کماسی, مهدی, شرقی, سروش. (1396). روندیابی و رده‌بندی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از تبدیلات موجک متقابل و ارتباطی؛ مطالعه موردی آبخوان دشت سیلاخور. نشریه علمی پژوهشی مهندسی آبیاری و آب ایران, 7(4), 138-151.
مهدی کماسی; سروش شرقی. "روندیابی و رده‌بندی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از تبدیلات موجک متقابل و ارتباطی؛ مطالعه موردی آبخوان دشت سیلاخور". نشریه علمی پژوهشی مهندسی آبیاری و آب ایران, 7, 4, 1396, 138-151.
کماسی, مهدی, شرقی, سروش. (1396). 'روندیابی و رده‌بندی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از تبدیلات موجک متقابل و ارتباطی؛ مطالعه موردی آبخوان دشت سیلاخور', نشریه علمی پژوهشی مهندسی آبیاری و آب ایران, 7(4), pp. 138-151.
کماسی, مهدی, شرقی, سروش. روندیابی و رده‌بندی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از تبدیلات موجک متقابل و ارتباطی؛ مطالعه موردی آبخوان دشت سیلاخور. نشریه علمی پژوهشی مهندسی آبیاری و آب ایران, 1396; 7(4): 138-151.
روندیابی و رده‌بندی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از تبدیلات موجک متقابل و ارتباطی؛ مطالعه موردی آبخوان دشت سیلاخور
1مهندسی آب و سازه‌های هیدرولیکی، گروه مهندسی عمران، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد،
2مهندسی آب و سازه‌های هیدرولیکی، گروه مهندسی عمران، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد، ایران،
چکیده
شناسایی عوامل تاثیرگذار در فرآیندهای هیدرولوژیکی نقش مهمی را در مدیریت منابع آب ایفا میکند. در این پژوهش با بهکارگیری تبدیل موجک متقابل و ارتباطی بر روی سریهای زمانی بارش، دما و دبی خروجی میزان تاثیر تغییرات هر یک از این پارامترها بر روی نوسانات تراز آب زیرزمینی دشت سیلاخور اولویت‌بندی میگردد. تبدیل موجک متقابل و ارتباطی میزان تاثیر متقابل و تاخیر فاز دو سری زمانی را نسبت به هم برآورد میکند. این تبدیلات بیانگر آن است که دو سری زمانی در چه دوره و با چه تاخیر فازی با یکدیگر مرتبط هستند. برای این منظور سریهای زمانی تراز آب زیرزمینی- دبی، تراز آب زیرزمینی- بارش و تراز آب زیرزمینی- دما به صورت زوجی وارد الگوریتم تبدیل موجک متقابل و ارتباطی شده و میزان تاثیر و ارتباط متقابل میان این سریهای زمانی سنجیده میشود. نتایج به‌دست‌آمده از این پژوهش بیانگر آن است که سری زمانی دبی که نماینده تاثیرات انسانی است با میانگین ضریب ارتباط موجکی 83/0 از سریهای زمانی بارش و دما که نمایندهی تغییرات اقلیم هستند با میانگین ضریب ارتباط موجکی به ترتیب 52/0 و 58/0 تاثیر بیشتری را بر کاهش تراز سطح آبخوان دشت سیلاخور دارد. بنابراین عوامل انسانی از عوامل اقلیمی در کاهش تراز آب زیرزمینی این دشت تاثیرگذارتر است.
Outing and Classification of Effective Factors in the Groundwater Level Decline Using Cross and Coherence Wavelet Transforms:Case Study Silakhor Plain Aquifer
نویسندگان [English]
Mehdi Komasi1؛ , Soroush Sharghi2
1Assistant Professor, Faculty of Civil Engineering, Ayatollah Boroujerdi University, Boroujerd
Identification of factors affecting hydrological processes plays an important role in water resources management. In this study, the effects of hydrological parameter variations such as rainfall, temperature and runoff time series are prioritized on the groundwater level fluctuations for the Silakhor plain using cross and coherence wavelet transforms. Cross wavelet transform and coherence wavelet transform estimate the interaction and time lag between two time series relatively. These transformations indicate that two time series have depended on period and phase lag. For this purpose, the time series of groundwater level- runoff, groundwater level-rainfall and groundwater level-temperature have entered into the cross wavelet transform and coherence wavelet transform algorithm mutually to determine the effects and interaction between these time series. The results show that runoff time series as the human activity factors with the mean wavelet correlation coefficient estimated as 0.83 is more effective than rainfall and temperature time series whereas the climate change factors are with the mean wavelet correlation coefficients of 0.52 and 0.58, respectively concerning groundwater level decline of the Silakhor plain. Thus, the human activity factors are more effective than the climate factors in declining the groundwater level in this plain.
اکبری، م.، م. جرگه و ح. مدنی سادات. 1388. بررسی افت سطح آب های زیرزمینی با استفاده از سیستم اطلاعات جغرافیایی (GIS) (مطالعه موردی: آبخوان دشت مشهد). پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، دوره 16، شماره 4، ص63-78.
