ORIGINAL_ARTICLE
بهبود عملکرد ماشینهای یادگیری در تخمین و پیشبینی ضریب آبگذری سرریز
سرریزهای کلیدپیانویی، یک نوع سازه کنترل جریان هستند که دارای ظرفیت آبگذری بیشتری نسبت به سرریزهای رایج میباشند. در پژوهش حاضر، با هدف تخمین ظرفیت آبگذری سرریز کلیدپیانویی، از مدلهای ماشین بردار پشتیبان (SV)، هیبرید ماشین بردار پشتیبان و الگوریتم خفاش (SVR-BA) و درخت M5 استفاده شده است. در مجموع 162 داده آزمایشگاهی برای 7 مدل سرریز کلیدپیانویی مختلف از نتایج یک پژوهش آزمایشگاهی استخراج شده است. با بکارگیری پارامترهای نسبت هد آبی بالادست به ارتفاع سرریز، عرض کلید ورودی، عرض کلید خروجی، ارتفاع سرریز، فاکتور شکل هندسی پشتبند و فاکتور شکل هندسی تاج به عنوان دادههای ورودی، خروجی مدل که ضریب آبگذری (Cd) میباشد تخمین زده شد. نتایج بدست آمده بر اساس معیارهای ارزیابی نشان داد که هر سه مدل هوشمند مورد استفاده، قادر به تخمین ضریب آبگذری سرریز کلیدپیانویی هستند. اما، در دوره آزمون مدل SVR-BA با مقادیر 992/0، 007/0 و 01/0 به ترتیب برای شاخصهای ارزیابی R2، MAE و RMSE از دقت بیشتری در پیشبینی ضریب آبگذری برخوردار است.
https://www.waterjournal.ir/article_114692_9b3eca7da4c7c60bb46b1ba0010131ce.pdf
2020-09-22
1
13
10.22125/iwe.2020.114692
درخت M5
سرریزکلیدپیانویی
ضریب آبگذری
ماشین بردار پشتیبان- خفاش
سعید
فرزین
saeed.farzin@semnan.ac.ir
1
گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
LEAD_AUTHOR
مهدی
ولیخان
mvalikhan@semnan.ac.ir
2
کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه سمنان.
AUTHOR
احترام، م.، کرمی. ح، موسوی. س، فرزین س و سرکمریان. س. 1396. ارزیابی عملکرد الگوریتم خفاش در بهینهسازی پارامترهای مدل غیرخطی ماسکینگام برای روندیابی سیلاب، اکوهیدرولوژی، سال چهارم، شماره 4، ص 1025 -
1
فرزین، س.، کرمی. ح، ولیخان انارکی. م و احترام. م. 1397. کاربرد الگوریتم خفاش به منظور طراحی اقتصادی کانال باز، آبیاری و زهکشی، سال 12، شماره 3، ص 635- 646.
2
Al-Shammari, E.T., K. Mohammadi, A. Keivani, A. b. Hamid, S. h. Akib, S. Shamshirband and D. Petković. 2016. Prediction of daily dewpoint temperature using a model combining the support vector machine with firefly algorithm. Journal of Irrigation and Drainage Engineering, 142(5): 04016013.
3
Vapnik, V., I. Guyon and T. Hastie. 1995. Support vector machines. Mach. Learn, 20(3): 273-297.
4
Anderson, R. M. 2011. Piano key weir head discharge relationships. MSc. Thesis, BAculty of Hydraulic Structures, Utah State University.
5
Azamathulla, H. M., A. H. Haghiabi and A. Parsaie. 2016. Prediction of side weir discharge coefficient by support vector machine technique. Water Science and Technology. Water Supply, 16(4): 1002-1016.
6
Haghiabi, A. H., A. Parsaie and S. Ememgholizadeh. 2018. Prediction of discharge coefficient of triangular labyrinth weirs using Adaptive Neuro Fuzzy Inference System. Alexandria Engineering Journal, 57(3): 1773-1782.
7
Heddam, S and O. Kisi. 2018. Modelling daily dissolved oxygen concentration using least square support vector machine, multivariate adaptive regression splines and M5 model tree. Journal of Hydrology, 559: 499-509.
8
Kabiri-Samani, A and A. Javaheri. 2012. Discharge coefficient free and submerged flow over piano key weirs. Journal of Hydraulic Research, 50(1): 114-120.
9
Kisi, O. 2015. Pan evaporation modeling using least square support vector machine, multivariate adaptive regression splines and M5 model tree. Journal of Hydrology, 528: 312-320.
10
Leite Ribeiro, M., M. Bieri, J. L. Boillat, A. J. Schleiss, G. Singhal and N. Sharma. 2012. Discharge capacity of Piano Key Weirs. Journal of Hydraulic Engineering, 138: 199-203.
11
Machiels, O., S. Erpicum, B. Dewals, P. Archambeau and M. Pirotton. 2011. Experimental observation of flow characteristics over a piano key weir. Journal of Hydraulic Research, 49(3): 359-366
12
Mansouri, I., T. Ozbakkaloglu, O. Kisi and T. Xie. 2016. Predicting behavior of FRP-confined concrete using neuro fuzzy, neural network, multivariate adaptive regression splines and M5 model tree techniques. Materials and Structures, 49: 4319–4334.
13
Mehr, A. D., V. Nourani, V. K. Khosrowshahi and M. A. Ghorbani. 2019. A hybrid support vector regression–firefly model for monthly rainfall forecasting, International Journal of Environmental Science and Technology, 16(1): 335-346.
14
Olyaie, E., M. Heydari and H. Banejad. 2018. Estimating Discharge Coefficient of PK-Weir Under Subcritical Conditions Based on High-Accuracy Machine Learning Approach.Iranian Journal of Science and Technology, Transactions of Civil Engineering, 1-13.
15
E. Olyaie., M. Heydari, H. Banejad and K. W. Chau. 2019. A laboratory investigation on the potential of computational intelligence approaches to estimate the discharge coefficient of piano key weir. Journal of Rehabilitation in Civil Engineering, 7(1): 1-20.
16
Olyaie, E., M. Heydari, H. Banejad and K. W. Chau. 2018. A laboratory investigation on the potential of computational intelligence approaches to estimate the discharge coefficient of piano key weir. Journal of Rehabilitation in Civil Engineering, 6: 1-20.
17
Parsaie, A and A. H. Haghiabi. 2017. Improving modelling of discharge coefficient of triangular labyrinth lateral weirs using SVM, GMDH and MARS techniques. Irrigation and drainage, 66(4): 636-654.
18
Parsaie, A and A. H. Haghiabi. 2017. Prediction of side weir discharge coefficient by genetic programming technique. Jordan Journal of Civil Engineering, 11(1).
19
Quinlan, J. R. 1992. Learning with continuous classes. In: Adams and Sterling (Ed.), AI 92. World Scienti, Singapore, 343-348.
20
Shamshirband, S., K. Mohammadi, C. W. Tong, M. Zamani, S. Motamedi and S. Ch. 2016. Hybrid SVM-FFA method for prediction of monthly mean global solar radiation, Theoretical and Applied Climatology, 125(1-2): 53-65.
21
Vapnik, V. N. 1995. The Nature of Statistical Learning Theory. Springer, New York.
22
Wang, G and L. Guo. 2013. A novel hybrid bat algorithm with harmony search for global numerical optimization. Journal of Applied Mathematics.
23
Yang, X. S. 2010. A new metaheuristic bat-inspired algorithm. In Nature inspired cooperative strategies for optimization (NICSO 2010) 65-74. Springer, Berlin, Heidelberg.
24
Yaseen, Z., M. Ehteram, A. Sharafati, S. Shahid, N. Al-Ansari and A. El-Shafie. 2018. The Integration of Nature-Inspired Algorithms with Least Square Support Vector Regression Models. Application to Modeling River Dissolved Oxygen Concentration. Water, 10(9): 1124.
25
Zounemat-Kermani, M and A. Mahdavi-Meymand. 2019. Hybrid meta-heuristics artificial intelligence models in simulating discharge passing the piano key weirs. Journal of Hydrology, 569. 12-21.
26
ORIGINAL_ARTICLE
شبیهسازی عددی پرش هیدرولیکی در حوضچه آرامش سدهای بلند
جریان خروجی از سدها میتواند به دلیل انرژی جنبشی زیاد باعث ایجاد خسارتهایی شود، که میتوان به شسته شدن بستر رودخانهها و آسیب رسیدن به تأسیسات و سازههای موجود در مسیر جریان اشاره نمود. حوضچههای آرامش با آرام نمودن جریان این هدف را محقق میسازند. یکی از روشهای رایج در شبیهسازی سازههای هیدرولیکی استفاده از روشهای عددی است. این روشها بیشتر مبتنی بر دینامیک سیالات محاسباتی (CFD) هستند. با توجه به توانمندیهای روشهای عددی و همچنین نرمافزارهای پیشرفته، میتوان به بررسی حالتهای پیچیده و متنوع اقدام نمود. در تحقیق حاضر، به شبیهسازی عددی پرش هیدرولیکی در حوضچه آرامش در پاییندست یک سد بلند با استفاده از سه نوع مدل آشفتگی K-ɛ استاندارد، RNG و LES پرداخته شده است. با توجه به نتایج به دست آمده، بهترین مدل آشفتگی، مدل LES جهت مدلسازی عددی جریان در حوضچه آرامش تعیین گردید. همچنین جهت بررسی تأثیر بلوکهای پای تندآب بر عملکرد حوضچه، مدلی پیشنهادی با فرض بلوکهای پای تندآب حوضچه استاندارد تیپ دو USBR درنظر گرفته شد و با مدل اولیه مقایسه گردید. نتایج تحقیق حاضر، نشاندهندهی کاهش تقریبی 40 و 5/4 درصدی سرعت به ترتیب در مقطع ورودی حوضچه و مقطع ورودی پرش هیدرولیکی روی سازه شوت میباشد که حاکی از تأثیر بهسزای شوتبلوک در بهبود عملکرد حوضچه آرامش این سد میباشد.
https://www.waterjournal.ir/article_114695_75c5963c0ca7aee4fc0fd0f58c8191c5.pdf
2020-09-22
14
37
10.22125/iwe.2020.114695
حوضچه آرامش
Flow-3D
مدلهای آشفتگی
پرش هیدرولیکی
بلوکهای پای تندآب
سدهای بلند
مهدی
mehdi
mehdisharbatdar@gmail.com
1
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
حامد
سرکرده
sarkardeh@hsu.ac.ir
3
استادیار گروه عمران دانشکده مهندسی دانشگاه حکیم سبزواری
AUTHOR
سید فرهاد
موسوی
fmousavi@semnan.ac.ir
4
استاد گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه سمنان، ایران
AUTHOR
ماروسی، م.، روشن، ر. و سرکرده، ح. 1393. تحلیل و طراحی با نرمافزار FLOW-3D، انتشارات فدک ایساتیس.
1
A. Abbaspour, Farsadizadeh, D., Dalir, A.H., Sadraddini, A., Numerical study of hydraulic jumps on corrugated beds using turbulence models. Turkish Journal of Engineering and Environmental Sciences, Vol. 33, No. 1, pp. 61-72, 2009. (In Persian).
2
A.A. El-Masry, Minimization of scour downstream heading-up structures using double line of angle baffles. In: Proc. of sixth International Water Technology Conference (IWTC), Alexandria, Egypt, 2001.
3
A.A. El-Masry, Sarhan, T.E., Minimization of scour downstream heading-up structure using a single line of angle baffles. Engineering Research Journal of Helwan University, Vol. 69, 2000.
4
A.A. Salehi Neyshabouri, Nasiri Saleh, F., Turbulence Models and Their Application in Hydraulics. Tarbiat Modares University Press, 2008. (In Persian).
5
A. Goel, Verma, D.V.S., Development of Economical Energy Dissipators for Pipe Outlets with Low Inflow Froude Numbers. Asian Institute of Technology, Thailand, 2000.
6
A. Goel, Verma, D.V.S., Improved design of energy dissipators for pipe outlets. Journal of Irrigation and Drainage Systems, Vol. 13, No. 4, pp. 313-320, 1999.
7
A. Gonzalez, Bombardelli, F., Two-phase flow theory and numerical models for hydraulic jumps including air entrainment. Proc. XXXI IAHR Congress, Seoul, Korea, 2005.
8
A.J. Peterka, Hydraulic Design of Stilling Basins and Energy Dissipators, Engineering Monograph No. 25, US Bureau of Reclamation, Denver, USA, 1958.
9
A.J. Peterka. Hydraulic Design of Stilling Basins and Energy Dissipaters, U.S. Dept. of the Interior, Bureau of Reclamation, Denver, Colorado, 1978.
10
A.M. Gharangik, Chaudhry, M.H., Numerical model of hydraulic jump. Journal of Hydraulic Engineering, Vol. 117, pp. 1195-1209, 1991.
11
D.H. Tang, Pinder, G.F., Solution of an inverse problem in groundwater flow using uncertain data. In: G.A. Keramidas, Brebbia C.A. (Eds.) Computational Methods and Experimental Measurements. Springer, Berlin, https://doi.org/10.1007/978-3-662-11353-0_5, 1982.
12
D. Long, Steffler, P., Rajaratnam, N., A numerical study of submerged hydraulic jumps. Journal of Hydraulic Research, Vol. 29, No. 3, pp. 293-308, 1991.
13
D. Long, Rajaratnam, N., Steffler, M.P., Smy, P.R., Structure of flow in hydraulic jumps, Journal of Hydraulic Research, Vol. 29, No. 2, pp. 207-218, 1991.
14
D.L. Vischer, Hager, W.H., Energy Dissipaters. Swiss Federal Institute of Technology, ETH, Zurich, Switzerland, 1995.
15
F.J. Resch, Leutheusser, H.J., Reynolds stress measurements in hydraulic jumps. Journal of Hydraulic Research, Vol. 10, No. 4, pp. 409-430, 1972.
16
F.S.F. Abdelhaleem, Effect of semi-circular baffle blocks on local scour downstream clear-overfall weirs. Ain Shams Engineering Journal, Vol. 4, No. 4, pp. 675-684, 2013.
17
G. Heidarinejad, Advanced Fluid Mechanics. Tarbiat Modares University Press, 2014. (In Persian).
18
G. Heidarinejad, an Introduction to Turbulence. Tarbiat Modares University Press, 2009. (In Persian).
19
Goel, A., Experimental study on stilling basins for square outlets. Third WSEAS International Conference on Applied and Theoretical Mechanics, Spain, December 14-16, pp. 157-162, 2007.
20
H. Chanson, Air Bubble Entrainment in Hydraulic Jumps Similitude and Scale Effects. Dept. of Civil Engineering, the University of Queensland, Brisbane, Australia, 2006.
21
H.L. Tiwari, Design of stilling basin with impact wall and end sill. International Research Journal of Recent Sciences, Vol. 2, No. 3, pp. 59-63, 2013.
22
H.L. Tiwari, Gahlot, V.K., Tiwari, S., Reduction of scour depth downstream of stilling basin. International Research Journal of Engineering Sciences, Vol. 2, No. 7, pp. 20-25, 2013.
23
H.L Tiwari, Pawar, A., Gehlot, B.K., Singh, J., Study of shape of intermediate sill on the design of stilling basin model. International Journal of Research in Engineering and Technology (IJRET), Vol. 3, No. 4, pp. 133-138, 2014.
24
H.L. Tiwari, Tiwari, S., Design of stilling basin models with intermediate sill. Journal of Science, Technology and Management, Vol. 2, No. 4, pp. 66-71, 2013.
25
H. Rahimzadeh, Maghsoodi, R., Sarkardeh, H., Tavakkol, S., Simulating flow over circular spillways by using different turbulence models. Journal of Engineering Applications of Computational Fluid Mechanics, Vol. 6, No. 1, pp. 100-109.
26
J.C.C. Amorim, Rodrigues, C.R., Marques, M.G., A numerical and experimental study of hydraulic jump stilling basin. Advances in Hydro-science and Engineering, International Conference on Hydro-science and Engineering, 2004.
27
M.A. Abdelazim, a Hybrid Approach to Improve Design of Stilling Basin. Nile Basin Capacity Building Network, 2010.
28
M.A. Sarker, Rhodes, D.G., Physical modeling and CFD applied to hydraulic jump. XXIX IAHR Congress, Tsinghua University Press, Beijing, 2002.
29
M. Bakhtiari, Kashefipor, S.M., Shafaei Bajestan, M., Experimental study of characteristics of hydraulic jump in a rectangular, divergent stilling basin. Fourth National Conference on Management of Irrigation and Drainage Networks, Shahid Chamran University, College of Water Sciences and Engineering, 2013. (In Persian).
30
M. Jadidi, Turbulence Modeling. IUT Computational Fluid Dynamics Group, 2011. (In Persian).
31
M. Jahan Miri, the Phenomenon of Turbulence in Fluids. Sarvnegar Publisher, 2010. (In Persian).
32
M. Schwalt, Hager, W.H., Die Strahlbox (The jet box). Schweizer Ingenieur und Architect, Vol. 110, No. 27-28, pp. 547-549, 1992. (In German).
33
N. Rajaratnam, Hydraulic jump on rough bed. Transaction of the Engineering Institute of Canada, 1968.
34
Q. Zhao, Misra, S., Numerical study of aturbulent hydraulic jump. Proceeding of 17th Engineering Mechanics Conference, University of Delaware, New York, 2004.
35
S.R. Sabbagh, Rostami, F., Turbulent modeling effects on finite volume solution of three-dimensional aerated hydraulic jumps using volume of fluid. 12th WSEAS International Conference on Applied Mathematics, Cairo, Egypt, 2007.
36
S.R. Sabbagh, Shamlou, H., Rostami, R., Numerical study of flow in hydraulic jump stilling basin using VOF method. Second National Conference of Dams and Hydroelectric Power Plants, Tehran, 2008.
37
V.T. Chow, Open Channel Hydraulics. McGraw-Hill, New York, 1959.
38
W. Hager, Bremen, R., Classical hydraulic jump: Sequent depths. Journal of Hydraulic Research, Vol. 27, No. 5, pp. 565-585, 1989.
39
Z. Shojaeian, Kashefipour, S.M., Numerical modeling of hydraulic jump in stilling basin of Namrood reservoir dam. Journal of Soil and Water, Vol. 23, No. 2, pp. 283-295, 2012. (In Persian).
40
ORIGINAL_ARTICLE
ارزیابی سیلخیزی بالقوه حوزه آبخیز زیارت با روش مبتنی برCN و مدل هیدرولوژیکی WetSpa
سیل از جمله بلایای طبیعی است که هر ساله خسارات مالی و جانی فراوانی را در سراسر جهان به بار میآورد. به طور کلی شاید بتوان گفت که بهترین شاخص معرف وضعیت سیلخیزی و تولید رواناب و سیل بالقوه حوزه، ضریب رواناب میباشد. بنابراین تهیه یک نقشه مناسب که بیشترین شباهت را با واقعیت داشته باشد میتواند راهگشای بسیاری از برنامهریزیهای مرتبط با کنترل سیل باشد. بدین منظور در این پژوهش نقشه ضریب رواناب بالقوه دو روش تهیه شد و مورد مقایسه قرار گرفت. روش اول روشی تجربی و مبتنی بر CN بوده که روش رایجی در بین محققان این حیطه است و روش دوم استفاده از مدل هیدرولوژیکی توزیعی مکانی WetSpa میباشد. بنابراین متوسط وزنی نقشه ضریب بالقوه سیلخیزی تهیه شده به روش SCS، 045/0 و با مدل WetSpa 714/0 برآورد گردید. در انتها متوسط ضریب بالقوه سیلخیزی روزانه با استفاده از آمار بارش و رواناب روزانه ثبت شده در طول دوره چهار ساله، مورد مقایسه قرار گرفت. با نظر به اینکه مقدار ضریب رواناب برآورد شده با آمار ثبت شده 47/0 بوده و این مقدار به نتایج مدل WetSpa نزدیکتر است بنابراین مدل WetSpa عملکرد بهتری داشته است. با این حال با توجه به اینکه هر یک از دو روش ویژگیهای منحصربفردی دارد (به طور مثال مدل WetSpa نیازمند دادهها و جزئیات بیشتر و مدل SCS نیازمند دادهها و جزئیات کمتری نسبت به مدل WetSpa است) هریک از این دو روش کاربردهای متفاوتی دارد که میتواند در شرایط خاصی مؤثر واقع شود.
https://www.waterjournal.ir/article_114859_12192456738027189e1d4cf0fa178fa7.pdf
2020-09-22
38
51
10.22125/iwe.2020.114859
ضریب رواناب بالقوه
مدل SCS
شماره منحنی
مدل بارش-رواناب
مدل توزیعی مکانی
عبدالرضا
بهره مند
abdolreza.bahremand@yahoo.com
1
دانشیار گروه علوم و مهندسی آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی گرگان
LEAD_AUTHOR
پروانه
حاتمی گل مکانی
hatamiparvane@gmail.com
2
دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
آبشناسان، ز. خداشناس، س. ر. علیزاده، ا. داوری، ک و اکبری، م. 1394. تعیین مکان مناسب جهت جمعآوری رواناب باران در یک حوضه؛ مطالعه موردی: حوزه آبخیز دو آبی کلات. مهندسی آبیاری و آب ایران. 5: 19، 108-94.
1
اعظمیراد، م. قهرمان، ب. و اسماعیلی، ک. 1397. بررسی پتانسیل سیلخیزی حوزه آبخیز کشفرود مشهد بر اساس روش SCS در محیط GIS. پژوهشنامه مدیریت حوزه آبخیز. 9: 17. 38-26.
2
بهرهمند، ع. ر. و حاتمی گلمکانی، پ. 1398. مقایسه نقشه پتانسیل سیلخیزی حوزه آبخیز زیارت گرگان، به دو روش مبتنی بر CN و روش مبتنی بر نقشه ضریب رواناب پتانسیل مدل WetSpa. گزارش طرح تحقیقاتی شماره 38-323-93، انتشارات دانشگاه علوم کشاورزی و منابع طبیعی گرگان. 45 ص.
3
بهرهمند، ع. ر. و حاتمی گلمکانی، پ. 1395. معرفی نرمافزار آموزشی محاسبه نیمرخ سطح آب در کانالهای روباز. حفاظت و بهرهبرداری از منابع طبیعی. 5 (2). 59-53.
4
بهرهمند، ع. ر. و محمودی، ع. 1391. ارزیابی توزیع مکانی توان سیلخیزی حوزه آبخیز لتیان مبتنی بر تحلیل نقشه ضریب رواناب. علوم و مهندسی آبخیزداری ایران. 6 (19). 36-29.
5
حسینزاده، م. م. ایمنی، س. 1397. برآورد ارتفاع رواناب با استفاده از روش شماره منحنی و ابزار Arc- CN Runoff در حوزه آبخیز افجه. تحلیل فضایی مخاطرات محیطی، 5 (2). 91-69.
6
دفترمطالعات پایه اداره آبحیزداری و منابع طبیعی استان گلستان، 1384. مطالعات پایه حوزه آبخیز زیارت. 223 صفحه.
7
رجبی، م. حجازی، م. ع. روستایی، ش. و عالی، ن. 1396. پهنهبندی آسیبپذیری مخاطرات طبیعی و ژئومورفولوژیکی سکونتگاههای روستایی شهرستان سقز (مطالعه موردی: سیل و زلزله). پژوهشهای ژئومورفولوژی کمی. 7 (2). 195-183.
8
سالارجزی، م. قربانی، خ. و عبدالحسینی، م. 1395. برآورد هیدروگراف رواناب در حوضه فاقد آمار بدون استفاده از دادههای پوشش خاک و کاربری اراضی. مهندسی آبیاری و آب ایران. 7: 26، 61-46.
9
صفاری، ا. قنواتی، ع. بهشتی جاوید، ا. و حسینی، ه. 1392. برآورد و پهنهبندی رواناب ناشی از بارشهای حداکثر 24 ساعته با استفاده از روش SCS-CN (حوزه سد یامچی اردبیل). جغرافیا. 11 (38). 217-201.
10
عباسی، ا. و قائمی، ه. 1392. برآورد حداکثر بارش محتمل به روش سینوپتیکی در حوزه آبخیز رودخانه کرج. جغرافیا و برنامهریزی. 17 (43). 168-145.
11
عبداللهزاده، ع. اونق، م. سعدالدین، ا. و مصطفیزاده، ر. 1395. گزارش فنی: محدودیت توسعه کاربری سکونتگاهی ناشی از سیلاب و ضریب رواناب در چارچوب آمایش سرزمین، مطالعه موردی: حوزه آبخیز زیارت گرگان. مهندسی و مدیریت آبخیز. 8 (2). 235-221.
12
علیزاده، ا. 1385. اصول هیدرولوژی کاربردی، انتشارات آستان قدس رضوی، مشهد. 942 ص.
13
کبیر. آ. 1389. کاربرد و توسعه مدل توزیعی مکانی WetSpa در شبیهسازی رواناب در حوزه آبخیز گرگانرود، استان گلستان. رساله دکتری آبخیزداری، دانشگاه آزاد علوم و تحقیقات. 220 ص.
14
لاجوردی، م. خالدی، ش. و ستاری، ش. 1392. پهنهبندی پتانسیل سیلخیزی حوزه آبخیز مردق چای (شرق آذربایجان). جغرافیا و برنامهریزی. 17 (44). 277-255.
15
مصطفیزاده، ر. میرزایی، ش. و ندیری، پ. 1396. تعیین شماره منحنی از رویدادهای بارش و رواناب و تغییرات آن با مؤلفههای بارش در یک حوضه آبخیز جنگلی. علوم آب و خاک، 21 (4)، 28-15.
16
مهدوی، م. 1388. هیدرولوژی کاربردی، جلد دوم. انتشارات دانشگاه تهران، 441 ص.
17
نوحهگر، ا. کاظمی، م. قصردشتی روشن، م. و رضایی، پ. 1393. بررسی تأثیر تغییر کاربری اراضی بر پتانسیل سیلخیزی (مطالعه موردی: حوزه آبخیز تنگ بستانک شیراز). پژوهشهای فرسایش محیطی، 2 (5). 41-28. یعقوبی، ف. بهرهمند، ع. ر. و نورا، ن. 1389. تهیه نقشه ضریب پتانسیل روانآب حوضه چهلچای با استفاده از مدل WetSpa. ششمین همایش ملی علوم و مهندسی آبخیزداری ایران، دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس. نور.
18
Browne, F. X. 1990. Storm water management, Standard Handbook of Environmental Engineering, R. A. Corbitt (ed.), McGraw-Hill, New York. 424 pp.
19
Chow, V. T. Maidment, D. R. and Mays, L.W. 1988. Applied Hydrology, McGrawHill, New York.
20
Fetter, C. W. 1980. Applied Hydrogeology, Charles E. Merrill Publishing Co, Columbus, Ohio. 488 pp.
21
Kirkby, M. J. 1978. Hill Slope Hydrology, John Wiley and Sons, Ltd. 235 P.
22
Kumar, R. Chatterjee, C. Panigrihy, N. Patwary, B. C. and Singh, R. D. 2003. Development of Regional Flood Formulae using L-moments for Gauged and Ungauged Catchments of North Brahmaputra RiverSystem. IE (I) Journal, 84 P.
23
Liu, Y. B. De Smedt, F. 2004. Flood modeling for complex terrain using GIS and remote sensed information, Water Resources Management, 19(5), 605-624.
24
Liu, Y. B. De Smedt. F. 2007. WetSpa Model Manual, Department of Hydrology and Hydrolic engineering, Vrije Universities Brussels, Belgium 135P.
25
Zeinivand, H. and De Smedt.,2009. Hydrological modeling of snow accumulation and melting on river basin scale. Water Resource Management, 23:2271-2287.
26
ORIGINAL_ARTICLE
بررسی تاثیر مشخصات هندسی صفحه شکست جت بر جریان هوا در منهول ریزشی
منهولهای ریزشی در شبکههای فاضلاب و جمعآوری روانآب سطحی واقع در منطقههای شیبدار شهری از سرعت زیاد سیال جلوگیری میکنند و موجب استهلاک انرژی میشوند. عملکرد ضعیف هیدرولیکی آنها در رژیم جریان R2 توسط صفحه شکست جت بهبود داده شده است. با این وجود هنوز لازم است مشخصات هندسی صفحه شکست جت بهطور دقیق تعیین شوند. در این تحقیق تاثیر طول، عرض، انحناء، و زاویه صفحه و همچنین نسبت پرشدگی لوله ورودی، بر کارایی هیدرولیکی منهول ریزشی بهطور آزمایشگاهی مطالعه شده است. آزمایشها با استفاده از روشهای آنالیز ابعادی و طرح فاکتوریل دو-سطحی طرح شدند و جریان هوا در منهول مورد بررسی قرار گرفت. تجزیه و تحلیل آماری نتایج نشان داد که پرشدگی لوله ورودی برابر 80%، انحناء صفحه شکست جت برابر صفر و زاویه آن با راستای قائم به میزان ˚70 موجب کاهش میانگین نیاز نسبی هوا و بهبود عملکرد هیدرولیکی منهول میشوند. همچنین نتایج گویای این بودند که طول و عرض صفحه شکست جت اثر معنیداری بر جریان هوا در این سازه نداشتند.
https://www.waterjournal.ir/article_114861_0cfb174fa1b5c353545b6028fb473fe2.pdf
2020-09-22
52
65
10.22125/iwe.2020.114861
استهلاک انرژی
جریان هوا
صفحه شکست جت
طرح آماری آزمایش ها
طرح فاکتوریل
منهول ریزشی
سید رضا
هاشمی نژاد
srhn61@gmail.com
1
بخش مهندسی هیدرولیک، دانشکده مهندسی عمران و معماری، دانشگاه ژجیانگ، هانگژو، ژجیانگ، چین، srhn61@gmail.com.
AUTHOR
محمدجواد
خانجانی
mkhanjani@uk.ac.ir
2
بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
LEAD_AUTHOR
غلامعباس
بارانی
gab@mail.uk.ac.ir
3
استاد ، بخش مهندسی عمران، دانشگاه شهید باهنر، کرمان ، ایران
AUTHOR
Camino, G. Adriana, David Z. Zhu, and Nallamuthu Rajaratnam. 2011. 'Hydraulics of Stacked Drop Manholes', Journal of Irrigation and Drainage Engineering, 137: 537–52.
1
Camino, G. Adriana, David Z. Zhu, Nallamuthu Rajaratnam, and Manas Shome. 2009. 'Use of a Stacked Drop Manhole for Energy Dissipation: a Case Study in Edmonton, Alberta', Canadian Journal of Civil Engineering, 36: 1037-50.
2
Carvalho, Rita F. 2012. 'Hydraulic Characteristics of a Drop Square Manhole with a Downstream Control Gate', Journal of Irrigation and Drainage Engineering, 138: 569–76.
3
Chanson, H. 2004. 'Hydraulics of Rectangular Dropshafts', Journal of Irrigation and Drainage Engineering, 130: 523-29.
4
Christodoulou, George C. 1991. 'Drop Manholes in Supercritical Pipelines', Journal of Irrigation and Drainage Engineering, 117: 37-47.
5
Gargano, Rudy, and Willi H. Hager. 2002. 'Supercritical Flow across Sewer Manholes', Journal of Hydraulic Engineering, 128: 1014-17.
6
Granata, F., G. de Marinis, R. Gargano, and W. H. Hager. 2011. 'Hydraulics of Cicular Drop Manholes', Journal of Irrigation and Drainage Engineering, ASCE, 137: 102-11.
7
Granata, Francesco. 2016. 'Dropshaft Cascades in Urban Drainage Systems', Water Science & Technology, 73: 2052-59.
8
Granata, Francesco, Giovanni de Marinis, and Rudy Gargano. 2014b. 'Air-water flows in circular drop manholes', Urban Water Journal, 12: 477-87.
9
Granata, Francesco, Giovanni de Marinis, and Rudy Gargano. 2014a. 'Flow-Improving Element in Circular Drop Manholes', Journal of Hydraulic Research, 52: 347-355.
10
Hager, Willi H. 2010. Wastewater Hydraulics: Theory and Practice (Springer).
11
Hawkins, D., and Leonard M. Lye. 2006. "Use of DOE methodology for Investigating Conditions that Influence the Tension in Marine Risers for FPSO Ships." In First International Structural Specialty Conference. Calgary, Alberta, Canada.
12
Islam, Mohammed F., and L.M. Lye. 2009. 'Combined Use of Dimensional Analysis and Modern Experimental Design Methodologies in Hydrodynamics Experiments', Ocean Engineering, 36: 237–47.
13
Ma, Yiyi, David Z. Zhu, Nallamuthu Rajaratnam, and Bert van Duin. 2017. 'Energy Dissipation in Circular Drop Manholes', Journal of Irrigation and Drainage Engineering, 143: 040170471-0401704710.
14
Montgomery, Douglas C. 2013. Design and Analysis of Experiments (John Wiley & Sons, Inc).
15
Myers, Raymond H., Douglas C. Montgomery, and Christine M. Anderson-Cook. 2009. Response surface methodology: process and product optimization using designed experiments (John Wiley & Sons).
16
Ryan, Thomas P. 2007. Modern Experimental Design (John Wiley & Sons).
17
Sangsefidi, Yousef, Mojtaba Mehraein, Masoud Ghodsian, and Mohammad Reza Motalebizadeh. 2017. 'Evaluation and Analysis of Flow over Arced Weirs Using Traditional and Response Surface Methodologies', Journal of Hydraulic Engineering, 143: 040170481-0401704811.
18
Szirtes, Thomas. 2006. Applied Dimensional Analysis and Modeling (Elsevier).
19
Zheng, Feidong, Yun Li, Jianjun Zhao, and Jianfeng An. 2017. 'Energy Dissipation in Circular Drop Manholes under Different Outflow Conditions', water, 9.
20
ORIGINAL_ARTICLE
بررسی عددی تاثیر طول حوضچه آرامش بر میزان استهلاک انرژی جریان (مطالعه موردی سرریز سد چایلی)
یکی از روشهای متداول برای کاهش استهلاک انرژی جنبشی جریان استفاده از حوضچه آرامش میباشد. از مهمترین پارامترهای حوضچه آرامش که تاثیر زیادی بر هزینههای ساخت آن دارد، طول حوضچه است لذا میتوان با بررسی و مطالعات دقیق سبب کاهش هزینههای ساخت در آن شد. در این پژوهش در ابتدا با استفاده از دادههای آزمایشگاهی چانسون و چاچرو، حوضچه آرامش اجرا و واسنجی گردید. سپس سرریز سد چایلی با استفاده از نرمافزار Flow-3D و بامدل آشفتگی RNG مدلسازی و پارامترهای هیدرولیکی جریان با اعمال تغییرات در طول حوضچه آرامش مورد بررسی قرارگرفته است. بررسیهای صورت گرفته نشان میدهد، افزایش و کاهش طول حوضچه آرامش و قرارگیری آبپایه انتهایی بر خصوصیات جریان و همچنین میزان اتلاف انرژی اثرهای متفاوتی دارد. از آنجایکه افزایش میزان استهلاک انرژی، مطلوب ما میباشد لذا در بین حالتهای مختلف طول حوضچه آرامش، افزایش طول حوضچه انتخاب میگردد. افزایش طول حوضچه آرامش سبب افزایش استهلاک انرژی جریان و کاهش فشار و نیروی وارد بر آبپایه انتهایی میشود. به طوری که استهلاک انرژی جریان با افزایش طول حوضچه آرامش به 90 متر و 120 متر نسبت به مدل مرجع با طول 75 متر به ترتیب 55/0 و 8/2 درصد افزایش و نیروی وارد بر دیوار قائم آبپایه انتهایی به ترتیب 63/5 و 45/3 درصد کاهش داشته است. در ادامه اثر قرارگیری بلوک مستطیلی بر نیرو و میزان استهلاک انرژی جریان ارزیابی شد. نتایج نشان داد که ایجاد بلوک مستطیلی در درون حوضچه آرامش سبب کاهش عمق ثانویه پرش و کاهش 1/7 درصدی نیرو و افزایش افت نسبی انرژی به اندازه 31/14 درصد نسبت به حوضچه مرجع در حالت صاف شده است به نحوی که استفاده از بلوکها حوضچه آرامش را نسبت به تغییرات در طول حوضچه اقتصادیتر خواهد نمود. بر این اساس، از نتایج این تحقیق و روشهای مورد استفاده در آن میتوان بعنوان ایدهای برای تعیین حوضچه آرامش بهینه استفاده نمود
https://www.waterjournal.ir/article_114954_890781d81e70d6b5dc747122b6923501.pdf
2020-09-22
66
86
10.22125/iwe.2020.114954
استهلاک انرژی
حوضچه آرامش
مدل آشفتگی RNG
نرمافزار Flow-3D
مهدی
حمیدی
hamidi@nit.ac.ir
1
دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل
LEAD_AUTHOR
فاطمه
محمدحسینی
m.mohammadhoseyni@gmail.com
2
دانشکده مهندسی عمران، دانشگاه صنعتی وشیروانی بابل
AUTHOR
خواجه گودری، م.، شفاعی بجستان، م.1396. مشخصات پرش هیدرولیکی روی بستر با المانهای شش پایه نفوذپذیر. علوم و مهندسی آبیاری، جلد40، 15-25.
1
مینایی، ع.، دانشفراز، ر.، انصاری جمالیفر. 1396. بررسی عددی استهلاک انرژی در حوضچه آرامش سریز سد قلعه چای. شانزدهمین کنفرانس هیدرولیک ایران، اردبیل، انجمن هیدرولیک ایران، دانشگاه محقق اردبیلی.
2
بیرامی، م.، ایلاقیحسینی، د.1384. کنترل پرش هیدرولیکی توسط یک یا دو آبپایه در حوضچه آرامش واگرا. 25-33.
3
بهشتی، م.، حمیدی، م.، محمدحسینی، ف. 1395. عملکرد هیدرولیکی جریان دو فازی آب و هوا بر روی تندابهای پلکانی با موانع بلوکی. نهمین کنگره ملی مهندسی عمران، دانشگاه فردوسی مشهد.
4
قاسمزاده، ف. 1392. شبیهسازی مسائل هیدرولیکی در Flow-3D.. چاپ دوم، انتشارات نوآور، تهران.
5
هوشیاریپور، ف، دهقان، م.، مهاجری، ح. 1398. بررسی تاثیر زاویه واگرایی حوضچه آرامش و موقعیت آبپایه بر خصوصیات پرش هیدرولیکی با مدلسازی عددی. نشریه مهندسی عمران امیرکبیر، دوره 51، شماره 1، صفحات 85 تا 98.
6
بهنامطلب، ا.، قدسیان، م.، زراتی، ا.، نیشابوری، ع. 1398. اصلاح هندسی حوضچه آرامش VI USBR با استفاده از مدل عددی. مجله علمی- پژوهشی هیدرولیک، دوره 13، شماره 4.
7
جعفری، 1.، احمدی، ح. 1396. مطالعه عددی تاثیر شکل و ابعاد بلوکهای حوضچه آرامش در میزان استهلاک انرژی. مجله علمی تخصصی مهندسی و مدیریت ساخت، دوره ۱، شماره 14، صفحه 1-11.
8
Ohtsu, I. and Yasuda, Y. 1991 .Transition from supercritical to subcritical flow at an abrupt drop..Journal of Hydraulic Research, Vol. 29, No.1, pp. 309-328.
9
Mossa, M., Petrillo, M. and Chanson, H. 2003 .Tail water level effects on flow conditions at an abrupt drop. Journal of Hydraulic Research, Vol. 41, No.1, pp. 39-51.
