مجله علوم و مهندسی آبخیزداری ایران
سال:1395 | دوره:10 | شماره:33 |تعداد مقالات:8

تعیین مناطق تغذیه ای آب زیرزمینی اغلب نیاز به حجم بالایی از اطلاعات و معیار های فضایی دارد. هدف از این مطالعه تعیین مناطق با پتانسیل تغذیه آب زیرزمینی در شهرستان سمنان با رویکرد تلفیقی AHP-GIS می باشد. برای این منظور لایه های اطلاعاتی شیب، فاصله از شبکه آبراهه سطحی، رده خاک، اقلیم، پوشش سطحی، کاربری اراضی، سنگ شناسی و فاصله از گسل مورد استفاده قرار گرفت. لایه های موضوعی در محیط ArcGIS 9. 3 آماده شد. روش AHP جهت وزن دهی معیارها و شاخص های مورد بررسی، استفاده گردید. فاکتورها با دقت جهت تهیه نقشه پتانسیل تغذیه آب زیرزمینی در منطقه مورد مطالعه، آنالیز و تلفیق شدند. نقشه های مربوط به لایه های موضوعی منتخب در محیط ArcGIS تحت تابع Raster Calculator تلفیق و همپوشانی گردید. ادغام نقشه های رتبه بندی شده با لحاظ وزن های به دست آمده در فرآیند AHP، محدوده مورد مطالعه را به پهنه هایی در غالب نامناسب، متوسط و مناسب تفکیک نموده است. نتایج نشان میدهد مکان های تغذیه ای انتخاب شده از لحاظ عملی و کاربردی نیز تناسب بالایی داشته، بنابراین استفاده از GIS و روش وزن دهی AHP جهت تعیین مناطق با پتانسیل تغذیه آب زیرزمینی عملکرد خوبی ارائه می دهد. همچنین لایه سنگ شناسی بعنوان مؤثرترین فاکتور شناخته شد.

برآورد صحیح آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازه­ های آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد. از این رو متخصصان علوم مهندسی آب جهت برآورد دقیق جریان، از روش های هوشمند مانند شبکه های عصبی مصنوعی و روش های مختلف داده کاوی بهره گرفته اند. در این مطالعه، جهت پیش­ بینی جریان روزانه رودخانه اهرچای، از روش­ های شبکه عصبی مصنوعی المانی (ENN) و قوانین درختی M5 بهره گرفته شد. بدین منظور از داده­ های جریان روزانه ایستگاه هیدرومتری اورنگ واقع بر رودخانه اهرچای در استان آذربایجان­ شرقی برای مدل سازی استفاده شد. نتایج حاصل از پیش بینی جریان در یک روز بعد نشان داد که گرچه روش ENN در بهترین سناریو با ساختار شبکه نسبتا پیچیده 1-3-9 که بیان گر 9 گره در لایه ورودی، 3 گره در لایه پنهان و یک گره در لایه خروجی با 90/0R2=، (m3/s)028/0RMSE= و (m3/s)001/0MAE= از دقت بیش تری برخوردار است. اما روش قوانین M5 تنها با دو پارامتر جریان در روز جاری و یک روز قبل به عنوان ورودی، با 83/0 R2=، (m3/s)734/0RMSE= و (m3/s)317/0 MAE= علاوه بر سادگی، از دقت قابل قبولی نیز برخوردار بوده است. مقایسه عملکرد دو مدل نشان داد، گرچه شبکه عصبی المانی دارای دقت بالاتری نسبت به روش M5 می باشد، ولی روش M5 با توجه به ارائه قوانین کارآمد و ساده اگر-آنگاه و روابط خطی ساده برای پیش­ بینی جریان و نیز تعداد پارامتر ورودی موردنیاز کم تر، می تواند بعنوان یک روش جایگزین مناسب بکار گرفته شود.

بررسی تغییرات روان آب و فرسایش خاک در خاک های تحت کاربری­ های مختلف و مجاور هم، امری ضروری می­ باشد. این تحقیق با هدف بررسی اثر متقابل و مستقل شیب و شدت بارش بر تولید رواناب و رسوب در دو کاربری مرتع و زراعت در حوزه صنوبر واقع در شهرستان تربت حیدریه، انجام شد. بدین منظور، بر اساس نقشه توپوگرافی منطقه، سه طبقه شیب 10-0، 30-10 و بالای 30 درصد انتخاب شد، همچنین با بررسی بارش منطقه، سه شدت بارندگی با مقادیر 9/0، 1/1 و 4/1 میلی­ متر بر دقیقه که به ترتیب مربوط به دوره ­ بازگشت­ های 10، 25 و 100 سال هستند، انتخاب شدند. سپس با تهیه نقشه واحد کاری، 18 نقطه به صورت تصادفی منظم در قسمت­ های مختلف حوزه در دو کاربری مرتع و زراعت مشخص شد. در مرحله بعد با استفاده از شبیه­ ساز باران، اقدام به ایجاد بارش­ به مدت 10 دقیقه در هر نقطه شد. نتایج حاصل از تحلیل اثرات اصلی متغیرهای تحقیق بر داده های حجم رواناب و رسوب تولیدی وجود تفاوت معنی­ دار را برای شیب و شدت­ های مختلف در حوزه صنوبر نشان داد. اما اثر متقابل شیب و شدت بارش در مورد هیچکدام از پارامترهای اندازه­ گیری شده در دو کاربری، تفاوت معنی­ داری را در سطح اطمینان پنج درصد نشان نداد. همچنین نتایج نشان داد حجم رواناب و رسوب تولیدی کاربری مرتع بیشتر از زراعت می­ باشد.