طباطبایی، ا. 1388. بررسی علل افت آبهای زیرزمینی در منطقه شرق دریاچه ارومیه. اولین کنفرانس بین المللی مدیریت منابع آب، شاهرود، دانشگاه صنعتی شاهرود.
فرامرزی، م.، ث. یعقوبی و ک. کریمی. 1393. اثر تغییرات کاربری اراضی روی افت تراز آب زیرزمینی (مطالعه موردی: دشت دهلران، استان ایلام). فصلنامه مدیریت آب در مناطق خشک، دوره 1، شماره 2، ص 55-64.
نورانی، و.، س. رنجبر و ف. توتونچیان. 1394. بررسی تغییرات فرآیندهای هیدرولوژیکی با استفاده از معیاره موجک-آنتروپی )مطالعه موردی: دریاچه ارومیه(. نشریه مهندسی عمران و محیط زیست دانشگاه تبریز، دوره 45.3، شماره 80، ص 75-86.
نورانی, و.، م. قاسم زاده و ن. آزاد. ۱۳۹۵. بررسی تاثیر پارامترهای هیدروکلیماتولوژیکی روی سطح آب دریاچه ارومیه با استفاده ازمعیار ارتباط موجکی. دومین کنفرانس بین المللی یافته های نوین پژوهشی در مهندسی عمران، معماری و مدیریت شهری، تهران، کنفدراسیون بین المللی مخترعان جهان، دانشگاه جامع علمی کاربردی.
Aghakouchak, A. 2014. Entropy–Copula in Hydrology and Climatology. Journal of Hydrometeorology, 15:2176-2189.
Agrawala S., M. Barlow, H. Cullen and B. Lyon. 2001. The drought and humanitarian crisis in central and southwest Asia: A climate perspective. International Research Institute for climate change and society (IRI):20 pages.
Barlow M., H. Cullen and B. Lyon. 2002. Drought in central and south west Asia: Lanina, the warm pool, and Indian Ocean precipitation. Journal of Climate., 15:697-700.
Chou, M. 2014. Complexity Analysis of Rainfall and Runoff Time Series Based on Sample Entropy in Different Temporal Scales. Stochastic Environmental Research and Risk Assessment, 28:1401-1408.
Clark C. B. and P. J. Webster. 2003. Interdicadal Variability of Relationship between the Indian Ocean Zonal Mode and East African Coastal Rainfall Anomalies. Journal of Climate, 16:548-554
Holman, I. P., M. Rivas-Casado, J. J. Gurdak, and J. P. Bloomfield. 2011. Identifying non-stationary groundwater level response to North Atlantic ocean-atmosphere teleconnection patterns using wavelet coherence. Journal of Hydrology, 19:1269-1278.
Kahya, E. and S. Kalaycɪ. 2004. Trend analysis of stream flow in Turkey. Journal of Hydrology, 289:128-144.
Kendall, M. G. 1975. Rank correlation methods . Charles Griffin, London.
Labat, D. 2010. Cross wavelet analyses of annual continental freshwater discharge and selected climate indices. Journal of Hydrology, 385:269-278.
Luterbacher, J., E. Xoplaki, D. Dietrich, P.D. Jones, T.D. Davies, D. Portis, J.F. Gonzalez-Rouco, H. von Storch, D. Gyalistras, C. Casty and H. Wanner. 2001. Extending North Atlantic Oscilation reconstruction back to 1500. Atmospheric Science Letters, 2:114-124.
Mann, H.B. 1945. Nonparametric tests against trend. Econometrica, 13:245–259.
Maraun, D. and J. Kurths. 2004. Cross wavelet analysis, significance testing and pitfalls. Nonlin. Processes Geophys, 11:505-514.
Marques da Silva, R., SantosEmail, C., Moreira, M., Corte-Real, J., Silva, V. and Medeiros, I. 2015. Rainfall and river flow trends using Mann–Kendall and Sen’s slope estimator statistical tests in the Cobres River basin. Natural Hazards, 77: 1205–1221.
Miao, L., X. Jun and M. Dejuan. 2012. Long-term Trend Analysis of Seasonal Precipitation for Beijing, China, Journal of Resources and Ecology, 3:(1)64-72.
Nourani, V., M.T. Alami and F. Daneshvar Vousoughi. 2016. The hybrid of SOM clustering method and wavelet-ANFIS approach to model and infill missing groundwater level data. Journal of Hydrologic Engineering, 1643-5584.
Nourani, V., N. Nezamdoost, M. Samadi and F. Daneshvar Vousoughi. 2015. Wavelet based trend analysis of hydrological processes at different timescales. Journal of Water and Climate Change, 6:414-435.
Torrence, C. and G.P. Compo. 1998. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society, 79:61-78.
Torrence, C. and P. Webster. 1999. Interdecadal Changes in the ENSO-Monsoon System. Journal of Climate, 12:2679-2690.
ابتدای صفحه