10
Chanson H and Chachru Y. 2011. Bubbly flow measurements in hydraulic jumps with small inflow Froude Numbers. International Journal of Multiphase Flow, 37(6): 555-564.
11
Abdelazim, M.A and Yasser, A.M. 2010. Effect of stilling basin shape on the hydraulic characteristics of the flow downstream radial gates. Alexandria Engineering Journal, Vol. 49, pp. 393-400.
12
Flow-3D user manual Excellence in flow modeling software. 2017. v 11, Flow Science, Inc., Santa Fe, N.M.
13
Fathi-Moghadam, M., Haghighipour, S., Lashkar-ara, b., Aghtouman, P. 2011. Reduction of stilling basin length with tall end sill. Elsevier- Journal of Hydrodynamics, 23 (4): 498-502.
14
Henderson, F.M. 1966 .Open Channel Flow. Macmillan Publishing co. Inc. New York. pp. 1-76.
15
Y. Shekari, M. Javan, A. Eghbalzadeh. 2015. Effect ofturbulence models on the submerged hydraulic jump simulation, Journal of Applied Mechanics and Technical Physics, 56(3) , 454-46.
16
H. Babaali, A. Shamsai, H. Vosoughifar. 2015. Computational Modeling of the Hydraulic Jump in the Stilling Basin with ConvergenceWalls Using CFD Codes, Arab. J. Sci. Eng., 40,381–395.
17
H. Ghoveisi, M.H. Omid, G.A. Kiker. 2016. Investigation of the effect of expansion angle on gradually expanding hydraulic jump in trapezoidal channel, Conference: 2016 American Society of Agricultural and Biological Engineers (ASABE), DOI: 10.13140/ RG.2.2.25563.98080.
18
Aleyasin, S.S., Fathi, N. and Vorobieff, P. 2015. Experimental Study of the Type VI Stilling Basin Performance. Journal of Fluids Engineering, 137(3), p. 034503.
19
Zahed, E., Farhoudi, J., and Javan, M. 2010. “Similarity of scour evolution downstream of stilling basin with an end sill”, New Aspects of Fluid Mechanics, Heat Transfer and Environment, ISBN: 978-960-474-215-8.
20
Biabani, S., Hamidi, M., & Neya, B. N. 2019. Numerical simulation of the Chute Convergence effects on Forming the Transverse Wave in Flood Evacuation Systems. Journal of Hydraulics, 14(3), 67- 84. doi: 10.30482/jhyd.2019.174636.1373
21
ORIGINAL_ARTICLE
بهبود دقت تخمین جریان ماهانه با کاهش نویز آشوبی (رودخانههای مورد مطالعه: نهندچای، اهرچای و لیقوانچای)
وجود ارتباط غیرخطی و پیچیده بین اجزای یک سیستم در فرایندهای هیدرولوژیکی و رفتار دینامیکی مابین آنها، استفاده از مدلهای هوشمند را جهت مدلسازی ضروری مینماید. معمولا در تحقیقات مختلف برای افزایش دقت نتایج مدلسازی، از مدلهای جدیدتر با قابلیت محاسباتی بیشتر استفاده میشود. علاوه بر تواناییهای محاسباتی مدلها، بکارگیری اطلاعات ورودی صحیح به آنها نیز دارای اهمیت است و لازمه رسیدن به دقت مناسب در انواع روشهای مدلسازی است. با توجه به اینکه خطا در دادههای هیدرولوژیکی معمولا وجود دارد، هدف از این تحقیق بررسی تاثیر حذف خطاهای ممکن در سیستمهای هیدرولوژیکی در میزان افزایش دقت مدلها است. در این تحقیق مقادیر جریان ماهانه حوضههای شاخص استان آذربایجانشرقی (رودخانههای نهند چای، لیقوانچای و اهرچای) در دو حالت با خطا و بدون خطا مورد بررسی قرار گرفته و سپس برای هر دو حالت، فرایند پیشبینی با مدل شبکههای عصبی مصنوعی مطالعه شده است. برای جداسازی خطای دادههای ورودی از نظریه آشوب استفاده شده است. بر اساس معیار ارزیابی نش-ساتکلیف، دقت نتایج مدلسازی جریان ماهانه رودخانههای نهند چای، لیقوانچای و اهرچای برای دادههای بدون نویز نسبت به دادههای خام، بترتیب به میزان (2/43، 9/27 و 9/5) افزایش یافته و مقدار خطا، بر اساس معیار مجذور میانگین مربعات خطا به مقدار (2/65، 5/63 و 7/2) کاهش داشته است.
https://www.waterjournal.ir/article_114955_087792a36bdd83d1bbbee3d3bbb9176b.pdf
2020-09-22
89
103
10.22125/iwe.2020.114955
پیشبینی رواناب
نظریه آشوب
شبکههای عصبی مصنوعی
کاهش خطا
لیلا
ملکانی
lmalekani@tabrizu.ac.ir
1
گروه عمران، دانشکده فنی و مهندسی مرند، دانشگاه تبریز، مرند، ایران
AUTHOR
بوستانی, م، فرزین س، موسوی س ف، کرمی حجت. (1398). تأثیر نویززدایی سری زمانی بر تحلیل آن با استفاده از نظریۀ نظم در بینظمی (مطالعۀ موردی: رودخانۀ زایندهرود)', اکوهیدرولوژی، 6(1): 15-27
1
پرتویان ا، نورانی و، اعلمی م ت. (1397). بهبود عملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش-رواناب با استفاده از روش حذف-تزریق نوفه. فصلنامه علمی-پژوهشی مهندسی منابع آب, 11(36): 81-94.
2
دهقانی ن، وفاخواه م، بهرهمند ع. (1395). مدلسازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان. پژوهشنامه مدیریت حوزه آبخیز. ۷ (۱۳): ۱۳۷-۱۲۸
3
دوایی مرکزی ا ح، نظرآهاری م. 1394. کاربرد تبدیل فوریه گسسته در زمان در شناسایی سیگنالهای صوتی کشتیها با استفاده از روشهای کاهش بُعد و یادگیری تودهای. مهندسی مکانیک مدرس. 15(۸) :۷۵-۸۴
4
رضایی ح، جباری قرهباغ، ث. (1396). تأثیر کاهش نویز در تحلیل آشوبی جریان رودخانه نازلوچای. دانش آب و خاک، 27 (3): 239-250
5
علیزاده، امین (1394)، اصول هیدرولوژی کاربردی، چاپ چهل، مشهد، انتشارات آستان قدس رضوی.
6
Alami, M.T., Ghorbani, M.A. and Malekani, L., 2013. Chaotic Analysis and Prediction of River Flows. Journal of Hydraulic Structures, 1(1), pp.54-64.
7
Chandwani, V., Vyas, S.K., Agrawal, V. and Sharma, G. 2015. Soft computing approach for rainfall-runoff modelling: A review. Aquatic Procedia, 4, pp.1054-1061.
8
Elshorbagy A. Simonovicb S. P. and Panu U. S. 2002. Noise reduction in chaotic hydrologic time series: facts and doubts. Journal of Hydrology. V.256: 147-165.
9
Elshorbagy A. Simonovicb S. P. and Panu U. S. 2002a. Estimation of missing streamflow data using principles of chaos theory. Journal of Hydrology. 255:123–133.
10
Ghorbani, M.A., Khatibi, R., Mehr, A.D. and Asadi, H. 2018. Chaos-based multigene genetic programming: A new hybrid strategy for river flow forecasting. Journal of hydrology, 562: 455-467.
11
Grassberger, P., Hegger, R., Kantz, H., Schaffrath, C. and Schreiber, T. 1993. On noise reduction methods for chaotic data. Chaos: An Interdisciplinary Journal of Nonlinear Science, 3(2), pp.127-141.
12
James E. J. Gopakumar R. 2002. Flood forcasting of Achencoil river basin using Artificial Neural Network. fifth International conference of Hydroinformation. 1245-1251.
13
Kalteh A. M. 2008. Rainfall-runoff modelling using artificial neural networks (ANNs): modelling and understanding. Caspian Journal of Environmental Sciences. 6(1): 53-58.
14
Karunasingha, D.S.K. and Liong, S.Y. 2018. Enhancement of chaotic hydrological time series prediction with real-time noise reduction using Extended Kalman Filter. Journal of hydrology, 565, pp.737-746.
15
Kennel M. Brown R and Abarbanel HDI. 1992. Determining Embedding Dimension for Phase-Space Reconstruction Using a Geometrical Construction. Physical Review A. 45(6): 3403–3411.
16
Kisi, O., Shiri, J. and Tombul, M. 2013. Modeling rainfall-runoff process using soft computing techniques. Computers & Geosciences, 51, pp.108-117.
17
Kocak K. Saylan L. and Sen O. 2000. Nonlinear Time Series Prediction of O3 Concentration in Istanbul. Atmosphere Environment. 34: 1267-1271.
18
Machado, F., Mine, M., Kaviski, E. and Fill, H. 2011. Monthly rainfall–runoff modelling using artificial neural networks. Hydrological Sciences Journal–Journal des Sciences Hydrologiques, 56(3), pp.349-361.
19
Porporato A and Ridolfi L, 1997. Nonlinear analysis of river flow time sequences. Water Resources Research 33(6): 1353-1367.
20
Schreiber, T., Kantz. H. 1998. Nonlinear projective filtering II: Application to real time series”, arXiv:chao-dyn/9805025v1.
21
Schreiber T and Grassberger P, 1991. A simple noise reduction method for real data Physics Letters A 160: 411-418.
22
Sivakumar, B., Phoon, K.-K., Liong, S. Y. and Liaw, C. Y. 1999. A systematic approach to noise reduction in chaotic hydrological time series”, Journal of Hydrology 219:103–135.
23
Sivakumar, B. and Jayawardena, A.W. 2002. An investigation of the presence of low-dimensional chaotic behavior in the sediment transport phenomenon. Journal of Hydrology Science 47(3):405–416.
24
Solaimani, K. 2009. Rainfall-runoff Prediction Based on Artificial Neural Network (A Case Study: Jarahi Watershed). American-Eurasian J. Agric. & Environ. Sci., 5 (6): 856-865.
25
Urbanowicz, K. and Kantz, H. 2007. Improvement of speech recognition by nonlinear noise reduction. Chaos: An Interdisciplinary Journal of Nonlinear Science, 17(2), p.023121.
26
ORIGINAL_ARTICLE
پهنهبندی خطر زمینلغزش با استفاده از GIS و مدل آماری دو متغیره ارزش اطلاعات و تراکم سطح در حوضه آبخیز گلورد نکا، مازندران
زمینلغزش یکی از مخاطرات طبیعی است که هر ساله باعث خسارت جانی و مالی فراوانی در سراسر جهان میشود. یکی از راهکارهای مهم برای کاهش خسارت ناشی از وقوع زمینلغزشها، تشخیص مناطق مستعد زمینلغزش و پهنهبندی خطر آن از طریق تهیه نقشههای پهنهبندی خطر زمینلغزش است. در این مطالعه کارایی دو مدل ارزش اطلاعات و تراکم سطح جهت پهنهبندی خطر زمینلغزش درحوضه آبخیز گلورد نکا مورد ارزیابی قرار گرفته است. به این منظور ابتدا نقشه پراکنش زمینلغزشهای موجود در حوضه تهیه گردید. سپس 9 عامل مؤثر در وقوع زمینلغزش شناسایی و نقشههای مربوطه تهیه و طبقهبندی شده است. در مرحله بعد طبقات هرکدام از این لایهها، با استفاده از مدلهای تراکم سطح و ارزش اطلاعات وزندهی شده، و سپس با تلفیق این لایهها در نرم افزار Arc GIS ، نقشههای خطر زمینلغزش تهیه شده است. نتایج نشان داد که پارامترهای شیب، جهت شیب، وجود گسل، کاربری از نوع کشاورزی و لیتولوژی از مهمترین عوامل تأثیرگذار در وقوع زمینلغزش در منطقه مورد مطالعه میباشند. به منظور مقایسه روشها نسبت به یکدیگر و ارزیابی کارایی آنها، شاخصهای مجموع کیفیت (Qs) و دقت (P) مورد بررسی قرار گرفتند. مقدار بالاتر این شاخصها برای مدل ارزش اطلاعات کارایی بیشتر آن را نسبت به مدل تراکم سطح جهت پهنهبندی زمینلغزش نشان میدهد.
https://www.waterjournal.ir/article_114956_8533d959be83f1ca2f39a73bb095815e.pdf
2020-09-22
102
117
10.22125/iwe.2020.114956
پهنهبندی خطر
روش ارزش اطلاعات
روش تراکم سطح
زمینلغزش
مازندران
نکا
GIS
سیده نجمه
عقیلی
saghili303@yahoo.com
1
گروه زمینشناسی دانشکده علوم، دانشگاه فردوسی مشهد، ایران
AUTHOR
غلامرضا
لشکری پور
lashkaripour@um.ac.ir
2
گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
LEAD_AUTHOR
ناصر
حافظیمقدس
nhafezi@um.ac.ir
3
گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد
AUTHOR
رسایی، آ.، خسروی، خ.ب.، حبیبنژاد روشن، م.، حیدری، ا.، مشایخان، آ. ۱۳۹۴. پهنهبندی خطر زمینلغزش با مدل رگرسیون چندمتغیره در محیط GIS (مطالعه موردی: حوزه آق مشهد، استان مازندران). پژوهشنامه مدریت حوزه آبخیز، سال ششم، شماره۱۲، ص 215-205.
1
شفقتی، م.، مصلحتجو، ع. 1391. ارزیابی و پهنهبندی خطر زمینلغزش با روش انبالاگان در محیط Arc GIS مطالعه موردی: حوضه آبخیز چاکرود گیلان. فصلنامه جغرافیایی سرزمین، سال نهم، شماره 35، ص 104-95.
2
کامرانزاد، ف.، محصل افشار، ع.، مجرب، م.، معماریان، ح. 1394. پهنهبندی خطر زمینلغزش در استان تهران با استفاده از روشهای داده محور و تحلیل سلسله مراتبی. علوم زمین، سال بیست و پنجم، شماره 97، ص 114-101.
3
Alexakis, D.D., Agapiou, A., Tzouvaras, M., Themistocleous, K., Neocleous, K., Michaelides, S., Hadjimitsis, D.G., 2013. Integrated Use of GIS and Remote Sensing for Monitoring Landslides in Transportation Pavements. The Case Study of Pathos area in Cyprus. Nat. Hazards 72 (1), 119–141.
4
Caccavale, M,. Matano ,F., Sacchi ,M., 2017 . An integrated approach to earthquake-induced landslide hazard zoning based on probabilistic seismic scenario for Phlegrean Islands (Ischia, Procida and Vivara), Italy. Geomorphology, 295, 259-235.
5
Chen, X.L., Liu, C.G., Yu, L., Lin, C.X. 2014. Critical Acceleration As A Criterion in Seismic Landslide Susceptibility Assessment. Geomorphology, 217: 15–22.
6
Farzin, S., Karami, H., Doostmohammadi, M., Ghanbari, A., Zamiri, E. 2017. The performance of Artificial Neural Network in prediction and analysis of hydrological processes (Case study: Water shortage in Nazloo-chai watershed, West Azerbaijan province). Ecohydrology, 4: 631-644. [Persian].
7
Gee, M.D. 1992. Classification of Landslides Hazard Zonation Methods and a Test of Predictive Capability, Bell, Davi, H(Ed), Proceedings 6th International Symposium on Landslide, 56-48.
8
Girma, F., Raghuvanshi, T.K., Ayenew, T., Hailemariam, T. 2015. Landslide Hazard Zonation in Ada Berga District, Central Ethiopia – a GIS Based Statistical Approach. J. Geomatics 90: 25– 38 (i).
9
Guzzetti, F., Cardinali,M., Relchenbach, P., Carrara, A. 2000. Comparing Landslide Map: A Case Study in The Upper Tiber River Basin, Central Italy. Environmental Management, 25: PP. 247-263.
10
Hong, H., Pourghasemi, H.R., Pourtaghi, Z.S. 2016. Landslide Susceptibility Assessment in Lianhua County (China): A Comparison Between a Random Forest Data Mining Technique and Bivariate and Multivariate Statistical Models. Geomorphology, 259 (2016) 105–118.
11
Jaafari, A., Najafi, A., Pourghasemi, HR., Rezaeian, J., Sattarian, A. 2014. GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. Int J Environ Sci Technol, 11: 909-926.
12
Jade, S., Sarkar, S. 1993. Statistical Models For Slope Instability Classifications Engineering. Geology, 36: PP. 91-98.
13
Kumar, K., Sati, D., Goyal, N., Mathur, S. 2005. Landslide hazard potential analysis using GIS, patalganga Valley, Garhwal, Wesrern Himalayan region of India. European Journal of Scientific Research, 45(3): 346-366.
14
Lee, S., Kyungduck, M. 2001. Statistical Analysis of Landslide Susceptibility at Yonging, Korea. Enviromented Geology, 40: 1095–1113.
15
Mohammadi Torkashvand, A., Irani, A., Sorur, J. 2014. The preparation of landslide map by Landslide Numerical Risk Factor (LNRF) model and Geographic Information System (GIS). The Egyptian Journal of Remote Sensing and Space Sciences, 17: 159–170.
16
Pareta, K., Kumar, J., Pareta, U. 2012- Landslide Hazard Zonation using Quantitative Methods in GIS. International Journal of Geospatial Engineering and Technology, Vol. 1, No. 1, pp. 1-9.
17
Peng, L., Niu, R., Huang, B., Wu, X., Zhao, Y., Ye, R. 2014. Landslide Susceptibility Mapping Based on Rough Set Theory and Support Vector Machines: a Case of The Three Gorges Area, China. Geomorphology, 204, 287–301.
18
Pourghasemi, H.R., Kerle, N. 2016. Random Forest-Evidential Belief Function Based Landslide Susceptibility Assessment in Western Mazandaran Province, Iran. Environ. Earth Sci, 75, 185.
19
Sarkar, S., Kanungo, D.P., Patra, A.K., Kumar, P. 2008. GIS based spatial data analysis for landslide susceptibility mapping. Journal of Mountain Science, 1.52-62.
20
Yin, K.J., Yan, T.Z. 1988. Statistical prediction model for slope instability of metamorphosed rocks, Proceedings 5th International Symposium on Landslides, Lausanne, Switserland. 2, 1269-1272.
21
Youssef, A.M., Pradhan, B., Pourghasemi, H.R., Abdullahi, A. 2015c. Landslide susceptibility assessment at Wadi Jawrah Basin, Jizan region, Saudi Arabia Using Two Bivariate Models in GIS. Geosci. J, 19 (3), 449–469.
22
Yu, X., Wang, Y., Niu, R. Hu, Y. 2016. A Combination of Geographically Weighted Regression, Particle Swarm Optimization and Support Vector Machine for Landslide Susceptibility Mapping: A Case Study at Wanzhou in the Three Gorges Area, China. Int J Environ Res Public Health, 13 (5), doi: 10.3390/ijerph13050487.
