تخمین ضرایب درجه بندی آبراهه های حوضه های آبریز بدون GIS جهت مدل سازی رواناب به روش GIUH

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 98

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-13-3_007

تاریخ نمایه سازی: 30 بهمن 1401

چکیده مقاله:

روش هیدروگراف واحد لحظه ای ژئومورفولوژیکی (GIUH) یک روشی است که بر اساس اطلاعات ضرایب درجه بندی آبراهه ها و داده های ژئومورفولوژیکی حوضه های فاقد آمار به پیش بینی رواناب حوضه می پردازد. بسیاری از حوضه های آبریز، فاقد نقشه رقومی DEM هستند و برای تهیه آن نیازمند استفاده از GIS می باشد که نیازمند تخصص GIS و صرف وقت زیاد می باشد که بسیاری از هیدرولوژیست ها به آن علاقه مند نیستند و به دنبال مدل های بارندگی-رواناب ساده تر می گردند. در این تحقیق براساس داده های درجه بندی آبراهه نه حوضه آبریز مختلف در دنیا معادلاتی جهت تخمین ضرایب درجه بندی ارائه گردید. پنج معادله رگرسیونی برای محاسبه ضرایب درجه بندی آبراهه ها اعم از ضریب انشعاب(RB) ، ضریب طول آبراهه(RL) ، ضریب مساحت زهکشی (RA)، ضریب شیب آبراهه (RS) و ضریب شیب صفحات (RSO) حوضه ارائه گردید. نتایج معادلات برای ضرایب درجه بندی آبراهه های سه حوضه آبریز دیگر مورد ارزیابی قرار گرفت. بر اساس معادلات رگرسیونی ارائه شده به تخمین رواناب سطحی حوضه های آبریز Heng-Chi و Kasilian به روش GIUH پرداخته شد. براساس نتایج، خطای پیک رواناب محاسبه شده توسط مدل GIUH بر اساس معادلات رگرسیونی ۱۰% بیشتر از محاسبات مدل بر اساس داده های واقعی بدست آمده از GIS بوده است. مقدار متوسط خطای معادلات رگرسیونی در تخمین ضرایب RB،RL ، RA، RS و RSO در سه حوضه معرف به ترتیب ۷/۴%، ۵/۲۳%، ۱/۷%، ۳/۴۱% و ۹/۲۲% می باشد. ضریب حساسیت نسبی ضرایب RB،RL ، RA، RS و RSO برروی پیک رواناب به ترتیب ۵۶/۰، ۰۱/۰،۹۲/۰، ۰۴۲/۰ و ۳۳/۱ می باشد.

کلیدواژه ها:

ضرایب درجه بندی آبراهه ، استراهلر ، هیدروگراف واحد لحظه ای ، کسیلیان

نویسندگان

تورج سبزواری

عضو هیئت علمی /گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد استهبان

پویان کشتکاران

عضو هیئت علمی/ گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد استهبان

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 :