karnataka State. India.E-Journal of Chemistry, 6(2): 523-530.
22
Sargaonkar, A., Deshpande, V., 2003. Development of an overall index of pollution for surface water based on a general classification scheme in Indian context. Environmental monitoring and assessment, 89(1): 43-67.
23
Shannon Claude, E.,1948. A mathematical theory of communication. Bell System Technical Journal, 27: 379–423.
24
Scholler, H. L.,1964. Classification geochimique des eaux. I.A.S.H. publication. 64(4): 16-24.
25
Shyu, G. S., Cheng BY, Chiang CT, Yao PH, Chang TK. 2011.Applying Factor Analysis Combined with Kriging and Information Entropy Theory for Mapping and Evaluating the Stability of Groundwater Quality Variation in Taiwan. International Journal of Environment Research and Public Health. 8: 1084-1109.
26
ORIGINAL_ARTICLE
شبیهسازی روند کیفی کانال آبیاری نهر شعبان با استفاده از روش تحلیل پویایی سیستم
بهمنظور روندیابی کیفی رودخانهها و بررسی چگونگی تغییرات آلودگی در آنها، استفاده از مدلهای کامپیوتری ضروری میباشد. بدین منظور در این پژوهش به کمک روش تحلیل پویایی سیستم مدل کامپیوتری در محیط برنامهنویسی VENSIM بسط داده شد که بتواند روند تغییر کیفیت آب را در یک مسافت 8/468 متری از منبع تزریق ماده ردیاب شبیهسازی نماید. بهمنظور واسنجی و اعتباریابی نتایج مدل از دادههای جمعآوری شده یکی از کانالهای آبیاری درجه 3 شهرستان نهاوند (نهر شعبان) واقع در استان همدان استفاده گردید. پس از تجزیه و تحلیل آماری و محاسبه شاخصهای آماری جذر میانگین مربعات خطا (RMSE)، خطای استاندارد (SE)، میانگین خطای مطلق(MAE) و ضریب تبیین(R2) میزان برازش میان مقادیر واقعی و شبیهسازی شده محاسبه شد. در کانال آبیاری تزریق ماده کلرید سدیم با هدایت الکتریکی 746/0 میلیموس بر سانتیمتر به مدت 20 دقیقه صورت گرفت و در 3 ایستگاه با فواصل معین نمونهبرداری انجام پذیرفت. براساس نتایج بدست آمده، بهترین انطباق نتایج مدل با دادههای مشاهدهای در فاصلهی 5/16 متری از منبع تزریق و در ایستگاه اول، و کمترین انطباق در ایستگاه نمونهبرداری دوم در فاصلهی 228 متری از منبع تزریق بود. مقادیر شاخصهای آماری RMSE، SE، MAE و R2 در ایستگاه اول بهترتیب برابر با 35/0 میلیموس بر سانتیمتر ، 18/0، 13/0 میلیموس بر سانتیمتر و 90/0 و در ایستگاه دوم 47/0 میلیموس بر سانتیمتر ، 24/0، 22/0 میلیموس بر سانتیمتر و 81/0 برآورد گردید. نتایج نشان داد مدل حاضر در شبیهسازی روند کیفی آب از دقت خوبی برخوردار است.
https://www.waterjournal.ir/article_88688_a81c21b4374da0cfa86d7a2666c0a44a.pdf
2019-05-22
212
223
10.22125/iwe.2019.88688
: آلودگی
شبیهسازی
کلرید سدیم
نرمافزار VENSIM
حامد
نوذری
hanozari@yahoo.com
1
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان
LEAD_AUTHOR
سعید
آزادی
s_azadi_ir@yahoo.com
2
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
AUTHOR
ندا
مازوجی
mohandesmazoji@yahoo.com
3
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
AUTHOR
ابریشمچی، ا. 1383. مدلسازی بهرهبرداری از مخزن چند منظوره با استفاده از روش پویایی سیستم. نشریه آب و فاضلاب، جلد ۵۷، ص 58-47.
1
مفتاح هلقی، م. 1388. برآورد حداکثر بار آلودگی مجاز قابل تخلیه به گرگانرود. مجله پژوهشهای حفاظت آب و خاک، جلد 16، شماره 1، ص 35-19.