23
ORIGINAL_ARTICLE
حفاظت اکوسیستم رودخانه قرهسو بر اساس تنظیم رژیم جریان زیستمحیطی با کاربرد روشهای هیدرولوژیکی
با توجه به زوال روز افزون حیات زیستی سیستمهای رودخانهای در نتیجه دخالتهای انسانی، خشکسالی و تغییر اقلیم، به رسمیت شناختن جریان زیستمحیطی بهمنظور حفظ سلامت آن در مطالعات برنامهریزی توسعه منابع آب، کاملاً ضروری میباشد. هدف اصلی در این پژوهش، پیادهسازی و ارزیابی روشهای تنانت، منحنی تداوم جریان، کمبود جریان اکولوژیکی، جریان پایه آبزیان، انتقال منحنی تداوم جریان و مدل ذخیره رومیزی جهت برآورد جریان زیستمحیطی رودخانه قرهسو در ماههای مختلف سال در محدوده مطالعاتی ایستگاه هیدرومتری سیاهآب تا محل ورود به خلیج گرگان برای حفاظت و بازگردانی رودخانه مزبور میباشد. در مطالعه حاضر با مقایسه نتایج حاصل از مقادیر پیشنهادی رژیم جریان زیستمحیطی رودخانه قرهسو مشخص شد که روش تنانت، دبی 57/0 مترمکعب بر ثانیه را برای فروردین تا شهریور ماه و 19/0 مترمکعب بر ثانیه را برای مهر تا اسفند ماه، روش منحنی تداوم جریان در شرایط نسبتاً مناسب (Q90) و مناسب (Q75) به ترتیب 17/0 و 393/0 مترمکعب بر ثانیه، روش جریان پایه آبزیان دبی 57/0 مترمکعب بر ثانیه، روش انتقال منحنی تداوم جریان در شرایط نسبتاً تغییر یافته، با میانگین سالانه 94/0 مترمکعب بر ثانیه، روش کمبود جریان اکولوژیکی 88/0 مترمکعب بر ثانیه و مدل ذخیره رومیزی در کلاس B، 69/0 مترمکعب بر ثانیه را برآورد مینمایند. بر این اساس با تامین رژیم اکولوژیکی رودخانه قرهسو با استفاده از روش انتقال منحنی تداوم جریان در کلاس مدیریتی C (معادل5/48 درصد جریان طبیعی رودخانه)، میتوان شرایط مناسبی را برای حفظ سلامت اکوسیستم فراهم کرد.
https://www.waterjournal.ir/article_114957_faa0a2b61274554be425156c9f1036f0.pdf
2020-09-22
118
136
10.22125/iwe.2020.114957
انتقال منحنی تداوم جریان
جریان زیستمحیطی
رودخانه قرهسو
رژیم اکولوژیکی
متوسط جریان سالانه
محمدحسن
نادری
naderigau@gmail.com
1
مهندسی منابع آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
مهدی
ذاکری نیا
mzakerinia@gau.ac.ir
2
دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان،
LEAD_AUTHOR
میثم
سالاری جزی
meysam.salarijazi@gmail.com
3
گروه مهندسی آب دانشکده مهندسی آب و خاک دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
اسماعیلی، ک.، ز. صادقی، ع. کابلی و ح. شفائی .1397. کاربرد روشهای هیدرولوژیکی در برآورد حقابه محیط زیستی رودخانه (مطالعه موردی رودخانه گرگانرود). مجله محیط زیست طبیعی، منابع طبیعی ایران، سال هفتاد و یکم، شماره 4، ص 451-437.
1
پورصوفی، ط.، آ. قجقی و ر. پاتیمار. 1397. شناسایی و تنوع زیستی گونهای کفزیان رودخانه قرهسو- جنوبشرق دریای خزر. فصلنامه علمی پژوهشی محیط زیست جانوری، سال دهم، شماره 2، ص 290-283.
2
ختار، ب و ع. شکوهی. 1399. ارزیابی و اصلاح روش تگزاس به عنوان به روش هیدرولوژیکی برای ارائه رژیم اکولوژیکی در رودخانههای دائمی. نشریه حفاظت منابع آب و خاک، سال نهم، شماره 3، ص 46-31.
3
زرعکانی، م.، ع. شکوهی، و و. پیسینگ. 1396. معرفی رژیم جامع اکولوژیکی در شرایط کمبود داده برای تعیین حقآبه زیستمحیطی رودخانهها. مجله تحقیقات منابع آب ایران، سال سیزدهم، شماره 2، ص 153-140.
4
فتاحپور، ف.، ک. ابراهیمی و س. بیات .1397. تعیین دبی زیستمحیطی بومی سفیدرود. مجله اکوهیدرولوژی، سال پنجم، شماره 3، ص 762-753.
5
کاظمی، آ و ب. قرمزچشمه. 1395. بررسی روشهای مختلف استخراج جریان پایه از شاخص منحنی تداوم جریان (مطالعه موردی: ناحیه خزری). مجله پژوهشهای حفاظت آب و خاک، سال بیست و سوم، شماره 2، ص 146-131.
6
کریمی، س.، م. سالاریجزی و خ. قربانی. 1396. برآورد جریان زیستمحیطی رودخانه با استفاده از روشهای هیدرولوژیکی تنانت، تسمن، انتقال منحنی تداوم جریان و مدل ذخیره رومیزی. مجله اکوهیدرولوژی، سال چهارم، شماره 1، ص 189-177.
7
کیوانی، ی.، م. نصری، ک. عباسی و ا. عبدلی. 1395. اطلس ماهیان آبهای داخلی ایران. سازمان حفاظت محیط زیست، 216ص.
8
مدرسی، ف.، ش. عراقینژاد، ک. ابراهیمی و م. خلقی. 1389. بررسی منطقهای پدیده تغییر اقلیم با استفاده از آزمونهای آماری، مطالعه موردی: حوضه آبریز گرگانرود-قرهسو. نشریه آب و خاک، جلد بیست و چهارم، شماره 3، ص 489-476.
9
نادری، م.ح.، م. ذاکرینیا و م. سالاریجزی. 1397. بهکارگیری مدل PHABSIM در تبیین رژیم اکولوژیکی رودخانه بهمنظور برآورد جریان زیستمحیطی و مقایسه با روشهای هیدرولوژیکی (مطالعة موردی: رودخانة قرهسو). اکوهیدرولوژی، سال پنجم، شماره 3، ص 955-941.
10
نادری، م.ح.، م. ذاکرینیا و م. سالاریجزی. 1398. بررسی تأثیر شاخصهای اکوهیدرولیکی در تحلیل رژیم جریان زیستمحیطی و شبیهسازی مطلوبیت زیستگاه با کاربرد مدل River2D با تکیه بر باززندهسازی اکولوژیکی رودخانة زرینگل. اکوهیدرولوژی، سال ششم، شماره 1، ص 222-205.
11
نادری، م.ح.، م. پورغلام آمیجی، خ. احمدآلی، ز. امیری، آ. قجقی، و ل. قربانیمینائی. 1399. تعیین و طراحی محدوده رژیم جریان مطلوب اکولوژیکی رودخانه زرینگل با بررسی مشخصههای هیدرومورفو-اکولوژیکی، رویکردهای مبتنی بر شاخص هیدرولوژیکی و مدل اکوهیدرولیکی شبیهسازی مطلوبیت زیستگاه. شیلات، مجله منابع طبیعی ایران، سال هفتاد و سوم، شماره 1، ص 40-17.
12
نبوی، س.س.، ر. مصطفیزاده، ر. آسیابیرهبر و ز. حزباوی. 1397. تعیین حجم آب قابل برداشت ماهانه از رودخانه زهره به منظور تأمین آب شرب شهرستان هندیجان. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال هشتم، شماره 31، ص 120-107.
13
همتی، م.، س. علیزاده، م. یاسی و ر. ایلخانیپور. 1399. ارزیابی جریان زیستمحیطی رودخانه آجیچای با روشهای اکوهیدرولوژیکی. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال دهم، شماره 40، ص 45-33.
14
Abdi, R and M. Yasi. 2015. Evaluation of environmental flow requirements using eco-hydrologic–hydraulic methods in perennial rivers. Water Science and Technology, 72(3): 354-363.
15
Ahn, J. M., H. G. Kwon, D. S. Yang and Y. S. Kim. 2018. Assessing environmental flows of coordinated operation of dams and weirs in the Geum River basin under climate change scenarios. Science of The Total Environment, 643, 912-925.
16
Arthington, A. H., S. E. Bunn, N. L. Poff and R. J. Naiman. 2006. The challenge of providing environmental flow rules to sustain river ecosystems. Ecological applications, 16(4): 1311-1318.
17
Caldwell, P. V., J. G. Kennen, G. Sun, J. E. Kiang, J. B. Butcher, M. C. Eddy, L. E. Hay, J. H. LaFontaine, E. F. Hain, S. A. C. Nelson and S. G. McNulty. 2015. A comparison of hydrologic models for ecological flows and water availability. Ecohydrology, 8(8): 1525-1546.
18
El-Jabi, Nand D. Caissie. 2019. Characterization of natural and environmental flows in New Brunswick, Canada. River Research and Applications, 35(1): 14-24.
19
Elhatip, H and M. A. Hinis. 2015. Statistical approaches for estimating the environmental flows in a river basin: case study from the Euphrates River catchment, Eastern Anatolian part of Turkey. Environmental Earth Sciences, 73(8): 4633-4646.
20
Gao, Y., R. M. Vogel, C. N. Kroll, N. L. Poff and J. D. Olden. 2009. Development of representative indicators of hydrologic alteration. Journal of Hydrology, 374(1-2): 136-147.
21
Gates, K. K., S. S. Vaughn and J. P. Julian. 2015. Developing environmental flow recommendations for freshwater mussels using the biological traits of species guilds. Freshwater Biology, 60(4): 620-635.
22
Hughes, D. A and P. Hannart. 2003. A desktop model used to provide an initial estimate of the ecological instream flow requirements of rivers in South Africa. Journal of Hydrology, 270(3): 167-81.
23
Kuriqi, A., A. N. Pinheiro, A. Sordo-Ward and L. Garrote. 2019. Influence of hydrologically based environmental flow methods on flow alteration and energy production in a run-of-river hydropower plant. Journal of Cleaner Production.
24
Nikghalb, S., A. Shokoohi, V. P. Singh and R. Yu. 2016. Ecological Regime versus Minimum Environmental Flow: Comparison of Results for a River in a Semi Mediterranean Region. Water Resources Management, 30(13): 4969-4984.
25
Operacz, A., A. Wałęga, A. Cupak and B. Tomaszewska. 2018. The comparison of environmental flow assessment-The barrier for investment in Poland or river protection?. Journal of Cleaner Production, 575-592.
26
Pastor, A.V., F. Ludwig, H. Biemans, H. Hoff and P. Kabat. 2014. Accounting for environmental flow requirements in global water assessments. Hydrology and Earth System Sciences, 18(12): 5041-5059.
27
Roni, P., T. Beechie, S. Schmutz and S. Muhar. 2012. Prioritization of watersheds and restoration projects. Stream and watershed restoration: a guide to restoring riverine processes and habitats, 189-214.
28
Shahriari Nia, E. S., G. Asadollahfardi and N. Heidarzadeh. 2016. Study of the environmental flow of rivers, a case study, Kashkan River, Iran. Journal of Water Supply: Research and Technology-Aqua, 65(2): 181-194.
29
Shokoohi, A and Y. Hong. 2011. Using hydrologic and hydraulically derived geometric parameters of perennial rivers to determine minimum water requirements of ecological habitats (case study: Mazandaran Sea Basin—Iran). Hydrological Processes, 25(22): 3490-3498.
30
Shokoohi, A and M. Amini. 2014. Introducing a new method to determine rivers’ ecological water requirement in comparison with hydrological and hydraulic methods. International Journal of Environmental Science and Technology, 11(3):747-756.
31
Stamou, A., A. Polydera, G. Papadonikolaki, F. Martinez-Capel, R. Munoz-Mas, C. Papadaki, S. Zogarisc, M. D. Buid, P. Rutschmann and E. Dimitriou. 2018. Determination of environmental flows in rivers using an integrated hydrological-hydrodynamic-habitat modelling approach. Journal of environmental management, 209: 273-285.
32
Vogel, R. M., J. Sieber, S. A. Archfield, M. P. Smith, C. D. Apse and A. Huber-Lee. 2007. Relations among storage, yield, and instream flow. Water Resources Research, 43(5): 1-12.
33
ORIGINAL_ARTICLE
مدیریت منابع آب کشاورزی استان سیستان و بلوچستان از دیدگاه آب مجازی
به طور متوسط، 70 درصد از کل برداشت آب های جهانی جهت تولیدات محصولات کشاورزی استفاده می شود. یکی از راهکارها جهت مدیریت منابع آب در بخش کشاورزی، تعیین مقدار واقعی حجم آبی است که در فرایند تولید محصولات کشاورزی مصرف شده است که به منظور برآورد میزان مصرف واقعی آب توسط محصولات مختلف کشاورزی از شاخص آب مجازی استفاده میشود. در این راستا، میزان مصرف واقعی آب محصولات عمده زراعی و باغی استان سیستان و بلوچستان برای سال زراعی 1396 - 1395 با استفاده از مدل CROPWAT محاسبه شد. نتایج نشان میدهد که، کل میزان بهرهبرداری از منابع آب استان 582/780 میلیون متر مکعب برآورد شده است که بیش از 49 درصد از آن، به تولید محصول خرما اختصاص داده شده است و همچنین میانگین آب مجازی مصرف شده برای تولید محصولات کشاورزی 1437 متر مکعب بر هکتار محاسبه شده که گوجه فرنگی با تولید 850/7 و سیب زمینی با تولید 344/7 کیلوگرم به ازای مصرف یک متر مکعب آب، بیشترین میزان بهرهوری را در مصرف آب کشاورزی داشتهاند.
https://www.waterjournal.ir/article_114958_65a49e9c40dfa3d6e48438eb6ba5f7e2.pdf
2020-09-22
137
149
10.22125/iwe.2020.114958
آب مجازی
آب آبی
آب سبز
بهرهوری مصرف آب
ردپای آب
مهران
حکمت نیا
mehranhekmatnia@gmail.com
1
گروه اقتصاد کشاورزی، دانشگاه سیستان و بلوچستان
AUTHOR
سید مهدی
حسینی
shseyedmahdi46@gmail.com
2
گروه قتصاد کشاورزی، دانشگاه سیستان و بلوچستان،زاهدان، ایران
LEAD_AUTHOR
مهدی
صفدری
mahdisafdariut@gmail.com
3
گروه اقتصاد کشاورزی، دانشگاه سیستان و بلوچستان، زاهدان، ایران
AUTHOR
ORIGINAL_ARTICLE
بررسی تغییرات زمانی- مکانی کیفیت منابع آب زیرزمینی دشت بروجرد- دورود
منابع آب زیرزمینی بزرگترین ذخیرهی قابلدسترس آب شیرین زمین هستند و مدیریت این منابع و کنترل کیفی آنها از اهمیت بالایی برخوردار است. هدف از این تحقیق، بررسی تغییرات زمانی و مکانی پارامترهای کیفی آب زیرزمینی ازنظر مصارف شرب و کشاورزی بر اساس طبقهبندی شولر و ویلکاکس در دشت بروجرد- دورود است. در پژوهش حاضر از پارامترهای کیفی ازجمله هدایت الکتریکی، نسبت جذبی سدیم، اسیدیته، کلسیم، کلر، منیزیم، سدیم و سولفات از 55 منبع در سالهای 1380 و 1395 استفاده شد. برای تهیه نقشههای پهنهبندی از روشهای زمینآمار که روش درونیابی کریجینگ مناسبتر بود، استفاده شد. نتایج تحقیق نشان داد که اکثر مناطق دشت در سالهای 1380 حدود 78/59 درصد منابع در وضعیت مطلوب قرار دارند که در سال 1395 به 79/95 درصد بهبودیافته است. در طبقهبندی کشاورزی در سال 1380 بیش از 08/74 درصد منطقه دارای کیفیت خوب و قابلقبول بوده است که در سال 1395 به حدود 94/85 درصد افزایشیافته است.
https://www.waterjournal.ir/article_114959_d5e540c12ab3015f4e5c3f495c139117.pdf
2020-09-22
150
167
10.22125/iwe.2020.114959
آب زیرزمینی
دیاگرام شولر
دیاگرام ویلکاکس
کریجینگ
کیفیت
یاسر
سبزواری
yasersabzevari1511@gmail.com
1
گروه مهندسی آب، دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه لرستان، خرم آباد، ایران
AUTHOR
علی حیدر
نصرالهی
nasrolahi.a@lu.ac.ir
2
، گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
LEAD_AUTHOR
حجت الله
یونسی
yonesi.h@lu.ac.ir
3
عضو هیئت علمی گروه مهندسی آب ، دانشکده کشاورزی دانشگاه لرستان
AUTHOR
رحمانسالاری، ک. و ش. امیدواری. 1395. بررسی کارایی روشهای زمینآماری (کریجینگ و IDW) در تهیه نقشه حاصلخیزی دشت کمالوند خرمآباد. کنفرانس بینالمللی معماری، شهرسازی، مهندسی عمران و محیطزیست.
1
ترابی پوده، ح.، پ. همه زاده. 1397. بررسی کیفیت شیمیایی آب و روند تغییرات پارامترهای کیفی در حوضه کشکان، نشریه اکوهیدرولوژی، دوره 5، شماره 1، بهار 97-ص 36-23.
2
یوسفی، ح.، ع. کاشکی، م. کرمی، ا.حسین زاده، ریحانی، ا. 1397. مقایسه و پهنهبندی کیفیت منابع آب زیرزمینی دشت بجنورد طی دورههای خشکسالی و ترسالی با استفاده از شاخصهای SP و RAI و PN. نشریه اکو هیدرولوژی، دوره 5، شماره 3، پاییز 97-ص 1005-993.
3
فاضل پور عقدائی، م.ر.، ح. ملکی نژاد، م.ر. اختصاصی، برخورداری، ج. 1394. تحلیل کیفیت منابع آب زیرزمینی بهمنظور مدیریت بهینه منابع؛ مطالعه موردی حوزه آبخیز خوانسار هرات. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال پنجم، شماره 20، تابستان 1394.
4
Abbasnia A, Radfard M, Mahvi A.H, Nabizadeh R, Yousefi M, Soleimani H, Alimohammadi M. 2018. Groundwater quality assessment for irrigation purposes based on irrigation water quality index and its zoning with GIS in the villages of Chabahar, Sistan and Baluchistan, Iran, Data in Brief 19. 623-631.
5
Belkhiri L, Mouni L, Tiri A, Narany TS, Nouibet R. Spatial analysis of groundwater quality using self-organizing maps. Groundwater for Sustainable Development. 2018 Sep 1; 7:121-32.
6
Dev R, Bali M. Evaluation of groundwater quality and its suitability for drinking and agricultural use in district Kangra of Himachal Pradesh, India. Journal of the Saudi Society of Agricultural Sciences. 2018 Mar 26.
7
Goovaerts P. 1997. Geostatistics for natural resource evaluation. Oxford University Press, New York. 483 p.
8
Jafari K, Asghari FB, Hoseinzadeh E, Heidari Z, Radfard M, Saleh HN, Faraji H. Groundwater quality assessment for drinking and agriculture purposes in Abhar city, Iran. Data in brief. 2018 Aug 1; 19:1033-9.
9
Jeihouni M, Toomanian A, Alavipanah SK, Hamzeh S, Pilesjö P. Long term groundwater balance and water quality monitoring in the eastern plains of Urmia Lake, Iran: A novel GIS based low cost approach. Journal of African Earth Sciences. 2018 Nov 1; 147:11-9.
10
Nath V, Helen H. 2013. Evaluation of ground water quality in Neyyattinkara Taluk, Kerala. Journal of Chemical & Pharmaceutical Research. 5, 4-14.
11
Nazarizadeh F, Ershadian B, ZandVakili K, Nouriemamzade'i M. 2006. Investigating the variations in groundwater quality in Balarood plain in Khuzestan province.
12
Pawar S, Panaskard B, Wagh M. 2014. Characterization of groundwater using water quality index of solapur industrial, (case study: Maharashtra, INDIA). International journal of Research in Engineering & Technology. 2(4), 31-36.
13
Sarmdian F, Taghizadeh Mehrejerdi R. 2009. Comparison of Intravenous Methods for Soil Qualitative Character Maps Case Study (Farm of Agricultural College). Iran Water and Soil Research. 40, No. 2, 155-165. (In Persian).
