بهمن کواری؛ یحیی اسماعیلپور؛ علیاکبر موسوی؛ ام البنین بذرافشان؛ ارشک حلی ساز
چکیده
منبع اصلی آب دشت ارسنجان آب زیرزمینی بوده که در گذشته با کاریز و اکنون با چاههای پرشمار در حال بهرهبرداری است. برای آگاهی از شرایط کیفی این منابع، روشهای تحلیل آماری چندمتغیره و میانیابی در سه سال با بارندگی متفاوت به کار گرفته شد. تحلیل عاملی شاخصهای کلیدی کیفیت آب زیرزمینی را تعیین نمود و نقشهسازی با روشهای میانیابی ...
بیشتر
منبع اصلی آب دشت ارسنجان آب زیرزمینی بوده که در گذشته با کاریز و اکنون با چاههای پرشمار در حال بهرهبرداری است. برای آگاهی از شرایط کیفی این منابع، روشهای تحلیل آماری چندمتغیره و میانیابی در سه سال با بارندگی متفاوت به کار گرفته شد. تحلیل عاملی شاخصهای کلیدی کیفیت آب زیرزمینی را تعیین نمود و نقشهسازی با روشهای میانیابی انجام شد. نقشههای تولید شده با استفاده از روش بهینهسازی جنک طبقهبندی و مساحت هر طبقه در هر سال محاسبه شد. بر اساس نتایج تحلیل عاملی، هدایت الکتریکی (EC)، سختی کل (TH) و غلظت سدیم به ترتیب با بار عاملی ۸۴۳/۰، ۸۸۹/۰ و ۹۹۱/۰ انتخاب شدند. روش میانیابی RBF برای پارامتر سدیم، در هر سه سال مورد مطالعه مناسب بود. برای پارامترهای قابلیت هدایت الکتریکی و سختی کل در سالهای ۱۳۹۴ و ۹۵ روش RBF-MQ و در سال 1397 روش LIP کمترین خطا را داشتند. نقشهسازی تغییرات مکانی سه پارامتر یاد شده نشان داد در سال 1395 که بارندگی کمتر از میانگین بوده، مساحت مناطق با مقادیر کم کاهش یافته است. پارامتر غلظت سدیم بدلیل کمیت و کیفیت تغییرات آن پتانسیل مناسبی برای کاربرد به عنوان نشانگر تغییرات کیفیت آب زیرزمینی در پاسخ به عوامل اقلیمی یاا مدیریتی دارد. به طور کلی پیشنهاد میشود در تحلیل کیفیت آب زیرزمینی دشت ارسنجان، عامل مجاورت با دریاچه شور بختگان، علاوه بر عوامل مرتبط با اقلیم و حوزه آبخیز باید در نظر گرفته شود.
شهاب الدین زارع زاده مهریزی؛ اسداله خورانی؛ جواد بذرافشان؛ ام البنین بذرافشان
چکیده
رودخانه گاماسیاب یکی از پنج شاخه اصلی رودخانه کرخه است و نقش اساسی در حفظ حیات و زیست بوم منطقه دارد. برای اتخاذ شیوههای صحیح و پایدار مدیریت منابع آب رودخانه گاماسیاب، کسب آگاهی مستمر از وضعیت کمی و کیفی آب و نیز تغییرات آن ضروری است. امروزه استفاده از مدلهای هیدرولوژیکی به منظور شبیهسازی فرآیندهای کمی و کیفی مرتبط با چرخه ...
