مدل‌سازی میزان رسوبات معلق در حوزه‌های آبخیز استان اردبیل با استفاده از تحلیل مؤلفه‌های اصلی و رگرسیون چندگانه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار جغرافیای طبیعی دانشگاه محقق اردبیلی

2 گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعیدانشگاه محقق اردبیلی

3 گروه جغرافیا دانشگاه محقق اردبیلی

4 کارشناس ارشد ژئومورفولوژی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

هدف از مطالعه حاضر مدل‌سازی رسوبات معلق در حوزه‌های آبخیز استان اردبیل با استفاده از تحلیل مؤلفه اصلی و رگرسیون چندگانه است. برای این منظور از اطلاعات 29 ایستگاه رسوب‌سنجی برای ایجاد مدل‌های برآورد رسوبات معلق استفاده شد. سپس مدل‌های توسعه‌یافته با اطلاعات شش ایستگاه رسوب‌سنجی دیگر اعتبارسنجی شد. تعداد 15 ویژگی مختلف فیزیوگرافی، اقلیمی، ژئومورفیک و زمین‌شناسی، به‌عنوان متغیرهای ورودی در مدل‌سازی برآورد رسوبات معلق استفاده شد. از روش تجزیه و تحلیل مؤلفه‌های اصلی، برای انتخاب مهم‌ترین متغیرها، از روش رگرسیون چندگانه برای مدل‌سازی و از معیارهای درصد خطا و ضریب تبیین تعدیل شده برای ارزیابی مدل‌ها استفاده شد. نتایج نشان داد که چهار مؤلفه اول با مقدار 39/86 درصد از کل واریانس به‌عنوان مؤلفه‌های اصلی برای انجام رگرسیون انتخاب شدند. در مؤلفه اول متغیرهای شامل طول آبراهه اصلی، بارش بیشینه، حداکثر ارتفاع، مساحت مؤثر بوده اند. طبق نتایج روش‌های رگرسیونی که در روش توام عامل‌های حداکثر ارتفاع و بارش بیشینه متغیرهای مؤثر هستند. در روش‌ گام به گام و روش پیش‌رو عامل محیط عامل مؤثر بر تولید رسوب است. در روش حذف پس رو عامل‌های حداقل ارتفاع (073/0)، حداکثر ارتفاع (001/0>)، مساحت (002/0)، محیط (053/0)، مجموع طول آبراهه اصلی (010/0)، بارش بیشینه (001/0>)، بارش متوسط (008/0)، سازندهای فرسایش‌پذیر (082/0)، بر اساس معنی‌داری به‌عنوان عامل‌های برتر برای معادله نهایی انتخاب شدند. متغیرهای تراکم زهکشی و درصد پوشش‌گیاهی از مدل‌سازی حذف شدند. نتایج حاضر ضمن معرفی عوامل تاثیرگذار بر میزان تولید رسوب در حوزه‌های آبخیز استان اردبیل، می‌تواند برای برآورد رسوب به مناطق فاقد آمار تعمیم داده شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling of Suspended Sediment Yield in Ardabil Province watersheds using PCA and Multiple Regression Analysis

نویسندگان [English]

  • Fariba Esfandiari Darabad 1
  • Raoof Mostafazadeh 2
  • Behrouz Nezafat takle 3
  • Amirhesam Pasban 4
1 Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 Department of Natural Resources, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili
3 University of Mohaghegh Ardabili, Ardabil,
4 M.Sc of Geomorphology, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده [English]

Modelling the SSY in Ardabil Province watersheds using Principal Component Analysis (PCA) and Multiple Regression Analysis (MRA) was the aim of the present study. The available suspended sediment data of 29 watersheds were used to develop the SSY estimation models through validation by six watersheds. The 15 different physiographic, climatic, geomorphic, geological variables were used in the modeling after applying PCA. Finaly, the MRA models were evaluated based on the percentage of error, and Adj-R2 as statistical measures. The results of PCA showed that the first four principal component explain about 86.39% of the total variance, which were selected as the main components for MRA input variables. The most influencial variables includes main river length, maximum precipitation, maximum elevation, and area. According to the results the Best Model with maximum height and maximum precipitation variables, Forward and Stepwise methods with perimeter variable, the Backward method with minimum elevation and maximum elevation, area, perimeter, total main stream length, maximum precipitation, mean precipitation, annual precipitation, and sensitive geological formations were selected. According to the Backward model, Minimum elevation (0.073), maximum elevation (0.001), area (0.002), perimeter (0.053), total river length (0.01), maximum precipitation (0.001), mean precipitation (0.008), and erosive geologic formations (0.082) were the final significant parameters in estimation of SSY. The drainage density and vegetation cover were excluded from the modelling process and the selected variables had a great impact on SSY over the study area, and the results can be generalized to the ungauged watersheds to SSY estimation.