14
Sun Y, Shaozhong K, Zhang L. 2009. Comparison of interpolation methods for depthto groundwater and its temporal and spatial variations in the Minqin oasis of North WestChina. Environmental Modelling & Software. 24 (10), 1163–1170.
15
ORIGINAL_ARTICLE
تعیین رابطه فرونشست زمین و افت سطح آبزیرزمینی با دو روش تداخل سنجی راداری و ایستگاه ثابت GPS (مطالعه موردی: دشت سلماس)
دشت سلماس از مهمترین دشتهای استان آذربایجان غربی است. رشد سریع جمعیت همراه با توسعه کشاورزی در دهههای اخیر سبب برداشت بی رویه و فشار بر منابع آبی این دشت گردیده است. استفاده بیرویه از منابع آب زیرزمینی و تغذیه کم دشت باعث افت سطح آب در دهه اخیر شده است. نشست سطح زمین ناشی از افت سطح آبهای زیرزمینی در بخشهای از این دشت به طور محسوس مشاهده میشود. در این پژوهش ارتباط بین افت سطح آب زیرزمینی و فرونشست زمین مورد بررسی قرار گرفت. روشهای تعیین فرونشست زمین، مشاهدات ایستگاه دایم GPS و روش تداخل سنجی راداری میباشد. نتایج، حاکی از همبستگی معنیدار و خطی بین افت سطح آب زیرزمینی و فرونشست زمین در این دشت می باشد. میانگین مقادیر ضریب تبیین (از سال 2006 الی 2011) در روشهای ایستگاه ثابت GPS و تداخل سنجی راداری بهترتیب برابر 78 و 82 درصد بهدست آمد. بیشینه نرخ فرونشست با استفاده از تصاویر راداری ماهواره ALOS در سال 2009، 11 سانتیمتر در سال محاسبه گردید. نتایج حاصل از GPS نشان داد به ازای یک متر افت سطح آب زیرزمینی، 078/0 متر سطح زمین در دشت مورد مطالعه نشست خواهد کرد.
https://www.waterjournal.ir/article_114960_e121e70211fae4e0a34011e81bcf61c8.pdf
2020-09-22
168
182
10.22125/iwe.2020.114960
: فرونشست زمین
سطح آب زیرزمینی
تداخل سنجی راداری
دشت سلماس
کیوان
زارعی
zareikeyvan76@gmail.com
1
گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
AUTHOR
علی
رسول زاده
rasoulzadeh@uma.ac.ir
2
گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقگروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران، ق اردبیلی
LEAD_AUTHOR
مرتضی
صدیقی
sedighi@ncc.org.ir
3
مدیر کل ژئودزی و نقشه برداری زمینی سازمان نقشه برداری کشور، تهران، ایران
AUTHOR
غلامرضا
احمدزاده
g_ahmadzadeh@uma.ac.ir
4
گروه زمین شناسی، دانشکده علوم، دانشگاه محقق اردبیلی، اردبیل، ایران
AUTHOR
جواد
رمضانی مقدم
j_ramezani@uma.ac.ir
5
عضو هیات علمی دانشگاه اردبیل
AUTHOR
ORIGINAL_ARTICLE
بررسی اثرات متغیرهای اقلیمی در تخمین جریان رودخانه با استفاده از روشهای منفرد و هیبریدی-موجکی محاسبات نرم
تغییرات اقلیمی و تاثیر آن در وضعیت منابع آبی میتواند از جنبههای مختلف زندگی و حیات بشر در روی زمین را به مخاطره بیاندازد. در این مطالعه، با استفاده از روشهای منفرد و هیبریدی-موجکی شبکه عصبی مصنوعی، سامانه استنتاجی فازی عصبی (دستهبندی تفریقی) و برنامهریزی بیان ژن به مدلسازی پارامتر جریان پرداخته شده است. بدین منظور از دادههای اقلیمی ماهانه با طول دوره آماری 21 ساله (1395-1375) جریان، دما و بارش ایستگاه تپیک واقع در رودخانه نازلوچای ارومیه استان آذربایجانغربی استفاده شده است. در این مطالعه تاثیر پارامترهای جریان تاخیری، بارش، دما و اثر فصلی (ضریب ماهانه) در مدلها بررسی شده است. نتایج حاکی از عملکرد برتر مدلهای هیبریدی-موجکی نسبت به مدلهای منفرد محاسبات نرم و تاثیر مثبت اعمال اثر فصلی در مدلسازی جریان رودخانهای میباشد. همچنین تبدیل موجک با آنالیز دادهها و تفکیک نویزها توانایی ارتقاء بخشیدن به عملکرد مدلهای هیبریدی نسبت به مدلهای منفرد را امکانپذیر مینماید. در مدل بهینه هیبریدی موجکی برنامهریزی بیان ژن، مقادیر شاخصهای ارزیابی ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر 978/0 (حداکثر) و 326/2 (m3/s) (حداقل) به دست آمده است.
https://www.waterjournal.ir/article_114961_c09106047fcc98fc04504295a3dc0576.pdf
2020-09-22
185
201
10.22125/iwe.2020.114961
برنامهریزی بیان ژن
فازی-عصبی
شبکه عصبی مصنوعی
جریان رودخانه
نازلوچای
رضا
سبحانی
rezasobhani.sn@gmail.com
1
دانشگاه ارومیه
AUTHOR
سروین
زمان زاد قویدل
snzghavidel@ut.ac.ir
2
پژوهشگر پسا دکتری، گروه مهندسی آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران
AUTHOR
هادی
ثانی خانی
h.sanikhani@uok.ac.ir
3
گروه علوم و مهندسی آب، داشگاه کردستان
LEAD_AUTHOR
مجید
منتصری
m.montaseri@urmia.ac.ir
4
گروه مهندسی آب، انشگاه ارومیه
AUTHOR
محمدرضاپور، ا. 1396. پیشبینی تبخیر-تعرق پتانسیل ماهانه با استفاده از مدلهای ماشین بردار پشتیبان، برنامهریزی ژنتیک و سیستم استنتاج عصبی- فازی. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال هفتم، شماره 27، ص 150-135.
1
محمدی، ص. 1396. مقایسه مدلهای شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیهسازی میزان رسوب معلق، مطالعه موردی حوزه آبخیز شاهرود. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال هفتم، شماره 27، ص 46-32.
2
Alvisi, S., G. Mascellani, M. Franchini and A. Bardossy. 2005. Water level forecasting through fuzzy logic and artificial neural network approaches. Journal of Hydrology and Earth System Sciences, 2: 1107-1145.
3
Barzegar, R., J. Adamowski and A. Asghari Moghaddam. 2016. Application of wavelet-artificial intelligence hybrid models for water quality prediction: a case study in Aji-Chay River, Iran. Stochastic Environmental Research and Risk Assessment, DOI 10.1007/s00477-016-1213-y.
4
Güldal, V and H. Tongal. 2010. Comparison of recurrent neural network, adaptive neuro-fuzzy inference system and stochastic models in Egirdir Lake level forecasting. Water Resources Management, 24 (1): 105–128.
5
Hashmi, M.Z., A.Y. Shamseldin and B.W. Melville. 2011. Statistical downscaling of watershed precipitation using Gene Expression Programming (GEP). Environmental Modelling & Software, 26:1639-1646.
6
Jang, J.S.R. 1993. ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions on Systems, Man and Cybernetics, 23 (3): 665–685.
7
Kisi, O., J. Shiri and M. Tombul. 2013. Modelling rainfall-runoff process using soft computing techniques. Computers & Geosciences, 51: 108–117.
8
Kisi, O and M. Cimen. 2012. Precipitation forecasting by using wavelet support vector machine conjunction model. Engineering Application of Artificial Intelligence, 25:783–792.
9
Montaseri, M., S. Zamanzad Ghavidel and H. Sanikhani. 2018. Water quality variations in different climates of Iran: Toward modelling total dissolved solid using soft computing techniques. Stochastic Environmental Research and Risk Assessment, DOI: 10.1007/s00477-018-1554-9.
10
Sanikhani, H and O. Kisi. 2012. River flow estimation and forecasting by using two different adaptive neuro-fuzzy approaches. Water Resources Management, 26:1715-1729.
11
Sanikhani, H., O. Kisi, E. Maroufpoor and Z.M. Yaseen. 2018. Temperature-based modeling of reference evapotranspiration using several artificial intelligence models: application of different modelling scenarios. Theoretical and Applied Climatology, 1-14.
12
Shafaei, M and O. Kisi. 2015. Lake Level Forecasting Using Wavelet-SVR Wavelet-ANFIS and Wavelet-ARMA Conjunction Models. Water Resources Management, DOI: 10.1007/s11269-015-1147-z.
13
Traore, S and A. Guven. 2012. Regional-specific numerical models of evapotranspiration using gene-expression programming interface in Sahel. Water Resources Management, 26(15): 4367-4380.
14
Zhang, Z., Q. Zhang, V. P. Singh and P. Shi. 2018. River flow modelling: comparison of performance and evaluation of uncertainty using data-driven models and conceptual hydrological model. Stochastic environmental research and risk assessment, 1-16.
15
ORIGINAL_ARTICLE
بررسی پارامترهای دما و بارش تحت تأثیر تغییر اقلیم( مطالعه موردی: دشت بیرجند)
تغییر اقلیم یکی از عوامل مهمی است که بخشهای مختلف زندگی انسان روی کرۀ زمین را تحت تأثیر قرار خواهد داد و تأثیرات زیانباری بر منابع زیست محیطی، اقتصادی اجتماعی و بهویژه منابع آب خواهد داشت. افزایش غلظت گازهای گلخانهای در چند دهۀ اخیر و دمای افزایشیافته ناشی از آن، منجر به تغییرات قابل توجهی در عناصر هواشناسی شده است. یکی از راهکارهای کاهش تأثیرات ناشی از تغییر اقلیم، ارزیابی تأثیرات آن بر بارندگی و دما در هر منطقه است. بدین منظور در این تحقیق به بررسی و تحلیل اثرات تغییر اقلیم بر روی دما و بارش دشت شهرستان بیرجند به کمک مدلCanESM2 AR5 تحت سناریوهای انتشارRCP2.6 ، RCP4.5 و RCP8.5 پرداخته شده است. به دلیل دقت پایین مدلهای گردش عمومی از مدل کوچک مقیاسسازی SDSM استفاده و تغییرات پارامترهای اقلیمی بارش و دما برای دوره آتی (2049- 2020) شبیهسازی گردید. نتایج شبیهسازی مدل نشان از افزایش درجه حرارت در دوره آتی دارد به گونهای که بیشترین افزایش دما (89/1 درجه سانتیگراد) و کمترین میزان بارندگی (07/0 میلیمتر) در ماه ژوئن مشاهده گردید. نتایج بدست آمده میتواند در برنامهریزیهای مدیریت منابع آب و بخش کشاورزی مورد استفاده قرار گیرد.
https://www.waterjournal.ir/article_114963_a69747b0ff443a07b6c536701f121614.pdf
2020-09-22
200
210
10.22125/iwe.2020.114963
دما
بارش
تغییر اقلیم
سناریوهای انتشار
مدلهای گردش عمومی جو
بیرجند
امیر
خیاط
amir.khayat1360@yahoo.com
1
کارشناسی ارشد سازههای آبی، گروه مهندسی آب، دانشگاه بیرجند، شهر بیرجند، ایران
AUTHOR
مهدی
امیرآبادی زاده
m.amir692@gmail.com
2
گروه مهندسی آب، دانشگاه بیرجند، شهر بیرجند
LEAD_AUTHOR
محسن پوررضا
بیلندی
mohsen.pourreza@birjand.ac.ir
3
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند
AUTHOR
حسین
خزیمه نژاد
hkhozeymeh@birjand.ac.ir
4
گروه مهندسی آب، دانشگاه بیرجند، بیرجند
AUTHOR
آرزومندی، ل.، حجاریزاده، ز. و فتاحی، ا. 1396. مقایسه عملکرد مدل آماری و مدل دینامیکی در شبیهسازی بارش حدی، مجله اکوهیدرولوژی، دوره4، شماره2، تابستان96، ص 313-301.
1
جعفرزاده، ا.، خاشعی سیوکی، ع. و شهیدی، ع. 1395. ارزیابی دو روش ریزمقیاسنمایی آماری LARS-WG و SDSM در برآورد تغییرات مولفههای اقلیمی (مطالعه موردی دشت بیرجند)، نشریه پژوهش حفاظت آب و خاک گرگان، 23 (4). 309-322.
2
روحانی، ح.، قندی، ا.، سیدیان، س.م. و کاشانی، ا. 1396. بررسی عدم قطعیت شبیهسازی بارش آینده (مطالعه موردی: ایستگاه همدیدی بجنورد و مشهد). مجله پژوهشهای حفاظت آب و خاک گرگان، دوره 24، شماره1، ص:204-189.
3
صمدی، س.ز.، مساح بوانی، ع. و مهدوی، م.، 1388. انتخاب متغیر پیشبینی کننده به منظور کوچک مقیاس کردن آماری دادههای دما و بارندگی در حوزه آبخیز کرخه. مجموعه مقالات پنجمین همایش ملی علوم و مهندسی آبخیزداری( مدیریت پایدار بلایای طبیعی). 2 و 3 اردیبهشت ماه 1388. دانشگاه علوم کشاورزی و منابع طبیعی ساری.
4
عباسنیا، م.، طاوسی، ت.، خسروی، م.، و توروس، ح. 1394. تحلیل دامنه عدم قطعیت تغییرات آینده دمای حداکثر روزانه بر روی ایران با استفاده از سیستم اطلاعات جغرافیایی، فصلنامه علمی- پژوهشی اطلاعات جغرافیایی، دوره25، شماره97.
5
عزیزآبادی فراهانی، م.، بختیاری، ب.، قادری، ک. و رضاپور، م. 1395. بررسی تأثیر تغییر اقلیم بر منحنیهای سختی مدت فراوانی خشکسالی حوزه آبریز قرهسو با استفاده از توابع مفصل. مجله تحقیقات آب و خاک ایران، دوره 47، شماره4، ص:754-743.
6
فرزانه، م.، صمدی، س.ز.، اکبرپور، ا. و اسلامیان، س.س.، 1389. معرفی پیشبینی کنندههای منتخب جهت کوچک مقیاس کردن آماری-رگرسیونی در زیر حوضه بهشت آباد کارون شمالی، نخستین کنفرانس پژوهشهای کاربردی منابع آب ایران، کرمانشاه، دانشگاه صنعتی کرمانشاه.
7
Arora, V. K., Scinocca, J. F., Boer, G. J., Christian, J. R., Denman, K. L., Flato, G. M., Kharin, V. V., Lee, W. G. and Merry field, W. J.2011. Carbon emission limits required to satisfy future representative concentration pathways of greenhouse gases. Geophysical Research Letters, 38(5), 1-6.
8
Chu, J.T., J. Xia, C.Y. Xu and V.P. Singh. 2010. Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios In Haihe River, China. Theoretical and Applied Climatology, 99: 149-161.
9
Etemadi, E., Samadi, Z., and Sharifikia, M. 2014. Uncertainty analysis of statistical downscaling models using general circulation model over an international wetland. Climate Dynamics. 42: 2899-2920.
10
IPCC, 2014. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (Eds.)]. IPCC, Geneva, Switzerland, 151 pp.
11
IPCC. 2007. Summary for Policymakers in Climate Change, The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge. PP. 1-18.
12
IPCC. 2013b. Summary for policymakers. PP 3-29 In: T. F. Stocker, D. Qin, G. K. Plattner, M. Tignor, S. K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, P. M. Midgley, (Eds.), Climate change 2013: the physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge
13
IPCC.2013a. Summary for policymakers in climate change. The physical science basis contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change Cambridge university press. Cambridge. United Kingdom and New York. NY, USA. 1-33.
14
Saraf V R, Regulwar D G. 2016. Assessment of climate change for precipitation and temperature using statistical downscaling methods in upper Godavari River Basin, India. Journal of Water Resource and Protection. 8 (1):31-45.
15
Taylor, K. E., R. J. Stouffer and G. A. Meehl. 2012. An overview of CMIP5 and the experiment design. Bull. Am. Meteor. Soc. 93: 485-498.
16
Wilby, R. L., Dawson, C. W., Murphy, C., Connor, P. O’. Hawkins, E. 2014. The Statistical DownScaling Model − Decision Centric (SDSM-DC): conceptual basis and applications. Climate Research, 61(3), 251-268.
17
ORIGINAL_ARTICLE
پیشبینی سیل با استفاده از تلفیق تصاویر ماهوارهای و مدل بارش-رواناب در مناطق فاقد آمار
از مهمترین مسائلی که درمطالعات هیدرولوژی و سیلخیزی به آن پرداخته میشود، برآورد دبی حداکثر سیلاب و تهیه هیدروگراف آن با استفاده از مدلهای هیدرولوژیکی میباشد. امروزه محصولات بارش ماهواره با قدرت تفکیک مکانی و زمانی متفاوت تا حدود زیادی مشکلات و محدودیتهای رایج در تهیه دادههای بارش را برطرف کردهاند. لذا هدف از این تحقیق بررسی و کاربرد دادههای بارش ماهواره TRMM به عنوان ورودی مدلهای هیدرولوژیکی برای شبیهسازی سیل در حوضه آبریز قرهسو میباشد. بدین منظور ابتدا مدل مفهومی حوضه در محیط نرمافزار HEC-GeoHMS تهیه شده و عملکرد نرمافزار HEC-HMS در شبیهسازی هیدروگراف سیل مورد ارزیابی قرار گرفت. برای تخمین میزان بارش در قسمتهایی از حوضه که فاقد ایستگاه بارانسنجی بود، از دادههای ماهواره TRMM استفاده شد. دقت دادههای بارش ماهوارهای با مقایسه با مقادیر مشاهداتی طی سالهای 2013-2003 بررسی شد. نتایج حاکی از عملکرد مناسب مدل HEC-HMS در برآورد دبی اوج و حجم سیلاب برای حوضه آبریز داشت به طوریکه اختلاف بین دبی اوج مشاهداتی و محاسباتی کمتر از 7 درصد و اختلاف حجم سیلاب مشاهداتی و محاسباتی نیز کمتر از 10 درصد بود. بررسی تصاویر ماهواره TRMM نشان داد بیشترین همبستگی، بین دادههای ماهانه با مقادیر ضریب همبستگی 99/0-52/0 بوده و دادههای بارش روزانه از دقت کافی برخوردار نبودند. همچنین با در نظر گرفتن اثر ارتفاع محل، میتوان از مقادیر حدی بارش به دستآمده از تصاویر ماهواره TRMM با دقت قابل قبول و میانگین خطای کمتر از 20 درصد استفاده کرد.
https://www.waterjournal.ir/article_114964_9fb1245a0db0ff4c890a2c4c1b0a429a.pdf
2020-09-22
211
226
10.22125/iwe.2020.114964
برآورد بارش
سنجش از دور و GIS
ماهواره TRMM
مدل هیدرولوژیکی
الهه
مرادیانی
moradianielahe@gmail.com
1
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه رازی، کرمانشاه، ایران
AUTHOR
علی اکبر
اختری
akhtari@razi.ac.ir
2
مهندسی عمران، دانشگاه رازی، کرمانشاه، ایران.
AUTHOR
آرش
آذری
a.azari@razi.ac.ir
3
گروه مهندسی آب، دانشکده علوم و مهندسی کشاورزی، دانشگاه رازی، کرمانشاه، ایران
LEAD_AUTHOR
حسینی، م.، .1392. شبیه سازی بیلان آبی حوزه آبخیز قرهسو استان کرمانشاه با استفاده از مدل SWAT، نشریهعلمی پژوهشیمهندسیومدیریتآبخیز، جلد 6، شماره 1، ص 63-73.
