ارائه مدل GV برای شبیه سازی محیط متغیر اشباع
محل انتشار: یازدهمین سمینار سراسری آبیاری و کاهش تبخیر
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,425
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ABYARI11_221
تاریخ نمایه سازی: 22 مرداد 1391
چکیده مقاله:
امروزه مدیریت مناع آب به عنوان یک هدف اصلی در کشورهای جهان مورد توجه قرار گرفته است. افزایش بی رویه جمعیت ، محدودیت منابع اب های سطحی و بهره برداری بیش از اندازه از آبخوان ها باعث وارد آمدن خسارات جبران ناپذیری به منابع طبیعی شده است . منابع آب زیرزمینی تنها منبع مطمئن و دائمی تامین آب در مناطق خشک و نیمه خشک و کویری به خصوص در صورت وقوع خشکسالی ها می باشد. از این رو مدلسازی آب هایی زیرزمینی در مدیریت آن امری ضروری می باشد. هدف از ارائه ی این مقاله معرفی نرم افزار Groundwater Vistas به عنوان یک مدل آب های زیرزمینی قوی و منحصر به فرد است که با مجموعه برنامه های MODFLOW مرتبط می باشد. این مدل یکی از رابط های گرافیکی کاربر است که برنامه های مدلسازی جریان آب زیرزمینی و انتقال و همچنین این مدل قادر به شبیه سازی جریان به طور همزمان در ناحیه های اشباع و غیر اشباع می باشد و می توان با ارائه ی سناریوهای مختلف و با توجه به میزان برداشت از آب زیرزمینی و تغذیه ی آب های سطحی و تغییرات اقیلم ، افت سطح آب زیرزمینی را تخمین می زند . در این مدل رابط قوی و مستقیم وارد کردن و خارج داده ها ، به کابر اجازه ی تمرکز بر قسمت های توسعه ی مدل را می دهد . این مدل توسط سازمان بین المللی شبیه سازی محیط (Environmental Simulation International) بسط داده شده و شامل حل عددی معادله ریچاردز است. در نهایت GWV برای هر کسی که مایل به مدلسازی جریان آب زیرزمینی می باشد ، بسیار جذاب است.
کلیدواژه ها:
نویسندگان
الهه السادات بنی هاشمی
دانشجو ، مهندسی آب ، دانشگاه بیرجند
ابوالفضل اکبر پور
استادیار ، عمران آب ، دانشگاه بیرجند
سعید اسلامیان
دانشیار ، منابع آب ، دانشگاه صنعتی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :