ORIGINAL_ARTICLE
بررسی تاثیر نانوذرات هماتیت بر غلظت آرسنیک و برخی عناصر غذایی گیاه ذرت کشت شده در خاکهای آلوده
سابقه و هدف: آرسنیک یکی از شبه فلزات است که اخیرا توجهات زیادی را به سوی خود جلب کرده است. قرار گرفتن طولانی مدت در معرض آرسنیک سبب بروز سرطان های پوست، شش و پروستات می شود. حضور آرسنیک در آب و خاک منجر به انتقال آن به بخش های مختلف گیاهان می شود. تاکنون تاثیر نانوذرات هماتیت بر غلظت آرسنیک در گیاهان کشت شده در مناطق آلوده بررسی نشده است. پژوهش حاضر با هدف بررسی کارایی نانوذرات هماتیت در کاهش تحرک و گیاه -فراهمی آرسنیک و تاثیر آن بر غلظت عناصر فسفر، آهن، روی و منگنز گیاه ذرت کشت شده در خاکهای آلوده انجام شد.مواد و روش ها: بدین منظور یک آزمایش فاکتوریل با دو فاکتور سطوح نانوذرات هماتیت (صفر، 0/05، 0/1 و 0/2 درصد وزنی) و سطوح مختلف آرسنیک (صفر، 6، 12، 24، 48 و 96 میلی گرم بر کیلوگرم خاک) در قالب طرح کاملا تصادفی در سه تکرار در گلخانه انجام شد. خاک بصورت مصنوعی و با استفاده از نمک آرسنات سدیم (Na2HAsO4.7H2O) به سطوح مختلف آرسنیک آلوده و به مدت پنج ماه خوابانیده شد. نانوذرات هماتیت (α-Fe2O3) از نیترات آهن سنتز شدند و خصوصیات آنها به وسیله تکنیکهای XRD، SEM و TEM بررسی گردید. پس از پایان زمان خوابانیدن، نانوذرات هماتیت به خاکهای الوده و غیرآلوده افزوده شد و پس از یک ماه غلظت آرسنیک قابل جذب خاک ها اندازه گیری شد. از گیاه ذرت به عنوان شاخص زیستی استفاده شد. پس از گذشت 75 روز گیاهان برداشت شدند و ارتفاع بوته، وزن خشک ریشه و بخش هوایی، غلظت آرسنیک، فسفر، آهن، روی و منگنز ریشه و بخش هوایی اندازه گیری شد. یافته ها: مورفولوژی نانوذرات هماتیت بوسیله میکروسکوپ الکترونی روبشی و عبوری کروی تشخیص داده شد و میانگین اندازه آنها 30 نانومتر اندازه گیری گردید. نتایج نشان داد که با افزایش غلظت آرسنیک کل خاک، غلظت آرسنیک قابل جذب، غلظت آرسنیک ریشه و بخش هوایی ذرت افزایش یافت. تجمع آرسنیک در ریشه بیش از بخش هوایی ذرت بود. آرسنیک سبب افزایش غلظت عناصر فسفر و منگنز و کاهش غلظت عناصر آهن و روی ریشه ذرت شد. همچنین در بخش هوایی غلظت فسفر، آهن و روی را کاهش ولی منگنز را افزایش داد. آرسنیک همچنین سبب کاهش انتقال فسفر از ریشه به بخش هوایی شد. نانوذرات هماتیت در کلیه سطوح آرسنیک خاک، غلظت آرسنیک قابل جذب و غلظت آرسنیک ریشه و بخش هوایی ذرت را بطور معنی دار کاهش دادند. این نانوذرات با افزایش غلظت عناصر غذایی آهن و روی، کاهش تجمع آرسنیک، فسفر و منگنز ریشه گیاهان کشت شده در خاکهای آلوده، سبب افزایش وزن خشک ریشه شدند و با افزایش غلظت عناصر فسفر، آهن و روی و کاهش تجمع آرسنیک و منگنز بخش هوایی سبب افزایش وزن خشک آن شدند، ولی در خاک های غیرآلوده با کاهش غلظت عناصر غذایی فسفر، آهن، روی و منگنز ریشه و بخش هوایی گیاهان کشت شده منجر به کاهش وزن خشک گیاه شدند. موثرترین سطح مصرف نانوذرات هماتیت 0/2 درصد بود بطوری که مقدار کاهش غلظت آرسنیک ریشه و بخش هوایی گیاهان کشت شده در خاک تیمار شده با2/ 0 درصد نانوذرات هماتیت و 96 میلی گرم آرسنیک بر کیلوگرم 54/64 و 40/20 درصد بود.نتیجه گیری: آرسنیک در غلظت های کمتر از 12 میلی گرم بر کیلوگرم رشد و وزن ریشه و بخش هوایی ذرت را افزایش داد ولی در غلظتهای بیش از آن با ایجاد اثرات سمی و بر هم زدن تعادل عناصر غذایی رشد گیاه را کاهش داد. بطور کلی نتایج نشان دادند که نانوذرات هماتیت می توانند برای پاکسازی خاک های آلوده به آرسنیک بکار روند به شرط آنکه تحقیقات تکمیلی در خصوص اثرات زیست محیطی آنها صورت گیرد.