1
شکریکوچک،س.،بهنیا،ع. ا. ،رادمنش،ف. و آخوندعلی،ع. م.،1391.تخمینآبنمودسیلاب حوضهآبخیزبااستفادهازمدل HEC-HMS وسامانه اطلاعاتجغرافیایی(مطالعهموردی:حوضهایدنک)، پژوهشنامهمدیریتحوضهآبخیز،سالسوم، شماره 5، ص 63-88.
2
میررحیمی، س. م. و فیضیزاده، ب.، .1387. بررسیدقتدادههایرادارزمینیو TRMM دربرآوردبارش، همایش ژئوماتیک.
3
همتی، م.، شهنازی، م.، احمدی، ح. و سالارجزی، م.، 1396. تعیین مناطق سیل خیز حوضه آبریز قرنقو با استفاده از مدل هیدرولوژیکی مادکلارک و GIS، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران، شماره 4، ص 80-65.
4
مددی، غ.، حمزه، س. و نوروزی، ع. ا.، 1394. ارزیابی بارش در مقیاسهای روزانه، ماهانه و سالانه با استفاده از تصاویر ماهوارهای (مطالعه موردی: حوضه مرزی غرب ایران)، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال ششم، شماره دوم.
5
Anjum, M., Ding, Y., Shangguan, D., Ahmad, I., Ijaz, M., Farid, H., Yghob, Y., Zaman, M. and Adnan, M., 2018. Performance evaluation of latest integrated multi-satelllite retrievals for Global Percipitation Measurement (IMERG) over the northern highlands of Pakistan. Atmospheric Research, p.134-146.
6
Behrangi, A., Khakbaz, B., Chun Jaw, T., AghaKouchak, A., Hsu, K. and Sorooshian, S., 2011. Hydrologic evaluation of satellite precipitation products over a mid-size basin. Journal of Hydrology, v. 397, p. 225–237.
7
Ciabatta, L., Brocca, L., Massari, C., Moramarco, T., Gabellani , S., Puca , S. and Wagner, W., 2016. Rainfall-runoff modelling by using SM2RAIN-derived and state-of-the-art satellite
8
Collischonn, B., Collischonn, W. and Tucci, C. E. M., 2008. Daily hydrological modeling in the Amazon basin using TRMM rainfall estimates. Journal of Hydrology, v. 360, p. 207– 216.
9
Gumindoga, W., Rwasoka, D., Nhapi, I. and Dube, T., 2017. Unguaged runoff simulation in Upper Manyame Catchment, Zimbabwe: Application of the HEC-HMS model. Physics and Chemistry of the Earth, p.371-382.
10
Koriche, S. and Rientjes T. H. M., 2016. Application of satellite products and hydrological modelling for flood early warning. Physics and Chemistry of the Earth, p.12-23.
11
Li, D., Christakos, G., Ding, X. and Wu, J., 2017. Adequacy of TRMM satellite rainfall data in driving the SWAT modelling of Tiaoxi catchment (Taihu lake basin, China). Journal of Hydrology, p. 322-331.
12
Mahmoud, S., 2014. Investigation of rainfall–runoff modeling for Egypt by using remote sensing and GIS integration. Catena, v. 120, p. 111–121.
13
Mandal, S. P. and Chakrabarty, A., 2016. Flash flood risk assessment for upper Teesta river basin: using the hydrological modeling system (HEC-HMS) software. Model. Earth Syst. Environ, P. 2-59.
14
Strapazan, C. and Petrut, M., 2017. Application of ARCHydro and HEC-HMS model techniquesfor Runoff simulation in the headwater areas of COVASNA watershed (Romania).Geographia Technica, p. 95-107.
15
Zubieta, R., Getirana, A., Espinoza, J. C. and Lavado, W., 2015. Impacts of satellite-based precipitation datasets on rainfall–runoff modeling of the Western Amazon basin of Peru and Ecuador. Journal of Hydrology, v. 528, p. 599–612.
16
ORIGINAL_ARTICLE
کاربرد مدل غیرخطی EGARCH در مدلسازی مقادیر تبخیر و تعرق پتانسیل
در مدلهای چند متغیره سری زمانی با دخالت دادن عوامل مؤثر دیگر، میتوان نتایج توصیف، مدلسازی و پیشبینی پارامترهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غیرخطی واریانس شرطی، بخش باقیمانده مدلهای خطی را به شکل مناسبی مدل میکنند، انتظار میرود با تلفیق مدلهای خطی و غیرخطی، دقت مدلسازی و پیشبینیها افزایش یابد. در این مطالعه از دادههای مقادیر تبخیر و تعرق پتانسیل ایستگاههای شرق کشور (ایستگاه بیرجند، مشهد، زاهدان و زابل) در دوره آماری 2010-1973 در مقیاس ماهانه استفاده شده است. از آنجایی که مدل هدف چند متغیره میباشد، علاوه بر دادههای تبخیر و تعرق پتانسیل، از دادههای رطوبت نسبی، سرعت باد و ساعات آفتابی نیز جهت مدلسازی تبخیر و تعرق پتانسیل ماهانه استفاده شده است. مدلهای مورد بررسی در این تحقیق، دو مدل MPAR و MPAR-EGARCH میباشد. نتایج بررسی و صحت سنجی دادههای مدلشده نشان داد که هر دو مدل مورد بررسی از دقت بالایی برخوردار هستند. در این مطالعه در تمام موارد مدل چند متغیره تلفیقی با واریانس شرطی از دقت بیشتری نسبت به مدل چند متغیره پریودیک آرما برخوردار بودند. همچنین نتایج نشان داد که مدل تلفیقی MPAR-EGARCH نقاط کمینه و بیشینه دادههای مورد بررسی را به خوبی برازش داده است. متوسط میزان خطا در تخمین مقادیر تبخیر و تعرق پتانسیل توسط مدل MPAR در ایستگاههای بیرجند، مشهد، زابل و زاهدان به ترتیب برابر با 4/0، 43/0، 05/1 و 04/3 و در مدلهای تلفیقی MPAR-EGARCH به ترتیب برابر با 16/0، 19/0، 55/0 و 59/0 میباشد.
https://www.waterjournal.ir/article_114966_1e4302e2de2513bc46685bf4ce0a8ef2.pdf
2020-09-22
227
239
10.22125/iwe.2020.114966
مدلهای فصلی
تبخیر و تعرق پتانسیل
مدل واریانس شرطی خودهمبسته
مدل چند متغیره
یوسف
رمضانی
y.ramezani@birjand.ac.ir
1
گروه علوم و مهندسی آب دانشگاه بیرجند
LEAD_AUTHOR
محمد
ناظری تهرودی
m_nazeri2007@yahoo.com
2
کیلومتر ۵ جاده کرمان - پردیس کشاورزی و منابع طبیعی دانشگاه بیرجند - دانشکده کشاورزی، گروه مهندسی آب صندوق پستی: 331
AUTHOR
رمضانی، ی.، م، امیرآبادیزاده.، م، یعقوبزاده.، م، ناظری تهرودی. 1397. مدلسازی دبی جریان رودخانه با استفاده از مدلهای چندمتغیره تلفیقی سری زمانی. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، 8(32): 63-48
1
ناظری تهرودی، م.، ک، خلیلی. 1397. مقایسه مدلهای ARMA و ARMA-PARCH در مدلسازی دبی سالانه جریان (مطالعه موردی: رودخانه زرینه رود استان آذربایجان غربی). مجله پژوهش آب ایران، 12(3): 80-71.
2
Ahmadi F, Nazeri Tahroudi M, Mirabbasi R, Khalili K, Jhajharia D. 2018. Spatiotemporal trend and abrupt change analysis of temperature in Iran. Meteorological Applications, 25(2), 314-321.
3
Bloomfield P, Nychka D. 1992. Climate spectra and detecting climate change. Climatic Change, 21(3), 275-287.
4
Bollerslev T. 1986. Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.
5
Box GE, Cox DR. 1964. An analysis of transformations. Journal of the Royal Statistical Society. Series B (Methodological), 211-252.
6
Caiado J. 2007. Forecasting water consumption in Spain using univariate time series models.
7
Doğan E, Işık S, Toluk T, Sandalcı M. 2007. Daily streamflow forecasting using artificial neural networks. In International Congress on River Basin Management (pp. 22-24).
8
Engle RF. 1982. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987-1007.
9
Fereydooni M, Rahnemaei M, Babazadeh H, Sedghi H, Elhami MR. 2012. Comparison of artificial neural networks and stochastic models in river discharge forecasting,(Case study: Ghara-Aghaj River, Fars Province, Iran). African Journal of Agricultural Research, 7(40), 5446-5458.
10
Folland GB. 1990. Remainder estimates in Taylor's theorem. The American Mathematical Monthly, 97(3), 233-235.
11
Ghanbarpour MR, Abbaspour KC, Jalalvand GOUDARZ, Moghaddam GA. 2010. Stochastic modeling of surface stream flow at different time scales: Sangsoorakh karst basin, Iran. Journal of Cave and Karst Studies, 72(1), 1-10.
12
Hansen J, Lebedeff S. 1988. Global surface air temperatures: Update through 1987. Geophysical Research Letters, 15(4), 323-326.
13
Kendall MG. 1938. A new measure of rank correlation. Biometrika, 30(1/2), 81-93.
14
Komorník J, Komorníková M, Mesiar R, Szökeová D, Szolgay J. 2006. Comparison of forecasting performance of nonlinear models of hydrological time series. Physics and Chemistry of the Earth, Parts A/B/C, 31(18), 1127-1145.
15
Mann HB. 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society, 245-259.
16
Mendenhall W, Reinmuth JE. 1971. Statistics for management and economics.
17
Nash JE, Sutcliffe JV. 1970. River flow forecasting through conceptual models part I—A discussion of principles. Journal of hydrology, 10(3), 282-290.
18
Nelson DB. 1991. Conditional heteroskedasticity in asset returns: A new approach. Econometrica: Journal of the Econometric Society, 347-370.
19
Tesfaye YG, Meerschaert MM, Anderson PL. 2006. Identification of periodic autoregressive moving average models and their application to the modeling of river flows. Water Resources Research, 42(1).
20
Valipour M, Banihabib ME, Behbahani SMR. 2013. Comparison of the ARMA, ARIMA, and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam reservoir. Journal of hydrology, 476, 433-441.
21
Wang W, Van Gelder PHAJM, Vrijling JK, Ma J. 2005. Testing and modeling autoregressive conditional heteroskedasticity of streamflow processes. Nonlinear processes in Geophysics, 12(1), 55-66.
22
Wilcoxon F. 1945. Individual comparisons by ranking methods. Biometrics bulletin, 1(6), 80-83
23
ORIGINAL_ARTICLE
معرفی سیستم هشدار سریع خشکسالی کشاورزی و افت ذخیره آب زیرزمینی با استفاده از شاخص eRDI
ارتقاء کیفیت شاخصهای خشکسالی، نقش مؤثری در بهبود سیستم مدیریت منابع آب ایفا مینماید. در این پژوهش از شاخص شناسایی خشکسالی مؤثر (eRDI)، به منظور شناسایی و اعلام هشدار سریع خشکسالی کشاورزی در دشت جیرفت استفاده شد و عملکرد آن با استفاده از شاخص NDVI مورد ارزیابی قرار گرفت و در نهایت نسبت به تحلیل ارتباط این شاخص با تغییرات ذخیره آبخوان مبادرت شد. یافتههای این پژوهش نشان داد که اثر شاخص در مدل کردن خشکسالی کشاورزی در مراحل مختلف رشد گیاه تقریباً مشابه بوده اما شدت برآورد شده در دوره بحرانی رشد گیاه بیشتر بوده است، لذا این دوره بهعنوان مبنایی برای تحلیل مکانی خشکسالی کشاورزی مدنظر قرار گرفت. نتایج تحلیل مکانی نشان داد که وقوع دورههای نرمال، خشک و تر با دسترسی یا کمبود بارش مؤثر برای گیاهان منطقه، متناسب است. همچنین نتایج بیانگر وجود همبستگی معنیدار در سطح 5 درصد (87/0= r) بین شاخصهای eRDI و NDVI در اراضی تنک منطقه، بهواسطه دخالت تنها عامل بارش مؤثر در شاخص eRDI میباشد، در حالیکه در اراضی آبی، عکس این قضیه بهدلیل پمپاژ از آبزیرزمینی و احتمالاً بهرهبرداری از سد جیرفت اتفاق افتاده است. به طور کلی، نتایج مبین معرفی شاخص eRDI سه ماهه و eRDI هفت ماهه، به ترتیب برای هشدار سریع خشکسالی کشاورزی و افت ذخیره آب زیرزمینی در منطقه مورد مطالعه است
https://www.waterjournal.ir/article_114968_88ace60923e3bc4be1a47baeba5a56b3.pdf
2020-09-22
240
255
10.22125/iwe.2020.114968
: بارش موثر
دشت جیرفت
خشکسالی کشاورزی
eRDI
NDVI
مهدی
سلیمانیمطلق
soleimani.m@lu.ac.ir
1
، گروه آموزشی مهندسی مرتع و آبخیزداری، دانشکده کشاورزی و منابعطبیعی، دانشگاه لرستان، خرمآباد، ایران
LEAD_AUTHOR
مجتبی
سلیمانیساردو
mojtaba.soleimani@ujiroft.ac.ir
2
گروه علوم و مهندسی محیطزیست، دانشکده منابع طبیعی، دانشگاه جیرفت، جیرفت، ایران
AUTHOR
الهام
داودی
elhamdavoodi90@yahoo.com
3
دکتری علوم و مهندسی آبخیزداری، گروه مرتع و آبخیزداری، دانشگاه کاشان، کاشان، ایران
AUTHOR
بی همتا، م ر.، و م ع. زارع چاهوکی. 1387. اصول آمار علوم طبیعی. انتشارات دانشگاه تهران. 300 ص.
1
پورسیدی، ع.، و ح ع. کشکولی. 1391. مطالعه وضعیت آبهای زیرزمینی دشت جیرفت به کمک مدل PMWIN . علوم و مهندسی آبیاری(مجله علمی کشاورزی) 35 (2): ص 51-63.
2
جعفری، ح ر.، س. ص. علمداری و ا. زایندهرودی. 1390. بررسی عومل زمین شناسی تأثیر گذار بر کیفیت منابع آب زیرزمینی دشت جیرفت. فصلنامه علمی پزوهشی زمین و منابع واحد لاهیجان. 4(4): ص 1- 10.
3
دماوندی ع. ا.، م. رحیمی، م.ر. یزدانی، و ع. ا. نوروزی. 1395. پایش مکانی خشکسالی کشاورزی از طریق سریهای زمانی شاخص های NDVI و LST داده های MODIS (مطالعه موردی: استان مرکزی). فصلنامه علمی – پژوهشی اطلاعات جغرافیایی. سال بیست وپنجم، شماره 99، ص 115 – 126.
4
شرکت سهامی آب منطقه ای کرمان. 1394. گزارش ممنوعیت منابع آبزیرزمینی محدوده مطالعاتی جیرفت. 103ص
5
صابری ع.، و س. سلطانی گردفرادمرزی. 1396. ارزیابی روش های زمین آمار در پهنه بندی شدت خشکسالی استان آذربایجان غربی. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. 7 (27) : ص 151-165.
6
Fitts. C. R. 2002. Groundwater Science. Second Edition, UK, Academic Press. 450 pp.
7
Nohegar, A and M. Heydarzadeh. 2016. Evaluation of the effects of meteorological drought on groundwater table fluctuations (Case study: Hormozgan Province, Iran). Natural Environment Change, 2(2):111-125.
8
Pablos, M., J. Martínez-Fernández., N Sánchez and A González-Zamora. 2017. Temporal and Spatial Comparison of Agricultural Drought Indices from Moderate Resolution Satellite Soil Moisture Data over Northwest Spain. Remote sensing. 9(11): 1-27.
9
Parida, B.R. 2006. Analysing the effect of severity and duration of agricultural drought on crop performance using Terra/MODIS satellite data and meteorological data, Indian Institute of Remote Sensing.
10
Rimkus, E., E. Stonevicius, J. Kilpys, V. Maciulyte, and D. Valiukas. 2017. Drought identification in the eastern Baltic region using NDVI, Earth Syst. Dynam, 8, 627-637.
11
Stamm, G.G. 1967. Problems and procedures in determining water supply requirements for irrigation projects. In: Hagan et al (eds) Irrigation of agricultural lands. Agronomy monograph 11. American Society of Agronomy, Madison, 771–784.
12
Tian, Y., Y-P. Xu and G. Wang. 2018. Agricultural drought prediction using climate indices based on Support Vector Regression in Xiangjiang River basin. Science of the Total Environment 622–623:710–720.
13
Tigkas, D., H. Vangelis and G. Tsakiris. 2017. An Enhanced Effective Reconnaissance Drought Index for the Characterisation of Agricultural Drought. Environmental process, 4: 137–148.
14
ORIGINAL_ARTICLE
مقایسه مدل های آماری و تجربی در تعیین منحنیهای شدت-مدت-فراوانی بارش (مطالعه موردی: شهر ایلام)
منحنی های شدت- مدت- فراوانی بارش یکی از ابزارهای هیدرولوژیکی جهت محاسبه طراحی هیدرولیکی سازهها، طرحهای آبخیزداری، جمع آوری و دفع آبهای سطحی در شهرها می باشد. در این تحقیق با استفاده از مدل های تجربی قهرمان و آبخضر(1383)، وزیری(1370) و بل(1969) و همچنین مدل آماری Hyfran-Plus به محاسبه شدت بارش و تعیین منحنیهای شدت-مدت-فراوانی پرداخته شده است. در ابتدا با استفاده از شدتهای بارش در رگبارهای با تداوم کمتر از 180 دقیقه، آزمون ران تست در محیط نرم افزار SPSS و به صورت دستی برای اطمینان از همگن بودن دادهها انجام گرفت. سپس جهت محاسبه شدت بارش در دوره بازگشت های مختلف، توزیع های مختلف آماری به داده ها برازش داده شد. جهت تعیین توزیع آماری بهینه از آزمون نکویی برازش کای اسکور استفاده شد. نتایج نشان داد که توزیع آماری گاما معکوس نسبت به سایر توزیع های مورد بررسی دارای بیشترین دقت در تعیین دوره بازگشت شدت بارش می باشد. در مرحله بعد شدت بارش در دوره بازگشتهای مختلف توسط مدلهای تجربی با استفاده از دادههای روزانه بارش و بیشترین مقدار بارش روزانه محاسبه گردید. مقایسه نتایج حاصل از مدلتجربی قهرمان و مدل آماری Hyfran-Plus نشان داد که حداکثر اختلاف شدت بارش ها در تداوم های طولانی، کمتر از 6/1 درصد و در تداوم های کوتاه مدت کمتر از 2/20 درصد می باشد. همچنین اختلاف مقدار شدت بارش های پیش بینی شده برای تداوم های کوتاه مدت در مدل های تجربی وزیری و بل کمتر از 8/19 درصد می باشد.
https://www.waterjournal.ir/article_114969_aa010c90472045c21019aa23b5266249.pdf
2020-09-22
256
268
10.22125/iwe.2020.114969
تابع توزیع
مدلهای تجربی
منحنی شدت-مدت-فراوانی
Hyfran-Plus
مژده
محمدی
mohammadi10.mozhde@gmail.com
1
مهندسی آب، دانشکده کشاورزی، دانشگاه ایلام، ایلام
AUTHOR
جعفر
مامی زاده
j.mamizadeh@ilam.ac.ir
2
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران
LEAD_AUTHOR
اقبال
احسان زاده
eehsanzadeh@gmail.com
3
مهندسی آب، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران
AUTHOR
آقاجانی، ن و کرمی، ح. 1394. استخراج منحنیهای IDF از داده های روزانه بارش(مطالعه موردی ایستگاه سینوپتیک مشهد). دهمین کنگره بین المللی مهندسی عمران، دانشکده مهندسی عمران، تبریز.
