مقایسه ی سهم زیرحوضه ها در فرسایش و رسوب با استفاده از مدل های ترکیبی و الگوریتم ژنتیک (مطالعه ی موردی: حوضه ی آبخیز تنگ بستانک، استان فارس)

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 222

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYD-4-12_004

تاریخ نمایه سازی: 4 بهمن 1401

چکیده مقاله:

چکیده روش انگشت­نگاری رسوب بر پایه­ی ردیاب­های ژئوشیمیایی، آلی، نسبت­های ایزوتوپی و نیز استفاده از مدل­های ترکیبی مختلف باعث شناخت سهم منابع مختلف رسوب در یک ناحیه می­شود. در تحقیق حاضر با استفاده از ترکیب بهینه­ی ردیاب­های آلی و نسبت­های ایزوتوپی اقدام به تفکیک منابع مختلف فرسایش، تولید رسوب و سپس تعیین سهم این منابع با استفاده از مدل­های کالینز (Collins)، کالینز اصلاح­شده (M Collins)، موتا (Motha)، لاندور (Landwehr) و اسلاتری (Slattery) در دو واحد سازندها و کابری­های ­اراضی بر پایه­ی بهینه­سازی الگوریتم ژنتیک و سپس تهیه­ی نقشه­ی سهم مناطق مختلف (زیرحوضه­ها) در سامانه­ی اطلاعات جغرافیایی شد. برای تعیین بهترین مدل در این­ باره از شاخص­های GOF و  MEاستفاده شد. عناصر کربن، مس، تیتانیوم، سیلیکون و عناصر استرانسیوم، تیتانیوم، مس، نسبت ایزوتوپی نئودیمیوم ۱۴۴/۱۴۳ به ­عنوان ردیاب­های تفکیک­کننده­ی کاربری­ها و سازندها شناخته ­شدند. مدل­های ترکیبی کالینز اصلاح شده (MCollins) در واحد کاربری­اراضی و کالینز (Collins) در واحد سازندها با شاخص­های GOF، ۹۵/۹۹% و ۹۹۶/۹۹%  و ضریب­کارآیی ۱۶/۹۹% و ۹۷۷/۹۹% به ­عنوان بهترین مدل­ها انتخاب شدند. بیشترین سهم در فرسایش و رسوب حوضه­ی مربوط به اراضی مرتعی و سازند آسماری به ترتیب با ۶۵% و ۵/۵۶% می­باشد. زیرحوضه­های شماره­ی ۶ و ۵ به­ترتیب با ۱۱/۵۹% و ۷/۵۸% بیشترین و زیرحوضه­ی شماره ۳۱  با ۵۴/۷% کمترین سهم را بر فرسایش و رسوب حوضه داشتند.

نویسندگان

احمد نوحه گر

استاد دانشکده ی محیط زیست دانشگاه تهران

محمد کاظمی

دکتری آبخیزداری دانشکده ی کشاورزی و منابع طبیعی دانشگاه هرمزگان

سیدجواد احمدی

استاد پژوهشکده ی چرخه ی سوخت سازمان انرژی اتمی تهران.

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 :
  • منابع حیدری، کهزاد، نجفی­نژاد، ع.، خرمالی، فرهاد و منوچهر بابانزاد ...
  • عباسی، مرضیه؛ فیض­نیا، سادات؛ احمدی، حسن و یونس کاظمی ...
  • غلامی، حمید؛ طاهری­مقدم، الهام؛ قیری، محسن و رسول مهدوی ...
  • نصرتی، کاظم؛ احمدی، فروزان؛ نظری­سامانی، علی­اکبر و محمدرضا ثروتی ...
  • نصرتی، کاظم (۱۳۹۰)، منشایابیرسوببراساسبرآوردعدمقطعیت، مجله­ی پژوهش آب ایران، سال ...
  • Collins, A., Walling, D.E., Webb, L. and King, P. (۲۰۱۰), ...
  • Collins A.L. and Walling D.E. (۲۰۰۷), Sources of fine sediment ...
  • Chen, F., Fang, N., Shi, Z., (۲۰۱۶), Using biomarkers as ...
  • Franz, C., Makeschin, F., Weiß, H., Lorz, C. (۲۰۱۴), Sediments ...
  • Haddadghi, A., Ryder, D.S, Evrard, O., and Olley, J. (۲۰۱۳), ...
  • Koiter, A.j., Owens, P.N., Petticrew, E.L., Lobb, D.A. (۲۰۱۳), The ...
  • Nosrati, K., Govers, G., Semmens, B.X., Ward, J.V. (۲۰۱۴). A ...
  • Patrick Laceby, J., McMahon, J., Evrard, O., Olley, J. (۲۰۱۵). ...
  • Palazón, L., Gaspar, L., Latorre, B., Blake, W., Navas, A., ...
  • Walling, D.E. (۲۰۰۵), Tracing suspended sediment sources in catchments and ...
  • نمایش کامل مراجع