در این تحقیق، به منظور اصلاح یک نمونه خاک شورسدیمی و کاهش فرسایش­ پذیری آن با استفاده از کمپوست آزولا و پلی­ اکریل­ آمید، آزمایشی به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار اجرا شد. نمونه برداری خاک از مارن­ های شورسدیمی در اراضی کوهستانی اطراف سد منجیل انجام شد. کمپوست آزولا و پلی­ اکریل­ آمید هر دو در چهار سطح به ترتیب صفر، 5، 10 و 15 تن در هکتار و صفر، 25، 50 و 75 کیلوگرم در هکتار مصرف شد. نمونه­ های خاک پس از اعمال تیمارها، با استفاده از سینی پاشمان به ابعاد 35×30 سانتی­ متر به مدت 40 دقیقه تحت بارندگی با شدت 95 میلی­ متر بر ساعت قرار گرفت. شدت جریان رواناب، غلظت رسوب و شدت فرسایش پاشمانی اندازه­ گیری شد و میزان نسبت جذب سدیم و درصد سدیم تبادلی خاک پس از انجام آزمایش تعیین شد. نتایج نشان داد بهترین تیمار در کاهش نسبت جذب سدیم و درصد سدیم تبادلی، کاربرد حداقل ممکن از یکی از مواد اصلاحی (25 کیلوگرم در هکتار پلی­ اکریل­ آمید و یا 5 تن در هکتار کمپوست آزولا) است. از نظر کاهش غلظت رسوب و شدت فرسایش پاشمانی، مصرف 5 تن در هکتار کمپوست آزولا به تنهایی در مقایسه با سایر تیمار­ های ترکیبی، مناسب­ ترین تیمار بود. شدت رواناب تنها تحت تاثیر کمپوست آزولا قرار گرفته و مصرف 5 تن در هکتار آن باعث تولید کم ترین مقدار رواناب شد. کمپوست آزولا ترکیب آلی بوده و در صورت مصرف مزرعه­ ای علاوه بر این اثرات مثبت، در بهبود وضعیت پوشش گیاهی نیز مؤثر خواهد بود.

تمرکز جمعیت بشری در مناطق شهری با توسعه شهرها و تغییر چهره طبیعی زمین سبب افزایش سطوح نفوذناپذیر و تغییر چرخه هیدرولوژی شده است. به منظور بررسی اثر توسعه شهری بر حجم رواناب ورودی به شبکه جمع­ آوری رواناب شهر زنجان، روند توسعه شهری با استفاده از تصاویر TM ماهواره لندست در نرم افزارهای IDRISI Selva و ArcGIS 9. 3 پردازش شد. و نقشه­ ­ کاربری اراضی سال­ های 1334، 1379 و 1391 تهیه گردید. آنالیز رفتار هیدرولوژیکی و هیدرولیکی اثر توسعه شهری بر حجم رواناب، با استفاده از مدل بارش-رواناب SWMM انجام شد. با واسنجی مدل بر اساس وقایع بارش-رواناب مشاهداتی، نتایج واسنجی و صحت سنجی مدل، درستی شبیه سازی­ ­ ها را تائید کرد. روند توسعه شهری نشان می­ دهد مساحت محدوده­ های شهری در سال 1391 نسبت به سال­ های 1379 و 1334 به ترتیب با 59/22 و 88/923 درصد و سال 1379 نسبت به سال 1334 با 06/543 درصد افزایش همراه هستند. نتایج مدل SWMM نشان می­ دهد توسعه شهری و تبدیل اراضی به سطوح نفوذناپذیر سبب افزایش حجم رواناب شده به­ طوری­ که میانگین حجم رواناب در سال 1391 نسبت به سال­ های 1379 و 1334 به ترتیب 45/64 و 58/698 درصد و در سال 1379 نسبت به سال 1334، 91/376 درصد افزایش یافته است

خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می شود. تاکنون روش ها و مدل های مختلفی برای پیش بینی و مدل سازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می باشد می توان به جای استفاده از یک مدل؛ ترکیبی از مدل های منفرد قابل قبول را مورد استفاده قرار داد تا بتوان به پیش بینی مناسبت تر و قابل اعتماد تری دست یافت. در این تحقیق پس از محاسبه مقادیر GRI طی دوره آماری(1363-1390) در جنوب استان قزوین و بررسی ارتباط آن با پارامترهای هواشناسی (بارندگی، دبی، تبخیروتعرق پتانسیل، دما (میانگین، ماکزیمم، مینیمم)) و سیگنالهای اقلیمی ( MEI، SOI، AMM، AMO و PDO)، با استفاده از آزمون گاما در سه ساختار ترکیب ورودی، اقدام به مدل سازی با شبکه عصبی مصنوعی گردید. نتایج نشان داد که سیگنال اقلیمی SOI و پارامترهای دمایی دارای بیشترین همبستگی معنی دار با مقادیر GRI می باشند. استفاده از پارامترهای هواشناسی نیز سبب بهبود عملکرد شبکه عصبی گردید. همچنین مدل سریزمانیARIMA(1, 1, 3)(2, 0, 1) با توجه به معیارهای ارزیابی آکاییک و شوارتز به عنوان مدل منتخب تعیین گردید. در نهایت نیز مدل سازی با مدل ترکیبی ANN-ARIMA انجام گرفت که عملکرد بهتری نسبت به دو مدل شبکه عصبی و سری زمانی نشان داد. (R2=0. 94, RMSE= 0. 05)

یکی از راهکارهای اساسی برای کنترل و کاهش اثرات مخرب سیل، شناسایی مناطق سیل خیز در حوضه های آبخیز است. تا کنون روشهایی برای شناسایی مناطق مولد سیلاب معرفی شده است اما در سالهای اخیر برای بررسی وضعیت سیل خیزی حوضه های آبخیز بیشتر از روش "تکرار حذف انفرادی زیرحوضه (SSSE[1])" استفاده شده است. در این روش سهم مشارکت زیرحوضه های سیل خیز و اولویت بندی آنها با استفاده از تحلیل هیدروگراف سیل خروجی کل حوضه صورت می گیرد زیرا فرض بر این است که دبی سیل حداکثر در خروجی حوضه اتفاق می افتد. در مقاله حاضر، روندیابی هیدروگراف زیرحوضه ها در شبکه آبراهه های داخل و خروجی کل حوضه برای تعیین محل بالاترین دبی سیل تولید شده با استفاده از همین روش مد نظر قرار گرفته تا توجه کاربران روش (SSSE) را به این نکته جلب کند که بالاترین سیل تولید شده ممکن است نه در خروجی حوضه بلکه در داخل حوضه آبخیز روی دهد. از این رو برای شناسایی مناطق سیل خیز نباید همیشه از تحلیل هیدروگراف خروجی حوضه استفاده شود. بدین منظور حوزه آبخیز سمیش رود با وسعتی معادل1680کیلومتر مربع و گستره ارتفاعی 1200 تا 2500 متر، به 28 زیرحوضه تقسیم شد. برای محاسبه خصوصیات فیزیکی زیرحوضه ها از سیستم اطلاعات جغرافیایی (GIS) بهره گرفته شد. با استفاده از داده های ایستگاههای هواشناسی حوضه و مناطق همجوار هیتوگراف بارش های طراحی 6 و 12 ساعته با دوره بازگشت2، 20، 50 و 100 ساله بدست آمد. پس از اجرای مدل هیدرولوژی HMS، و روندیابی هیدروگراف دبی زیرحوضه ها تا خروجی حوضه نتایج شبیه سازی بارش – رواناب نشان داد که محل بالاترین دبی تولید شده در مناطق میانی حوضه (J-5) بوده و فقط نیمی از زیرحوضه های مناطق بالادستی در بالاترین سیلاب حوضه مشارکت داشته اند. اولویت بندی زیرحوضه ها نشان داد که زیرحوضه B بیشترین مشارکت را در تولید سیل محل تلاقی شماره 5 داشته و بعد از آن زیرحوضه های C و A و G1 و H1 قرار دارند. کمترین مشارکت از آن زیرحوضه M2 بوده است.

تهیه نقشه های کاربری اراضی یکی از مهمترین وظایف فن آوری سنجش از دور در مدیریت عرصه های مختلف محسوب می-گردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهواره ای لندست/TM سال 1388 استفاده شده است. سپس تصویر به کمک هر یک از الگوریتم های شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقه بندی شد. در نهایت میزان کارایی الگوریتم های مختلف طبقه بندی در تهیه نقشه کاربری اراضی منطقه ی مورد نظر، با استفاده از پارامترهای دقت کلی و ضریب کاپا مورد ارزیابی قرار گرفت. نتایج نشان داد که روش های ناپارامتریک مانند شبکه عصبی مصنوعی (دقت کلی 8/95 درصد، ضریب کاپای95/0) و ماشین بردار پشتیبان شعاعی (دقت کلی 8/95 درصد، ضریب کاپای94/0) با دقت کلی و ضریب کاپای تقریبا مشابه در بهترین حالت دارای صحت و دقت بالاتری در تهیه نقشه کاربری اراضی نسبت به روش پارامتریک حداکتر احتمال (دقت کلی7/93 درصد، ضریب کاپای91/0) می باشند. در کل مطالعه ی حاضر نشان داد که هر سه الگوریتم طبقه بندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال قابلیت تهیه نقشه کاربری اراضی را با صحت بالا، دارا می باشند.