2
نوذری، ح.، م. حیدری و س. آزادی. 1392. شبیهسازی عملکرد محصولات زراعی در مدیریتهای مختلف آبیاری با روش تحلیل پویایی سیستم. نشریه پژوهش آب در کشاورزی، جلد 27، شماره 4، ص 575-565.
3
Ahmadi, M. H., R. Rajabpour, F. Raeiszadeh and S. Farzin. 2014. Investigation the effects of reservoir operation on providing different demands by System dynamics (Case study: Kowsar dam in Iran). International Journal of Scientific Research and Management, 2(14): 1807-1811.
4
Batu, V. 2005. Applied flow and solute transport modeling in aquifers, fundamental principles and analytical and numerical methods. CRC Press.
5
Forrester, J. W. 1961.Industrial dynamics, Productivity Press, Portland, OR.
6
Gomez, S. and G. j. Pelletier. 2009. A modeling framework for simulation macacu river in Rio de janiero. Civil and Environmental Engineering Dept., Tufts University, ASCE J. Irrg. Drain Eng. 126(6): 381-388.
7
Gonçalves, J. C. and M. F. Giorgetti. 2013. Mathematical model for the simulation of water quality in rivers using the VENSIM PLE® software. Journal of Urban and Environmental Engineering, 7(1): 48-63.
8
Kalburgi, P. B., R.N. Shareefa and U. B. Deshannavar. 2015. Development and evaluation of BOD–DO model for River Ghataprabha near Mudhol (India), using QUAL2K. Journal of Engineering and Manufacturing, 1: 15-25.
9
Kashefipour, S. M. and R. A. Falconer. 2002. Longitudinal dispersion coefficients in natural channels. Water Research, 36: 1596–1608.
10
Lai, Y. C., Y. T. Tu, C. P. Yang, R. Y. Surampalli and C. M. Kao. 2013. Development of a water quality modeling system for river pollution index and suspended solid loading evaluation. Journal of Hydrology, 478: 89-101.
11
Mirch, A., K. Madani, D. Watkins and S. Ahmad. 2012. Synthesis of system dynamics tools for holistic conceptualization of water resources problems. Water Resourse Management, 26: 2421-2442.
12
Mostafazadeh-fard, B., H. Mansouri, S. F. Mousavi and M. Feyzi. 2009. Effects of different levels of irrigation water salinity and leaching on yield and yield components of wheat in an arid region. Journal of Irrigation and Drainage Engineering, ASCE, 135(1): 32-38.
13
Nozari, H., S. Azadi and A. Zali. 2017. Experimental study of the temporal variation of drain water salinity at different drain depths and spacing in the presence of saline groundwater. Journal of Sustain. Water Resour. Manag. 10.1007/s40899-017-0182-8.
14
Nozari, H., M. Heydari and S. Azadi. 2014. Simulation of a right Abshar irrigation network and its cropping pattern using a system dynamics approach. Irrig. Drain. Eng. 10.1061/(ASCE)IR.1943-4774.0000777.
15
Park, E. and H. Zhan. 2001. Analytical solutions of contaminant transport from finite one, two, and three dimensional sources in a finite thickness aquifer. Journal of Contaminant Hydrology, 53(1): 41-61.
16
Sadeghi khalegh abadi, L., A. Shamsai and H. Goharnejad. 2014. An analysis of the sustainability of basin water resources using Vensim model. Journal of Civil Engineering, 19(6): 1941-1949.
17
Smedt, F., W. Brevis and P. Debels. 2005. Analytical solution for solute transport resulting from instantaneous injection in streams with transient storage. Journal of Hydrology, 315: 25–39.
18
Wei, S. H., H. Yong, J. Song, K. Abbaspour and Z. Xu. 2012. System dynamics simulation model for assessing Socio-economic impacts of different levels of environmental flow allocation in the Weihe River Basin, China. European Journal of Operational Research, 221: 248-262.
19
Zheng, L., C. Chen and F. Y. Zhangc. 2004. Development of water quality model in the Satilla River Estuary, Georgia. Journal of Ecological Modelling, 178(3): 457-482.
20