https://jwsc.gau.ac.ir/article_4058_ff5e02b5dc7608a7225b8238f00910c7.pdf
2018-04-21
1
34
10.22069/jwsc.2018.13878.2862
آرسنیک
ذرت
عناصر غذایی
نانوذرات هماتیت
طاهره
منصوری
t.mansouri2010@gmail.com
1
دانشگاه زنجان
LEAD_AUTHOR
احمد
گلچین
agolchin2011@yahoo.com
2
استاد گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان
AUTHOR
Abedin, M.J., Cotter-Howells, J., and Meharg, A.A. 2002. Arsenic uptake and accumulation in rice (Oryza sativa L.) irrigated with contaminated water. Plant and Soil. 240: 311-319.
1
Arai, Y., and Sparks, D.L. 2002. Residence time effects on arsenate surface speciation at the aluminium oxide-water interface. Soil Science. 167: 303-314.
2
Azizur Rahman, M., Hasegawa, H., Mahfuzur Rahman, M., Nazrul Islam, M., Majid Miah, M.A., and Tasmen, A. 2007. Effect of arsenic on photosynthesis, growth and yield of five widely cultivated rice (Oryza sativa L.) varieties in Bangladesh. Chemosphere. 67: 1072-1079.
3
Bagherifam, S., Lakzian, A., Fotovat, A., Khorasani, R., and Komarneni, S. 2014. In situ stabilization of As and Sb with naturally occurring Mn, Al and Fe oxides in a calcareous soil: Bioaccessibility, bioavailability and speciation studies. J. Hazard. Mater. 273: 247-252.
4
Bremner, J.M. 1996. Nitrogen–Total, P 1085-1122. In: Sparks, D.L. et al. (Ed). Methods of Soil Analysis. SSSA and ASA, Madison, WI.
5
Chen, Y., and Li, F. 2010. Kinetic study on removal of copper (II) using goethite and hematite nano- photocatalysts. Coloid and Interface Science. 347: 277-281.
6
Cong, T., and Lena, Q.M. 2003. Effects of arsenate and phosphate on their accumulation by an arsenic-hyperaccumulator Pteris vittata L. Plant and Soil. 249: 373-382.
7
Gao, Y., and Mucci, A. 2001. Acid base reactions, phosphate and arsenate complexation, and their competitive adsorption at the surface of goethite in 0.7 M NaCl solution. Geochimica et Cosmochimica Acta. 65: 2361-2378.
8
Garcia-Sanchez, A., Alvarez-Ayuso, E., and Rodriguez-Martin, F. 2002. Sorption of As(V) by some oxyhydroxides and clay minerals. Application to its immobilization in two polluted mining soils. Clay Minerals. 37: 187-194.
9
Gulz, P.A. 2002. Arsenic uptake of common crop plants from contaminated soils and interaction with phosphate. Ph.D. Thesis. Swiss.
10
Gulz, A., Gupta, S.K., and Schulin, R. 2005. Arsenic accumulation of common plants from contaminated soils Petra. Plant and Soil. 272: 337-347.
11
Ha, J., Trainor, T.P., Farges, F., and Brown, G.E. 2009. Interaction of Aqueous Zn(II) with Hematite Nanoparticles and Microparticles. Part 1. EXAFS Study of Zn(II) Adsorption and Precipitation. Langmuir. 25: 5574-5585.
12
Hafez, H., and Yousef, H. 2012. A study on the use of nano/micro structured goethite and hematite as adsorbents for the removal of Cr(III), Co(II), Cu(II), Ni(II) and Zn(II) metal ions from aqueous solutions. Inter. J. Engin. Sci. Technol. 4: 3018-3028.
13
Haldar, M., and Mandal, L.N. 1981. Effect of Phosphorus and Zinc on the growth and Phosphorus, Zinc, Copper, Iron and Manganese nutrition of rice. Plant and Soil. 59: 415-425.
14
Hale, J.R., Foos, A, Zubrow, J.S., and Cook, J. 1997. Better characterization of arsenic and chromium in soils: a field-scale example. J. Soil Contamin. 6: 371-389.
15
Hartley, W., Edwards, R., and Lepp, N.W. 2004. Arsenic and heavy metal mobility in iron oxide-amended contaminated soils as evaluated by short- and long-term leaching tests. Environmental Pollution. 131: 495-504.
16
Helmke, P.H., and Spark, D.L. 1996. Potassium, P 551-574. In: Sparks D.L. et al. (Ed). Methods of Soil Analysis. SSSA and ASA.