1
امیری، ا.، صائبی، ع. و آقابیگی، ع.ا . 1393. تعیین منحنیهای شدت-مدت-فراوانی IDF در غرب، مرکز و شرق استان گیلان (مطالعه موردی: ایستگاههای آستارا، رشت و رامسر. دومین همایش ملی معماری، عمران و محیط زیست.
2
آذینمهر، م. جندقی، ن .1389. مقایسه دادههای شدت-مدت-فراوانی بارش مدل وزیری و قهرمان با دادههای ایستگاه (مطالعه موردی: ایستگاه اهواز). مجموعه مقالات ششمین همایش ملی علوم و مهندسی آبخیزداری و چهارمین همایش ملی فرسایش و رسوب.
3
بختیاری، ب .، پورموسوی، ش و سیاری، ن. 1393. بررسی اثر تغییر اقلیم بر منحنی های شدت - مدت- فراوانی بارش ایستگاه بابلسر طی دوره زمانی 2030-2011. نشریه آبیاری و زهکشی ایران. شماره 4، جلد 8.
4
داودمقامی، د.، جهانگیر، ع.، محسنیموحد، ا. و موحد، م.1388. کالیبراسیون مدلهای ریاضی شدت-مدت-فراوانی بارش (IDF) در ایستگاههای بارانسنج ثبات در استان اصفهان. دهمین سمینار سراسری آبیاری و کاهش تبخیر.
5
شرکت مهندسان مشاور یاران نمود پارس.1395. مطالعات کانال های سیلاب رو شهر ایلام. کارفرما: شهرداری ایلام
6
فتحی، ن.، رادمنش، ف و بارانی، غ.ع. 1387. تعیین منحنیهای شدت-مدت-فراوانی (IDF) در ایستگاه باراننگاری ایدنک واقع در حوضه آبریز مارون، اولین کنفرانس بینالملل بحران آب، دانشگاه زابل.
7
قهرمان، ب. و آبخضر، ح.ر. 1383. اصلاح روابط شدت-مدت-فراوانی بارندگی در ایران. مجله علوم و فنون کشاورزی و منابع طبیعی، سال هشتم، شماره 2.
8
قهرمان، ب و سپاس خواه،ع. 1369. تخمین رابطه شدت-تناوب بارندگی در ایران با استفاده از باران یکساعته ده سال. مجموعه مقالات سومین کنگره بین المللی مهندسی راه و ساختمان.
9
کریمی، و .، سلیمانی، ک .، حبیب نژادروشن، م و شاهدی، ک. 1392. مقایسه برخی روش های تعیین الگوی توزیع زمانی بارش جهت برآورد سیلاب های شهری؛ مطالعه موردی بابلسر. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال چهارم، شماره سیزدهم.
10
وزیری، ف.1370. تجزیه و تحلیل رگبارها در نقاط مختلف ایران. جهاد دانشگاهی دانشگاه خواجه نصیر الدین طوسی، واحد طرح و تحقیقات.
11
Bell, F.C. 1969. Generalized rainfall depth-duration frequency relationships. Journal of Hydraulic, 95(1): 331-327.
12
Elsebaie, I.H. 2012. Developing Rainfall Intensity-Duration-Frequency Relationship for Two Regions in Saudi Arabia. Journal of King Saud University Engineering Science, 24(2): 131-140.
13
Minh Nhat,L., Tachikawa, Y. and Takara, K. 2006. Establishment of Intensity-Duration-Frequency Curves for Precipitation in The Monsoon Area of Vietnam. Annuals of Disas. Prev. Rest. Inst., Kyoto University, No 49B.
14
Maurino, M.F. 2004. Generalized rainfallduration-frequency relationships: Application in different climate regions of Argentina. J. Hydrol. Engrng., ASCE, 9(4), 269-274.
15
Soltani S. Helfi R. Almasi P. Modarres R. 2017. Regionalization Of Rainfall Intensity-Duration-Frequency Using A Simple Scaling Model. Water Resour Manage, 31(13): 4253-4273.
16
Tfwala C.M. Van Rensburg L.D. Schall R. Mosia S.M. Dlamini P. 2017. Precipitation Intensity-Duration-Frequency Curves and Their Uncertainties for Ghaap Plateau. Climate Risk Management, 16(1):1-9.
17
Zameer Ahmed, D., Rammohn Rao, k., Ram Mohan Reddy, K. and Raj, E. 2012. Rainfall Intensity Variation for Observed Data and Derived Data (Case of Study Of IMPHAI). Journal of Engineering and Applied Sciences, 7 (11): 1506-1513.
18
ORIGINAL_ARTICLE
رابطه بین خشکسالی هواشناسی و کیفیت آب زیرزمینی در اقلیمهای خشک و نیمه خشک (مطالعه موردی: استان اصفهان)
در پژوهش حاضر جهت بررسی تاثیر تغییرات بارش بر کیفیت آب زیرزمینی در اقلیم خشک و نیمهخشک استان اصفهان، 6 حوضه و ایستگاههای هواشناسی انتخاب گردید و از دادههای 72 ایستگاه هواشناسی استان اصفهان در دوره آماری 1392-1382 و داده های 350 حلقه چاه مشترک برای بررسی تغییرات کیفیت آب زیرزمینی استفاده شد. سپس با بررسی دادههای کیفی، پایینترین دادههای پارامترهای EC، Ca، Mg، pH، Na، Cl، در نرم افزار Excel ثبت و در محیط نرمافزار ArcGIS فراخوانی و پهنهبندی تغییرات صورت گرفت. در بررسی خشکسالی هواشناسی نیز از بارندگی ماه شهریور به عنوان نماینده خشکترین ماه استان اصفهان، به کمک نرم افزارDIP، آنالیز سری زمانی 6، 12، 18 و 24 ماهه انجام شده و سری زمانی دارای بیشترین همبستگی در پهنهبندیها مورد استفاده قرار گرفت. سپس سری زمانی دارای همبستگی در شش زیر حوضه مطالعاتی در نرمافزار ArcMap پهنهبندی گردید. نتایج مطالعه در ارزیابی همبستگی بین خشکسالی هواشناسی و کیفیت آب زیرزمینی، با روش آماری پیرسون، در سری زمانی 18 ماه همبستگی مثبت نشان داد. در حوضههای مورد مطالعه روند منفی بارش، روند مثبت شوری، کلسیم، منیزیم، اسیدیته، کلر و سدیم در آب زیرزمینی از حوضههای غربی به سمت حوضههای شرقیتر مشاهده میشود. نتایج نشان میدهد که حداقل تغییرات میلیمتری در بارندگی از یک حوضه به حوضه دیگر در استان اصفهان، کیفیت آب زیرزمینی را در هر یک از شش حوضه تحت تاثیر قرار میدهد و در پی رخداد خشکسالی کیفیت آب زیرزمینی روند نزولی دارد.
https://www.waterjournal.ir/article_114970_3abbf99c222b1d10db87bc1f8f2aedf5.pdf
2020-09-22
269
285
10.22125/iwe.2020.114970
پهنهبندی
تغییرات بارش
روش پیرسون
سری زمانی
همبستگی
مرجان
طالبی نیا
mtalebiniya@ut.ac.ir
1
گروه احیای مناطق خشک و کوهستانی دانشکده منابع طبیعی دانشگاه تهران
AUTHOR
حسن
خسروی
hakhosravi@ut.ac.ir
2
گروه احیای مناطق خشک و کوهستانی دانشکده منابع طبیعی دانشگاه تهران
LEAD_AUTHOR
آذره، ع.، ن. رفیعی سارودی، ع. نظری سامانی، ر. مسعودی و ح. خسروی. 1394. مطالعه تغییرات فضایی و زمانی آبهای زیرزمینی در دشت گرمسار. مجله مدیریت بیابان، شماره 3، ص 20-11.
1
آل بوعلی، ع.، ر. قضاوی و ج. ساداتی نژاد. 1395. بررسی اثرات خشکسالی بر منابع آب زیرزمینی با استفاده از شاخص SPI (مطالعه موردی، دشت کاشان). مجله علمی پژوهشی مهندسی اکوسیستم بیابان، سال پنجم، شماره 10، ص 13-22.
2
احمدی، س. ح. و الف. صدق آمیز. 1386. تجزیه و تحلیل زمین شناسی تغییرات آب زیرزمینی. نظارت و ارزیابی محیط زیست، شماره 129، جدل 1-3، ص 294-277.
3
اژدری، ک.، غ و الف. کاظمی. 1393. تغییرات کیفیت و کمیت آب زیرزمینی در شاهرود، شمال شرق ایران. مجله هیدروژئولوژی، شماره 22، جلد 2، ص 480-469.
4
اکبری، م.، م. اونق، ح. عسگری، الف. سعدالدین و ح. خسروی. 1395. نظارت بر خشکسالی تحت تاثیر تغییرات آب و هوایی به کم شاخص های SPI و RDI (مطالعه موردی: مناطق نیمه خشک در غرب استان گلستان). شماره 4، جلد 4، ص 1585- 1602.
5
خسروشاهی، م. 1386. شاخص های مهم بیابانزایی و معرفی پایگاه های تحقیقاتی مرتبط. مجله فصلی جنگل و مرتع، سازمان جنگل ها، مدیریت مرتع و آبخیزداری، شماره 74، ص 22-18
6
زینالی، ب.، م. فریدپور و ص. اصغری سراسکانرود. 1395. بررسی تاثیر خشکسالی هواشناسی و هیدرولوژیکی بر ویژگی های کمی و کیفی آب های زیرزمینی (مطالعه موردی: دشت مرند). پژوهشنامه مدیریت حوزه آبخیز، سال 7، شماره 14، ص 177-187.
7
شمسایی، الف. 1381. هیدرولیک جریان آب در محیط متخلخل، بخش هیدروگراف واحد سفره های آب زیرزمینی. (جلد دوم) مهندسی آبهای زیرزمینی، چاپ دوم، انتشارات دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، ص560.
8
قضاوی، ر. و م. رمضانی سربندی. 1396. بررسی تاثیرات تغییرات میزان بارش و برداشت از آبهای زیرزمینی بر تغییرات کمی و کیفی آب آبخوان (مطالعه موردی: دشت رفسنجان). هیدروژئومورفولوژی، دوره 3، شماره 12، ص 111-129.
9
طالبی نیا، م.، غ. زهتابیان، آ. ملکیان و ح. خسروی. 1395. بررسی کیفیت آب زیرزمینی دشت سگزی برای مصارف شرب. مجله تحقیقات بین المللی علوم کاربردی و علوم پایه، شماره 5، جلد 10، ص 544-538.
10
ظهرابی، ص.، م. طالبی نیا و خ. آبخیزی. 1396. مقایسه کیفیت آب زیرزمینی استان اصفهان برای آبیاری بارانی و تحت فشار. کنفرانس بین المللی مدیریت منابع طبیعی در کشور های درحال توسعه، دانشگاه تهران.
11
مرکز مطالعات منابع آب (تماب)، 1397.
12
سلطانی گردفرامرزی، م.، غ. مظفری و ش.، شفیعی، 1397. تحلیل اثرات خشکسالی های اقلیمی اخیر بر میزان شوری آبهای زیرزمینی با استفاده از روش های زمین آماری و GIS در دشت یزد- اردکان. فصلنامه علمی- پژوهشی اطلاعات جغرافیایی، دوره 27. شماره 106، ص 179-200.
13
طباطبایی، م.، غ. زهتابیان، م. رحیمی، ح. خسروی و ش. نیکو. 1393. تجزیه و تحلیل کمی وکیفی آب های زیرزمینی و ناهنجاری های آب و هوایی موثر بر روند بیابان زایی در گرمسار. مجله مطالعات جغرافیایی مناطق خشک. دوره 3، شماره 3، ص 68-55.
14
فاریابی، م. و ج. مظفری زاده. 1396. تاثیر خشکسالی بر کمیت و کیفیت منابع آب زیرزمینی دشت بوشکان. چهاردهمین همایش ملی آبیاری و کاهش تبخیر. کرمان.
15
کارآموز، م و ش. عراقینژاد. 1389. هیدرولوژی پیشرفته، انتشارات دانشگاه صنعتی امیرکبیر، 460 ص.
16
کیانی، ع. و م. خوش روش. 1390. آب و امنیت غذایی. مجله علمی تخصصی کشاورزی، سال31، شماره 215.
17
مظفری، ع.، غ. خسروی، ی. عباسی و ف. توکلی. 1390. ارزیابی روش های زمینآماری برای شاخص های تحلیل فضایی SPI و EDI. مجله جهانی علوم کاربردی، دوره 4، 482-474.
18
Abramowitz, M., I. A. Stegun. 1965. Handbook of mathematical functions: with formulas, graphs, and mathematical tables (Vol. 55). Courier Corporation.
19
Bahrami, M., Bazrkar, S. and Zarei, A.R. 2018. Modeling, prediction and trend assessment of drought in Iran using standardized precipitation index. Journal of Water and Climate Change, 10(1), 181-196.
20
Barker, L.J., J. Hannaford, A. Chiverton, C. Svensson. 2016. From meteorological to hydrological drought using standardised indicators. Hydrol. Earth Syst. Sci. 20 (6), 2483–2505.
21
Hayes, M.J., M.D. Svobada, D.A. Wilhite, O.V. vanyarkho. 1999. Monitoring the 1996 Drought using the standardized precipitation index. Balltin of the American Meteorological society, 80, 429- 438.
22
Huang, S., Q. Huang, J. Chang, G. Leng. 2016. Linkages between hydrological drought, climate indices and human activities: a case study in the Columbia River basin. International Journal of Climatology, 36(1), 280-290.
23
Khosravi, H., Sajedi Hosseini, F., Nasrollahi, M., & Gharechaee, H. R. (2017). Trend analysis and detection of precipitation fluctuations in arid and semi-arid regions. Desert, 22(1), 77-84.
24
Kundzewicz, Z. W. 2004. Searching for change in hydrological data. Hydrological Sciences Journal/Journal des Sciences Hydrologiques, 49(1), 3-6.
25
Kundzewicz, Z., A.J. Robson. 2004. Change detection in hydrological records-a review of the methodology. Journal of Hydrology Science, 49, 7–19.
26
Lorenzo-Lacruz, J., C. Garcia, E. Morán-Tejeda. 2017. Groundwater level responses to precipitation variability in Mediterranean insular aquifers. Journal of Hydrology, 552, 516-531.
27
McKee, T.B., N.J. Doesken, J. Kleist. 1993. January. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, 17(22), 179-183.
28
Pawar, S., B. Panaskard, V. M. Wagh. 2014. Characterization of groundwater using water quality index of solapur industrial, (case study: Maharashtra, INDIA). International journal of Research in Engineering &Technology, 2(4), 31_36.
29
Porter, T.M. 2010. Karl Pearson: The scientific life in a statistical age. Princeton University Press.
30
Ranjpisheh, M., Zehtabian, G.R. and Khosravi, H., 2018. Assessment of drought and landuse changes: Impacts on groundwater quality in Shabestar basin, North of Lake Urmia. Desert, 23(1), 9-19.
31
Shayan Nejad, M., Ebrahimzadr, Z., Javaheri, M., Zamani, N., Eslamian, S. 2017. Evaluation of Groundwater Quality for Industrial Using GIS in Mountainous Region of Isfahan Province, Koh-Payeh, Isfahan, Iran. International Journal of Constructive Research in Civil Engineering (IJCRCE). 3(3), 37-24.
32
Zengchao, H.., AghaKouchak, A. 2013. Multivariate Standardized Drought Index: A parametric multi-index model. Advances in Water Resources, 57, 12–18.
33
ORIGINAL_ARTICLE
بهینه سازی موقعیت حسگرهای کیفی در شبکه های توزیع آب به منظور شناسایی ورود همزمان آلودگی از چند گره
شبکههای آبرسانی از زیرساختهای حیاتی هستند که باید از حملات عمدی و تصادفی محافظت شوند. کیفیت آب در تصفیهخانهها مورد بررسی قرار میگیرد، با این حال، میتواند به طور قابل توجهی در هنگام انتقال از تصفیهخانه تا وقتی که به دست مصرف کنندگان میرسد، دستخوش تغییرات شود. مکان ورود آلاینده به شبکه غیرقابل پیشبینی است. همچنین آلودگی میتواند همزمان از چند مکان به شبکه وارد شود. وجود آلودگی در شبکه را میتوان توسط حسگرهای نظارت بر کیفیت آب و سیستم هشداردهنده آلودگی نصب شده در شبکه، تشخیص داد. عملکرد یک سیستم هشداردهنده آلودگی به تعداد حسگرهای نصب شده در شبکه و موقعیت آنها بستگی دارد. در این تحقیق با فرض ورود آلودگی بصورت عمدی در یک یا دو گره، تعداد حسگرهای نصب شده در شبکه بین یک تا چهار حسگر متغیر در نظر گرفته شد. همچنین چهار تابع هدف برای انتخاب موقعیت و تعداد بهینه حسگر مورد بررسی قرار گرفت. شبکه در بازه زمانی طولانی مدت تحلیل شد و از طریق برقراری ارتباط پویا بین EPANET و Matlab در هر حالت نصب حسگر، حجم آب آلوده مصرف شده و وسعت منطقه آلوده شده بررسی شد و مقادیر توابع هدف محاسبه و مقایسه شد و بهترین حالتها برگزیده شد. روش مورد استفاده توانست برای توابع هدف مختلف، بهترین موقعیت برای نصب حسگر ها را شناسایی کند.
https://www.waterjournal.ir/article_114971_371b3bbe69fc5e8dbd3c74db7f8af8a0.pdf
2020-09-22
286
304
10.22125/iwe.2020.114971
شبکههای توزیع آب
ورود آلودگی
ورود آلودگی در چند گره
سنسورهای تشخیص آلودگی
شکوفه
شفیعی
shokoofeshafiei91@birjand.ac.ir
1
گروه عمران، دانشکده مهندسی، دانشگاه بیرجند
AUTHOR
علی
نصیریان
a.nasirian@birjand.ac.ir
2
گروه عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، استان خراسان جنوبی
LEAD_AUTHOR
حسین
نصیرپور
hossein.nasirpoor@yahoo.com
3
گروه عمران، دانشگاه بیرجند
AUTHOR
Afshar, A and M.A. Mariño. 2012. Multi-objective coverage-based ACO model for quality monitoring in large water networks. Water resources management, 26(8):2159-2176.
1
Banik, B. K., L. Alfonso., C. Di Cristo and A. Leopardi. 2017. Greedy algorithms for sensor location in sewer systems. Water, 9(11): 856.
2
Berry, J.W., L. Fleischer., W. E. Hart., C. A. Phillips and J. P. Watson. 2005. Sensor placement in municipal water networks. Water Resources Planning and Management, 131(3): 237-243.
3
Chang, N. B., N. P. Pongsanone., and A. Ernest. 2012. A rule-based decision support system for sensor deployment in small drinking water networks. Cleaner Production, 29: 28-37.
4
Di Nardo, A., M. Di Natale, M. Guida and D. Musmarra. 2013. Water network protection from intentional contamination by sectorization. Water resources management, 27(6): 1837-1850.
5
He, G., T. Zhang., F. Zheng and Q. Zhang 2018. An Efficient Multi-Objective Optimization Method for Water Quality Sensor Placement within water distribution systems considering contamination probability variations. Water Research.
6
Housh, M and Z. Ohar 2017. Integrating physically based simulators with event detection systems: Multi-site detection approach. Water research, 110: 180-191.
7
Khorshidi, M. S., M. R. Nikoo and M. Sadegh. 2018. Optimal and objective placement of sensors in water distribution systems using information theory. Water research, 143: 218-228.
8
Klise, K. A., , C. A. Phillips and R. J. Janke. 2013. Two-tiered sensor placement for large water distribution network models. Infrastructure Systems, 19(4): 465-473.
9
Lee, B. H., and R. A. Deininger. 1992. Optimal locations of monitoring stations in water distribution system. Environmental Engineering, 118(1): 4-16.