کلیدواژه‌ها [English]

  • Regionalization
  • Sediment yield
  • Suspended sediment concentration
  • Modeling
  • Sediment rating curve
اصغری سراسکانرود، ص. و ا. قلعه. 1398. بررسی ارتباط بین ویژگی‌های هیدروژئومورفیک و میزان تولید رسوب (مطالعه موردی: حوزه قرنقو در استان آذربایجان شرقی). نشریه پژوهش‌های ژئومورفولوژی کمی، دوره هشتم، شماره 3، ص 164-146.
آذرم‌دل، ح.، مصطفی‌زاده، ر.، ا قاسمی. 1389. ارزیابی شبکه ایستگاه‌های سنجش کیفیت آب سطحی رودخانه گرگانرود استان گلستان، علوم و مهندسی آبخیزداری ایران، جلد 4، شماره 10، 61-57.
آقابیگی، ن.، اسمعلی، ا.، مصطفی‌زاده، ر. م گلشن. 1398. اثرات تغییر اقلیم بر رواناب با مدل هیدرولوژیکی IHACRES در برخی از حوزه‌های آبخیز استان اردبیل، مهندسی آبیاری و آب ایران، شماره 38، ص 192-181.
اسفندیاری درآباد، ف.، مصطفی‎زاده، ر.، پاسبان، ح.، ب نظافت تکله. (1401). تلفیق شاخص‌های زمینی و پوشش گیاهی برای برآورد و شناسایی خطر فرسایش خاک در حوضه آبخیز عموقین اردبیل. تحلیل فضایی مخاطرات محیطی، دوره 9، شماره 96-77.
پاک‌نژاد متکی، ح. و ع. فرجی‌راد. 1389. هیدروپلیتیک رودخانه مرزی ارس و تأثیر آن بر امنیت استان اردبیل. فصل‌نامه جغرافیایی سرزمین، سال هفتم، شماره 28، ص 96-79.
تلوری، ع. 1381. رابطه رسوب‌دهی معلق با برخی از ویژگی‌های آبخیز در سرشاخه‌های کرخه و دز در استان لرستان. فصل‌نامه پژوهش و سازندگی، دوره پانزده، شماره 57-56، ص 61-56.
ثقفیان، ب.، ب. قرمزچشمه، م. سمیعی و ر. عاشقی. 1388.عوامل مؤثر بر رسوب‌دهی معلق حوزه‌های آبخیز جنوب غربی ایران. مهندسی و مدیریت آبخیز، دوره یک،  شماره 3، ص 152-140.
حلبیان، ا. و م. حیدری. 1395. برآورد رسوب با استفاده از منحنی سنجه رسوب و بررسی تغییرات دبی آن. جغرافیا. دوره چهاردهم، شماره 51، ص 193-128.
خروشی، س.، ر. مصطفی‌زاده، ا. اسمعلی عوری و م. رئوف. 1396. ارزیابی تغییرات زمانی و مکانی شاخص سلامت هیدرولیک رودخانه در حوزه‌های آبخیز استان اردبیل. اکوهیدرولوژی، دوره چهار، شماره 2، ص 393-379.
رمضانی پور، ا.، ا. مساعدی و م. مصداقی. 1396. تعیین مناسب‌ترین روش برای برآورد رسوب معلق بر اساس آماره‌های خطاسنجی (مطالعه موردی: تعدادی از زیرحوزه‌های کشف رود). مدیریت آبخیز، سال هشتم، شماره 15، ص 124-112.
زارع چاهوکی، م. 1390. تجزیه و تحلیل داده‌ها در تحقیقات منابع طبیعی با استفاده از نرم‌افزاز (SPSS). چاپ اول، انتشارات جهاد دانشگاهی، ص 309.
طاووسی، ت. و ق. دل‌آرا. 1389. پهنه‌بندی آب و هوایی استان اردبیل. علمی فنی نیوار، شماره 71-70.
عسگری، ا.، حسینی، س.ز، ر مصطفی‌زاده. 1399. تعیین ارتباط و تغییرات مکانی مقادیر دبی و رسوب معلق در حوزه‌های استان اردبیل، جغرافیا و توسعه، دوره 18، شماره 61، ص 176-149.
فغفوری، ز.، ن، آرمان، م، فرجی و ز، خورسندی. 1396. تعیین عوامل موثر بر رسوب‌دهی با استفاده از روش‌های آماری (مطالعه موردی: حوزه سیدآباد. مهندسی و مدیریت آبخیز، دوره نهم، شماره 2، ص 204-190.
مساعدی، ا.، هاشمی نجفی، س ف.، حیدرنژاد، م.، نبی‌زاده، م.، م.ا مشکاتی شهمیرزادی. 1388. برآورد حجم رسوب گذاری در مخازن سدهای کرج و دز و مقایسه آن با نتایج هیدروگرافی. علوم کشاورزی و منابع طبیعی، دوره  16، شماره 2، ص 272-261
مصطفی‌زاده، ر.، نبوی، س.، سلیمان‌پور، م، ر آسیابی هیر. 1398. ارزیابی تغییر زمانی و مکانی آب سطحی مازاد در برخی از آبخیزهای استان اردبیل، پژوهش‌های آبخیزداری، دوره 32، شماره 2، ص 59-43.
معتمدی، ر. و م آذری، محمود. 1396. ارتباط بین ویژگی‌های ژئومورفیک با رسوب آبخیز (مطالعه موردی: زیرحوضه‌های منتخب خراسان رضوی)، پژوهش‌های فرسایش محیطی، شماره 4، جلد 28، ص 101-82.
مهری، س.، ر. مصطفی‌زاده، ا. اسمعلی عوری و ا. قربانی. 1396. تغییرات زمانی و مکانی شاخص جریان پایه در رودخانه‌های استان اردبیل. فیزیک زمین و فضا، دوره چهل و سوم، شماره 3، ص 634-623.
