علی دسترنج؛ احمد نوحه گر؛ آرش ملکیان
چکیده
مناطق تغذیه، میزان و توزیـع فضـایی تغذیـه در آبخوانهای کارستی، به عواملی چون ژئومورفولـوژی کارسـت و میـزان توسـعۀ آن، اقلـیم، شیب، پوشش گیاهی، خاک و عوامل زمینشناسی بستگی دارد. آبخوان کارستی آژوان-بیستون در استان کرمانشاه، نقش اصلی را در گسترش مدنیت و تأمین آب موردنیاز جوامع انسانی دارد. هدف این تحقیق، مدلسازی مناطق تغذیۀ آبخوان ...
بیشتر
مناطق تغذیه، میزان و توزیـع فضـایی تغذیـه در آبخوانهای کارستی، به عواملی چون ژئومورفولـوژی کارسـت و میـزان توسـعۀ آن، اقلـیم، شیب، پوشش گیاهی، خاک و عوامل زمینشناسی بستگی دارد. آبخوان کارستی آژوان-بیستون در استان کرمانشاه، نقش اصلی را در گسترش مدنیت و تأمین آب موردنیاز جوامع انسانی دارد. هدف این تحقیق، مدلسازی مناطق تغذیۀ آبخوان آژوان-بیستون در استان کرمانشاه با استفاده از مدلKARSTLOP است. نقشۀ توزیع فضایی فروچالهها و پولیهها در هر یک از تودههای موردبررسی، با استفاده از بازدید میدانی، تفسیر بصری و تحلیل مدل رقومی ارتفاع با استفاده از مدلهای منحنی بسته، ترسیم گردید. سپس بهمنظور تهیۀ نقشۀ پهنهبندی توسعۀ کارست سطحی، از مدل منطق فازی و عملگر گاما استفاده شد و درنهایت بهمنظور مدلسازی مناطق تغذیه از مدلKARSTLOP استفاده شد. نتایج پهنهبندی تغذیه نشان میدهد که میزان تغذیۀ سالانۀ بهدستآمده برای آبخوان کارستی بیستون بین 36 تا 83 درصد میباشد. بیشترین میزان تغذیه در نواحی با بیش از 78 درصد تغذیه، منطبق بر سطح هموار پولیهها که دارای فروچاله میباشند، رخداده و کمترین میزان تغذیه 36 تا 40 درصد و 40 تا 45 درصد نیز در دشتهای آبرفتی روی میدهد. نتایج کلی، بیانگر نقش اصلی ژئومورفولوژی کارست کوه بیستون در توزیع مکانی میزان تغذیه در آبخوان است. نتایج پهنهبندی تغذیه با نتایج حاصل از پهنهبندی توسعۀ کارست سطحی، کاملاً منطبق است.
حاجی کریمی؛ فتح الله نادری؛ بهروز ناصری؛ علی سلاجقه
چکیده
شناسایی مناطق مستعد زمینلغزش از طریق پهنهبندی خطر با مدلهای مختلف یکی از اقدامات اساسی در جهت کاهش خسارت احتمالی و مدیریت خطر است. هدف اصلی از این تحقیق مقایسه و ارزیابی چهار روشـ ارزش اطلاعاتی، تراکم سطح، تحلیل سلسلهمراتبی سیستمها، و روش پیشنهادی گوپتا و جوشیـ برای پهنهبندی خطر زمینلغزش در حوزة آبخیز زنگوان در استان ...
بیشتر
شناسایی مناطق مستعد زمینلغزش از طریق پهنهبندی خطر با مدلهای مختلف یکی از اقدامات اساسی در جهت کاهش خسارت احتمالی و مدیریت خطر است. هدف اصلی از این تحقیق مقایسه و ارزیابی چهار روشـ ارزش اطلاعاتی، تراکم سطح، تحلیل سلسلهمراتبی سیستمها، و روش پیشنهادی گوپتا و جوشیـ برای پهنهبندی خطر زمینلغزش در حوزة آبخیز زنگوان در استان ایلام است. نخست کلیة عوامل مؤثر در وقوع زمینلغزش استخراج گردید. سپس، با کنترل این عوامل در منطقه، عوامل نُهگانة شیب، جهت، ارتفاع از سطح دریا، بارندگی، فاصله از جاده، فاصله از گسل، فاصله از شبکة آبراهه، کاربری اراضی، و سنگشناسی عوامل مؤثر در وقوع زمینلغزشهای منطقه شناخته شدند. پس از تهیة این عوامل در محیط GIS، با استفاده از تفسیر عکسهای هوایی و تصاویر ماهوارهای، موقعیت دقیق زمینلغزشها تعیین شد. سپس، پهنهبندی با چهار روش مذکور انجام گرفت. نهایتاً، به منظور بررسی و انتخاب مناسبترین مدل برای پهنهبندی خطر زمینلغزش از شاخص زمینلغزش استفاده شد. بر اساس این شاخص، در روش ارزش اطلاعاتی بیش از 52 درصد زمینلغزشها در طبقه با خطر خیلی بالا اتفاق افتاده است. بنابراین، این روش، به لحاظ داشتن انطباق بیشتر زمینلغزشها با پهنة خطر بالا و همچنین توانایی در تفکیک طبقههای خطر، کارایی بهتری نسبت به سایر روشها دارد و مناسبترین مدل برای پهنهبندی خطر زمینلغزش در حوزة زنگوان معرفی میشود.
مریم خسروی؛ علی سلاجقه؛ محمد مهدوی؛ محسن محسنی ساروی
چکیده
با توجه به کمبود ایستگاههای اندازهگیری در کشور، لزوم استفاده از مدلهای تجربی برآورد دبی حداکثر لحظهای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیشبینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز قبل و پنج روز ...
بیشتر
با توجه به کمبود ایستگاههای اندازهگیری در کشور، لزوم استفاده از مدلهای تجربی برآورد دبی حداکثر لحظهای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیشبینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای هیدرولوژیک گتهده، مهران، علیزان، جوستان و گلینک (به ترتیب از قسمت سراب به سمت پایاب) استخراج و به عنوان ورودی وارد مدل شبکه عصبی شدند. نوع شبکه مورد استفاده شبکه عصبی پیشخور با یک لایه مخفی با الگوریتم پسانتشار بود که با استفاده از دادهها مذکور، مدل طی سه مرحله آموزش، اعتبارسنجی و آزمون شد. دبیهای اوج مشاهدهای و پیشبینی شده در هر دو مدل بر اساس معیار ارزیابی RMSE و r مورد مقایسه قرار گرفت. نتایج نشان دهندة عملکرد بهتر شبکه عصبی نسبت به رگرسیون چندمتغیره غیرخطی است.