بیشتر
رودخانه گاماسیاب یکی از پنج شاخه اصلی رودخانه کرخه است و نقش اساسی در حفظ حیات و زیست بوم منطقه دارد. برای اتخاذ شیوههای صحیح و پایدار مدیریت منابع آب رودخانه گاماسیاب، کسب آگاهی مستمر از وضعیت کمی و کیفی آب و نیز تغییرات آن ضروری است. امروزه استفاده از مدلهای هیدرولوژیکی به منظور شبیهسازی فرآیندهای کمی و کیفی مرتبط با چرخه آب متداول است. برای استفاده از این مدلها، اثبات توانایی آنها در شبیهسازی چرخه آبی حوضه لازم است. یکی از مدلهایی که در این راستا در سطح بین المللی مورد استفاده گسترده قرار میگیرد مدل SWATمیباشد. این پژوهش به ارزیابی عملکرد مدل SWATدر شبیه سازی دبی جریان رودخانه گاماسیاب پرداخت. اجرای این مدل نیاز به نقشهرقومی ارتفاع (DEM)، نقشه خاک، نقشه کاربری اراضی و طبقهبندی شیب دارد. در ابتدا دبی جریان با گام زمانی روزانه در ایستگاه هیدرومتری پلچهر با استفاده از دادههای بارش دو ایستگاه سینوپتیک و سه ایستگاه هواشناسی و دمای حداقل و حداکثر روزانهی دو ایستگاه سینوپتیک کرمانشاه و همدان برای دوره 1977-1995 میلادی واسنجی و سپس برای دوره 1996-2005 میلادی اعتبارسنجی شد. ضرایب آماری شامل ضریب نش- ساتکلیف، R2، P-factor و R-factor برای دوره واسنجی به ترتیب برابر با 71/0، 73/0، 79/0 ، 36/1 و برای دوره اعتبارسنجی به ترتیب برابر با 57/0، 61/0، 71/0 و 34/1 بدست آمد. این نتایج حاکی از توانایی مدل SWAT در شبیهسازی جریان رودخانه گاماسیاب دارد و پژوهشگران میتوانند از این مدل برای اعمال سناریوهای مدیریتی در زمان کوتاه و هزینه کم جهت تصمیمگیری بهتر استفاده نمایند.
ام البنین بذرافشان؛ علی سلاجقه؛ احمد فاتحی مرج؛ محمد مهدوی؛ جواد بذرافشان؛ سمیه حجابی
چکیده
خشکسالی پدیدهای است که برای پیشبینی آن نمیتوان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش میکنند با استفاده از مدلهای پیشرفته دقت پیشبینیها را افزایش دهند. در این زمینه، مدلهای استوکاستیک خطی، شبکة عصبی مصنوعی، و مدلهای هیبرید میتوانند در دقت پیشبینی مفید باشند. تحقیق حاضر به بررسی کارایی مدلهای اتورگرسیو ...
بیشتر
خشکسالی پدیدهای است که برای پیشبینی آن نمیتوان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش میکنند با استفاده از مدلهای پیشرفته دقت پیشبینیها را افزایش دهند. در این زمینه، مدلهای استوکاستیک خطی، شبکة عصبی مصنوعی، و مدلهای هیبرید میتوانند در دقت پیشبینی مفید باشند. تحقیق حاضر به بررسی کارایی مدلهای اتورگرسیو میانگین متحرک تجمعی (ARIMA)، شبکة عصبی مصنوعی مستقیم (DMSNN)، شبکة عصبی مصنوعی چندگامی بازگشتی (RMSNN)، مدل هیبرید آریما- شبکة عصبی مصنوعی چندگامی مستقیم (HSNNDM)، و مدل هیبرید آریما- شبکة عصبی مصنوعی چندگامی بازگشتی (HSNNRA) در پیشبینی خشکسالی هیدرولوژی در دو مقیاس زمانی ماهانه و فصلی میپردازد. شاخص استانداردشدة جریان (SDI) به عنوان نمایة جریان و شاخص پیشبینیشونده در حوزة آبخیز کرخه انتخاب شد. نتایج این پژوهش نشان میدهد مدل هیبرید شبکة عصبی مستقیم- آریما (HSNNDA) نسبت به سایر مدلها دارای عملکرد بهتری در پیشبینی SDI است و همچنین کارایی مدل در پیشبینی ماهانه بهتر از مقیاس فصلی است.