نصرتی، ک.، س، ایمنی و آ، طالاری. 1397. تحلیل منطقه‌ای بار رسوب معلق با استفاده از روش رگرسیون مولفه‌های اصلی در حوزه آبخیز سفیدرود. منابع طبیعی ایران، دوره هفتاد و یک، شماره 3، ص 827-809.
نصیری خیاوی، ع.، فرجی، ع، ر مصطفی‌زاده. 1398. پاسخ دبی جریان به تغییرات بارندگی با استفاده از شاخص الاستیسیته اقلیمی در حوزه‌های آبخیز استان اردبیل، هیدروژئومورفولوژی، شماره 21، سال 6، ص 22-1.
هنربخش، ا، ع، نیازی، س، سلطانی کوپایی و پ، طهماسبی. 1398. مدل‌سازی رابطه میزان رسوب و ویژگی‌های هیدرولوژیکی و محیطی حوزه (مطالعه موردی حوزه سد دز). پژوهش‌های ژئومورفولوژی کمی، سال هشتم، شماره 1، ص 117- 105.
یزدان خواه س .١٣٨٧. اهمیت نسبی متغیرهای هواشناسی در برآورد تبخیر-تعرق مرجع در اقلیم‌های مختلف. پایان‌نامه کارشناسـی ارشـد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تربیت مدرس، ١١٠ ص.
AlDahoul, N., Essam, Y., Kumar, P., Ahmed, A.N., Sherif, M., Sefelnasr, A., and Elshafie, A. 2021. Suspended sediment load prediction using long short-term memory neural network. Scientific Reports, 11, Article number: 7826.
Anderson. H.W. 1957. Relating sediment yield to watershed variables. Trans. American. Geophysical. Union. 38 (6): 921–924.
Ares. M.G. Varni, M., Chagas C. 2016. Suspended sediment concentration controlling factors. An analysis for the Argentine Pampas region. Hydrological Science Journal 61 (12): 2237-2248.
Cheng, NN. He. H. M. Yang. S.Y. Lu. Y. J. Jing. Z.W. 2017. Impacts of topography on sediment discharge in Loess Plateau. China. Quaternary International. 440(2): 119-129.
Cohen. S. Kettner. A.J. Syvitski. J.P.M. Fekete. B.M.2013. WBMsed. a distributed global- scale riverin sediment flux model: Model description and validation. Computers Geosciences Journal. 53 (5): 80-93 .
Horowitz. A. 2002. The use of rating (transport) curves to predict suspended sediment concentration. A matter of temporal resolution. Peachtree Business Center. Turbidity and Other Sediment Surrogates Workshop. 3p.
Mohtadi, A., Hejazi, R., Hosseini, S.A. and Moemeni, M. 2018. Applying the "main component analysis" technique to the data of the variables affecting stock returns. Journal of Financial Accounting and Audit Research, 37 (2): 25- 52.
Salim. A. H. A. 2014. Geomorphological analysis of the morphometric characteristics that determine the volume of sediment yield of Wadi Al-Arja. South Jordan. Journal of Geographical Sciences. 24(3). 457-47.
Tananaev. N. I. 2017. Applying regression analysis to calculating suspended sediment runoff: Specific features of the metho. Journal of Water Resources. 6: 585- 592.
Uca., Toriman, E., Jaafar, Othman., Maru, Rosmini, Amal, Arfan. and Ansari, Saleh Ahmar. 2018. Daily Suspended Sediment Discharge Prediction Using Multiple Linear Regression and Artificial Neural Network. Journal of Physics Conference Series, Ser. 95401203, 1- 20.
Wuttichaikitcharoen.P. Singh Babel.M.2014. Principal component and multiple regression analyses for the estimation of suspended sediment yield in ungauged basins of Northern Thailand. Water 2014, (6), 2412-2435.
Zhang. H.Y. Z.H. Shi. N.F. Fang and M.H. Gua. 2017. Linking watershed geomorphic characteristics to sediment yield. Evidence from the Loess Plateau of China. Geomorphology. 234 (4): 19-27.