10
Mac Kenzie, W. R., N. J. Hoxie., M. E, Proctor., M. S. Gradus., K. A. Blair., D. E. Peterson., N. B. Chang., N. P. Pongsanone and A. Ernest. 2012. A rule-based decision support system for sensor deployment in small drinking water networks. Cleaner Production, 29: 28-37.
11
Mukherjee, R., U. M. Diwekar., and A. Vaseashta 2017. Optimal sensor placement with mitigation strategy for water network systems under uncertainty. Computers & Chemical Engineering, 103: 91-102.
12
Ostfeld, A., A. Kessler and I. Goldberg. 2004. A contaminant detection system for early warning in water distribution networks. Engineering Optimization. 36(5): 525-538.
13
Palleti, V. R., S. Narasimhan., R. Rengaswamy., R Teja and S. M. Bhallamudi. 2016. Sensor network design for contaminant detection and identification in water distribution networks. Computers & Chemical Engineering, 87: 246-256.
14
Rathi, S and R.Gupta. 2014. Monitoring stations in water distribution systems to detect contamination events. ISH Journal of Hydraulic Engineering, 20(2): 142-150.
15
Rathi, S and R. Gupta. 2016. A simple sensor placement approach for regular monitoring and contamination detection in water distribution networks. KSCE Civil Engineering, 20(2): 597-608.
16
Rossman, L. A. (2000). EPANET 2: users manual.
17
Sankary, N and A. Ostfeld. 2017. Scaled multiobjective optimization of an intensive early warning system for water distribution system security. Hydraulic Engineering, 143(9): 04017025.
18
Yan, X., W. Gong., and Q. Wu 2017. Contaminant source identification of water distribution networks using cultural algorithm. Concurrency and Computation: Practice and Experience, 29(24): e4230.
19
ORIGINAL_ARTICLE
ارزیابی مدل AquaCrop در تخمین عملکرد برنج تحت کشت آبیاری تناوبی
< p dir="RTL">کشت برنج در شمال ایران که از لحاظ استراتژیک و اقتصادی بسیار مهم میباشد، مستلزم تغییر مدیریت آبیاری با استفاده از روش آبیاری سنتی (آبیاری غرقابی) است. مدلهای گیاهی که بتواند عملکرد محصول را در مدیریتهای مختلف آبیاری و شرایط مختلف شبیهسازی کند، بسیار سودمند در صرف وقت و هزینه خواهد بود. در این پژوهش از آخرین نسخه مدل AquaCrop استفاده شد. در همین راستا، پژوهشی بهمنظور مقایسه سطوح مختلف دور و مقدار آبیاری و تأثیر آن بر میزان مصرف آب، عملکرد شلتوک و بهرهوری آب برنج در اراضی شالیزاری شهرستان بابلسر واقع در استان مازندران در تابستان 1397 به انجام رسید. این آزمایش در قالب طرح بلوکهای کامل تصادفی، در سه تکرار و چهار تیمار در مجموع در 12 کرت آزمایشی انجام شد. تیمارها به ترتیب عبارت بودند از TI (آبیاری سنتی/ غرقابی)، AI1، AI3 و AI5 (آبیاری تناوبی به ترتیب یک، سه و پنج روز پس از ناپدید شدن آب از سطح خاک). بعد از اعمال شیوههای مختلف آبیاری و ثبت میزان آب تجمعی دادهشده به تیمارها، میزان عملکرد دانه و بهرهوری آب نیز مشخص شد. برای کمی سازی و صحت سنجی اثرات مدیریتهای مختلف آب بر عملکرد برنج؛ واسنجی، اعتبارسنجی و آنالیز حساسیت مدل بر اساس اندازهگیریهای مزرعهای انجام شد. بعد از واسنجی، مدل برای چهار تیمار مذکور اجرا شد و نتایج نشان داد که مدل توانست عملکرد محصول را با دقت بالا (81/0
https://www.waterjournal.ir/article_114972_a1faba8c3e66db4c7ece7e08512033fa.pdf
2020-09-22
305
320
10.22125/iwe.2020.114972
آبیاری غرقابی
بهرهوری آب
AquaCrop
شالیزار
شبیهسازی
مسعود
پورغلام آمیجی
mpourgholam6@ut.ac.ir
1
گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
AUTHOR
عبدالمجید
لیاقت
aliaghat@ut.ac.ir
2
گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
LEAD_AUTHOR
مجتبی
خوش روش
khoshravesh_m24@yahoo.com
3
دانشیار، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
AUTHOR
ابراهیمی پاک، ن.، اگدرنژاد، ا. و خدادادی دهکردی، د. 1397. ارزیابی مدل Aquacrop در شبیهسازی عملکرد ذرت تحت تیمارهای کمآبیاری و کاربرد سطوح مختلف سوپر جاذب. فصلنامه علمی پژوهشی مهندسی آبیاری و آب ایران، 8 (3): 184-166.
1
پورغلام آمیجی، م.، لیاقت، ع.، نازی قمشلو، آ. و خوشروش، م. 1397. اثر آب زیرزمینی کمعمق و شور روی رشد و زیستتوده برنج. نشریه پژوهش آب در کشاورزی، 32 (4): 516-499.
2
حسنلی، م.، افراسیاب، پ. و ابراهیمیان، ح. 1394. ارزیابی مدلهای AquaCrop و SALTMED در تخمین عملکرد محصول ذرت و شوری خاک. تحقیقات آب و خاک ایران، 46 (3): 498-487.
3
ذبیحی، ا.، درزی نفت چالی، ع. و خوشروش. م. 1394. عملکرد برنج تحت مدیریتهای زهکشی سطحی و زیرزمینی و ارزیابی مدل آکواکراپ. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، 5 (20): 162-149.
4
ذبیحی، ا.، درزی نفت چالی، ع. و خوشروش. م. 1395. آنالیز اثر تنش خشکی بر عملکرد، کارایی مصرف آب و شوری ناحیه ریشه برنج. تنشهای محیطی در علوم زراعی، 9 (4): 385-375.
5
لیاقت، ع.، پورغلام آمیجی، م. و مشهوری نژاد، پ. 1397. اثر آبیاری سطحی و زیرسطحی با آب شور و مالچ بر عملکرد و بهرهوری آب ذرت و توزیع املاح در خاک. نشریه آب و خاک (علوم و صنایع کشاورزی)، 32 (4): 674-661.
6
آمارنامه کشاورزی. 1398. وزارت جهاد کشاورزی. جلد اول-محصولات زراعی، سال زراعی 97-1396، 95 ص.
7
Abdul-Ganiyu, S., Kyei-Baffour, N., Agyare, W. A., & Dogbe, W. 2018. Evaluating the Effect of Irrigation on Paddy Rice Yield by Applying the AquaCrop Model in Northern Ghana. In Strategies for Building Resilience against Climate and Ecosystem Changes in Sub-Saharan Africa (pp. 93-116). Springer, Singapore.
8
Amiri, E., Razavipour, T., Farid, A & Bannayan, M. 2011. Effects of Crop Density and Irrigation Management on Water Productivity of Rice Production in Northern Iran: Field and Modeling Approach, Communications in Soil Science and Plant Analysis, 42 (17): 2085-2099.
9
Bhuiyan, S. I. 1992. Water management in relation to crop production: case study on rice. Outlook on Agriculture, 21 (4): 293-299.
10
Fadul, E., Masih, I., De Fraiture, C., & Suryadi, FX. (2020). Irrigation performance under alternative field designs in a spate irrigation system with large field dimensions. Agricultural Water Management, 231: 105989.
11
FAO. 2017. AquaCrop update and new features (Version 6.0), Food and Agriculture Organization of the United Nations, Rome.
12
Loague, K., & Green, R. E. 1991. Statistical and graphical methods for evaluating solute transport models: overview and application. Journal of contaminant hydrology, 7 (1-2): 51-73.
13
Monaco, F., & Sali, G. 2018. How water amounts and management options drive Irrigation Water Productivity of rice. A multivariate analysis based on field experiment data. Agricultural Water Management, 195: 47-57.
14
Mote, K., Rao, V. P., Ramulu, V., Kumar, K. A., & Devi, M. U. 2017. Standardization of alternate wetting and drying (AWD) method of water management in low land rice (Oryza sativa (L.)). International Journal of Plant Production, 11 (4): 515-532.
15
Pan, J., Y. z. Liu., X. Zhong., R. M. Lampayan., G.R. Singleton., N. Huang., K. Liang., B.Peng., & K. Tian. 2017. Grain yield, water productivity and nitrogen use efficiency of rice under different water management and fertilizer-N inputs in South China. Agriculture Water Management, 184: 191–200.
16
Pirmoradian, N., & Davatgar, N. 2019. Simulating the effects of climatic fluctuations on rice irrigation water requirement using AquaCrop. Agricultural water management, 213: 97-106.
17
Singh, R., Helmers, M. J., & Qi, Z. 2006. Calibration and validation of DRAINMOD to design subsurface drainage systems for Iowa''s tile landscapes. Agricultural Water Management, 85 (3): 221-232.
18
Tuong, T. P., Bouman, B. A. M., & Mortimer, M. 2005. More rice, less water–integrated approaches for increasing water productivity in irrigated rice based systems in Asia. Plant Production Sciences, 8 (3): 229-239.
19
Xu, J., Bai, W., Li, Y., Wang, H., Yang, S., & Wei, Z. 2019. Modeling rice development and field water balance using AquaCrop model under drying-wetting cycle condition in eastern China. Agricultural Water Management, 213: 289-297.
20
Yang, J., Zhou, Q., & Zhang, J. 2017. Moderate wetting and drying increases rice yield and reduces water use, grain arsenic level, and methane emission. The Crop Journal, 5(2): 151-158.
21
ORIGINAL_ARTICLE
تاثیر سطوح مختلف آبیاری بر عملکرد و اجزای عملکرد گیاه فلفل دلمهای در گلخانه
کمآبیاری اثرات متفاوتی بر رشد، متابولیسم و عملکرد گیاه دارد که این امر تأثیر عمدهای بر فتوسنتز دارد. این پژوهش بهمنظور بررسی اثر سطوح مختلف آبیاری بر عملکرد، اجزای عملکرد و بهرهوری مصرف آب گیاه فلفل دلمهای (Capsicum annuum L.)، در گلخانه تحقیقاتی گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان، درقالب طرح کاملاً تصادفی با 3 تکرار در سال 1394 انجام گرفت. تیمار رژیم آبیاری شامل 4 سطح 70، 85، 100 و 125 درصد نیاز آبی بود. نتایج نشان داد که میزان آب آبیاری بر تعداد میوه، وزن تر و خشک میوه، عملکرد و بهرهوری مصرف آب در سطح یک درصد معنیدار بود. حداکثر عملکرد محصول و حداکثر بهرهوری مصرف آب در تیمار 100 درصد نیاز آبی بهمیزان 1/4 کیلوگرم در متر مربع و 1/5 کیلوگرم در متر مکعب بهدست آمد. همچنین مشاهده شد که با کاهش مصرف آب بهمیزان 15 درصد نیاز آبی، عملکرد محصول و بهرهوری مصرف آب به ترتیب 6/69 و 9/63 درصد کاهش یافته و با افزایش مصرف آب بهمیزان 25 درصد نیاز آبی، عملکرد محصول و بهرهوری مصرف آب به ترتیب 1/7 و 6/42 درصد کاهش یافت. نتایج نشان داد که فلفل دلمهای به افزایش و کاهش نیاز آبی حساس است. از طرفی افزایش و کاهش میزان آب آبیاری وزن تر و خشک میوه و تعداد میوه برداشت شده را نیز کاهش داد.
https://www.waterjournal.ir/article_114974_1512da89f00ce6dc65c1904d2ce448e8.pdf
2020-09-22
321
333
10.22125/iwe.2020.114974
بهرهوری مصرف آب
بیشآبیاری
شرایط گلخانهای
فلفل
کمآبیاری
فراست
سجادی
farasatsajadi@gmail.com
1
گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
ابوطالب
هزارجریبی
hezarjaribi@gau.ac.ir
2
گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
LEAD_AUTHOR
صابر
جمالی
saber.jamali@mail.um.ac.ir
3
دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
AUTHOR
اسماعیلپور، ب.، و اکبری، م. 1392. ارزیابی تأثیر کمآبیاری بر خصوصیات رشدی، عملکرد و کیفیت پس از برداشت دو رقم گوجه فرنگی در شرایط آب و هوایی میاندوآب. بومشناسی کشاورزی. 5(2): 178-187.
1
جمالی، ص. 1395. بررسی اثر سطوح مختلف شوری و کمآبیاری بر عملکرد و اجزای عملکرد گیاه کینوا. پایان نامه کارشناسی ارشد آبیاری و زهکشی. دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
2
جمالی، ص.، شریفان، ح.، هزارجریبی، ا. و سپهوند، ن. 1395. بررسی تأثیر سطوح مختلف شوری بر جوانهزنی و شاخصهای رشد دو رقم گیاه کینوا. حفاظت منابع آب و خاک. 6(1): 87-97.
3
حیدری، ن.، خیرابی، ج.، علایی، م.، فرشی، ع.ا.، کاظمی، پ.، وزیری، ژ.، انتصاری م.ر.، دهقانی سانیج، ح.، سادات میری، م.ح.، و میرلطیفی، م. ۱۳۸۶. کارآیی مصرف آب در کشت گلخانهای. ناشر کمیته ملی آبیاری و زهکشی ایران. صفحه ۱۸۰.
4
دهقان، ه.، علیزاده، ا.، اسماعیلی، ک. و نعمتی، س. ح. 1394. رشد ریشه، عملکرد و اجزای عملکرد گوجه فرنگی در تنش خشکی. پژوهش آب در کشاورزی. 29(2): 169-179.
5
سجادی، ف.، شریفان، ح.، هزارجریبی، ا. و قربانی، ق. 1395. تأثیر تنش شوری و بیش آبیاری بر عملکرد و اجزای عملکرد فلفل سبز. مدیریت آب و آبیاری. 6(1): 89-100.
6
سپاسخواه، ع.ر.، ع. توکلی و ف. موسوی. 1385 .اصول و کاربرد کم آبیاری. انتشارات کمیته ملی آبیاری و زهکشی ایران. تهران. 287 ص.
7
شرایعی، پ.، سبحانی، ع. و رحیمیان، م. ح. 1385. تأثیر سطوح مختلف آب آبیاری و کود پتاسیم بر کارآیی مصرف آب و کیفیت میوه گوجه فرنگی رقم پتو ارلی سی اچ. تحقیقات مهندسی کشاورزی. 7(2): 75-86.
8
شریفان، ح.، میرزایی، ش. و سپلسپور، م. 1393. بررسی تأثیر سطوح مختلف ابرجاذب (هیبروزوم دانه متوسط) و تنش آبی بر اجزای عملکرد ذرت علوفهای. نشریه آبیاری و زهکشی. 8(4): 705-712.
9
شمس بیرانوند، م.، برومند نسب، س. و ملکی، ع. 1393. اثر سطوح مختلف آبیاری بر عملکرد، کارآیی مصرف آب و شاخص برداشت ارقام سویا در خرم آباد. علوم و مهندسی آبیاری. 37(3): 13-20.
10
صدرقاین، س. ح. اکبری، م.، افشار، ه. و نخجوانیمقدم، م. 1389. اثر سه روش آبیاری میکرو و سطوح مختلف آبیاری بر عملکرد گوجه فرنگی. آب و خاک. 24(3): 574-582.
11
طباطبایی، س. ح.، مردانینژاد، س. و زارع ابیانه، ح. 1393. اثر تنش آبی بر رشد، عملکرد و کارایی مصرف آب فلفل قلمی در شرایط گلخانهای. پژوهش آب در کشاورزی. 28(1): 63-71.
12
عابدی کوپایی، ج.، اسلامیان، س. س. و زارعیان، م. ج. 1390. اندازهگیری و مدلسازی نیاز آبی و ضریب گیاهی خیار، گوجهفرنگی و فلفل با استفاده از میکرولایسیمتر در گلخانه. علوم و فنون کشتهای گلخانهای. 2(7): 51-63.
13
علیزاده، ا. 1390. رابطه آب خاک و گیاه. انتشارات آستان قدس رضوی. 376 صفحه.
14
قدمی فیروزآبادی، ع.، شاهنظری، ع.، رائینی سرجاز، م. و زارع ابیانه، ح. 1394. اثر کمآبیاری تنظیم شده و کمآبیاری ناقص ریشه بر عملکرد، فلورسانس کلروفیل و پارامترهای رشد آفتابگردان. پژوهش آب در کشاورزی. 29(2): 157-167.
15
کافی م.، م. صالحی و ح. ر. عشقی زاده. ١٣٨٩ . کشاورزی شورزیست: راهبردهای مدیریت گیاه، آب و خاک (تألیف). انتشارات دانشگاه فردوسی مشهد.
16
گلکار، ف.، فرهمند، ع. و فرداد، ح. 1387. بررسی تأثیر میزان آب آبیاری بر عملکرد و بازده مصرف آب در گوجهفرنگی. مجله مهندسی آب. 1: 13-20.
17
Abubaker, B. M. A., Shuang, Y., Chuangcheng, S., Alhadi, M. and Elsiddig, A. 2014. Effect of irrigation levels on the growth, yield and quality of potato. Bulgarian Agric Sci. 20(2): 303-309
18
Allen R.G., Preira L.S., Raes D., and Smith M. 1998. Crop evapotranspiration guidelines for computing crop water requirement. FAO Irrigation and Drainage paper, NO.56, Rome, Italy. 301 p.
19
Çolak, Y.B., Yazar, A., Sesveren, S. and Colak, I., 2017. Evaluation of yield and leaf water potantial (LWP) for eggplant under varying irrigation regimes using surface and subsurface drip systems. Scie Horti, 219, pp.10-21.
20
Cosic, M., Djurovic, N., Todorovic, M., Maletic, R., Zecevic, B., Stricevic, R., 2015. Effect of irrigation regime and application of kaolin on yield: quality and water use efficiency of sweet pepper. Agric. Water Man. 159, 139–147.
21
Ekren, S., Sönmez, Ç. Özçakal, E., Kurttaş, Y.S.K., Bayram, E. and Gürgülü, H. 2012. The effect of different irrigation water levels on yield and quality characteristics of purple basil (Ocimum basilicum L.). Agri waterman. 109: 155-161.
22
Ferrara, A. Lovelli, S. Tommaso, T.D.i. and Perniola, M. 2011. Flowering, Qrowth and Fruit Setting in Greenhouse Bell Pepper Under Water Stress. agro.10 (1):12- 19.
23
Karam, F., R. Massad, R. Bachour, C. Rhayem, and Y. Rouphael. 2009. Water and radiation use efficiencies in dripirrigated pepper (Capsicum annuum L.) response to full and deficit irrigation regimes. Hort Sci. 74:79–85.
24
Kiremit, M.S. and Arslan, H., 2018. Response of Leek (Allium porrum L.) to Different Irrigation Water Levels under Rain Shelter. Soil Sci and Plant Anal. : 1-10.
25
Kurunç, A., A. Ünlükara, and B. Cemek. 2011. Salinity and drought affect yield response of bell pepper similarly. Acta Agri Scan, Soil and Palnt Sci. 61 (6):514–22.
26
Sobhani, A. R. 2000. Investigation on physiologic aspects of water deficit and potasiom nutrition on potato. PhD thesis. Azad University. Science and research department.
27
Ünlükara, A., A. Kurunç, and B. Cemek. 2015. Green long pepper growth under different saline and water regime conditions and usability of water consumption in plant salt tolerance. Agri Sci. 21:167–76.
28
Yang, H., Du, T., Qiu, R., Chen, J., Wang, F., Li, Y., Wang, C., GAO, L. and Kang, S., 2017. Improved water use efficiency and fruit quality of greenhouse crops under regulated deficit irrigation in northwest China. Agri Water Man. 179: 193-204.
29