17
Madison, WI..Hingston, F.J., Posner, A.M., and Quirk, J.P. 1971. Competitive adsorption of negatively charged ligands on oxide surfaces. Discussions of the Faraday Society. 52: 334-342.
18
Hudson Edwards, K.A., Houghton, S.L., and Osborn, A. 2004. Extraction and analysis of arsenic in soils and sediments. Trends in Analytical Chemistry. 23: 745-752.
19
Huang, X. 2004. Intersection of isotherms for phosphate adsorption on hematite. J. Coll. Interface Sci. 271: 296-307. Jahan, I., Hoque, S., Ullah, S.M., and Kibria, M.G. 2003. Effects of arsenic on some growth parameters of rice plant. Dhaka Univ. J. Biol. Sci. 12: 71-77.
20
Jeong, Y., Fan, M., Singh, S., Chuang, C., Saha, B.J., and Leeuwen, H. 2007. Evaluation of iron oxide and aluminum oxide as potential arsenic (V) adsorbents. Chemical Engineering and Processing. 46: 1030-1039.
21
Klute, A. 1986. Physical and mineralogical methods, P 1- 1188. Methods of soil analysis. Part 1. 2nd ed. ASA, SSSA, Madison ,WI ,USA.
22
Li, Y., James, D.R., and Redwine, B. 2007. In situ chemical fixation of arsenic-contaminated soils: An experimental study. Science of the Total Enviroment. 387: 28-41.
23
Liu, Q.J., Zheng, C.M., Hu, C.X., Tan, Q.L., Sun, X.C., and Su, J.J. 2012. Effects of high concentrations of soil arsenic on the growth of winter wheat (Triticum aestivum L.) and rape (Brassica napus). Plant and Soil Enviroment. 58: 22-27.
24
Lo, M.C.I., Hu, J., and Chen, G. 2009. Iron-based magnetic nanoparticles for removal of heavy metals from electroplating and metal-finishing wastewater, P 213-264. In: Zhang, C.T., Surampali, Y.R., Lai, K.C.K., Hu, Z., Tyagi, R.D. and Lo, M.C.I. (Eds). Nanotechnologies for Water Environment Applications American Society of Civil Engineers, Virginia. Madden, A.S., and Hochella, J.R.M.F. 2005. A test of geochemical reactivity as a function of mineral size: Manganese oxidation promoted by hematite nanoparticles. Geochimica et Cosmochimica Acta. 69: 389-398.
25
Mandal, L.N., and Haldar, M. 1980. Influence of P and Zn application on the availability of Zn, Cu, Fe, Mn and P in waterlogged rice soils. Soil Science. 130: 251-257.
26
Mousavi, R., Galavi, M., and Rezaei, M. 2012. The interaction of zinc with other elements in plants: a review. Inter. J. Agric. Crop Sci. 4: 1881-1884.
27
Nelson, R.E. 1982. Carbonate and gypsum, P 181-196. In: Page, A.L., et al. (Ed). Methods of soil analysis. Part 2. 2nd ed. Agronomy monograph no. 9. SSSA and ASA. Madison, WI.
28
Nelson, D.W., and Sommers, L.E. 1982. Total carbon, organic carbon, and organic matter, P 539-579. In: Page, A.L., et al. (Ed). Methods of Soil Analysis. Part 2. 2nd ed. American Society of Agronomy. Inc. Soil Science Society of America. Inc. Madison, Wisconsin, USA.
29
Rahman, M.A., Hasegawa, H., Ueda, K., Maki, T., and Rahman, M.M. 2008. Arsenic uptake by aquatic macrophyte Spirodela polyrhiza L.: interactions with phosphate and iron. J. Hazard. Mater. 160: 356–361.
30
Rhoades, J.D. 1982. Cation exchange capacity, P 149-157. In: Page, A.L., et al. (Ed). Methods of soil analysis. Part 2. 2nd ed. American Society of Agronomy. Inc. Soil Science Society of America. Inc. Madison, Wisconsin, USA.
31
Shaibur, M.R., Kiltajima, N., Huq, S.M.I., and Kawai, S. 2009. Arsenic–iron interaction: Effect of additional iron on arsenic-induced chlorosis in barley grown in water culture. Soil Science and Plant Nutrition. 55: 739-746.
32
Sherman, D.M., and Randall, S.R. 2003. Surface complexation of arsenie (V) to iron (III) (hydr)oxides: Structural mechanism from ab initiomolecular geometries and EXAFS spectroscopy. Geochimica et Cosmochimica Acta. 67: 4223-4230. 36.Shipley, H.J., Engates, K.E., and Guettner, A.M. 2011. Study of iron oxide nanoparticles in soil for remediation of arsenic. Nanoparticle Research. 13: 2387-2397.
33
Sneller, F.E.C., Van Heerwaarden, L.M., Kraaijeveld-Smit, F.J., Ten Bookum, W.M., Koevoets, P.L.M., Schat, H., and Verkleij, J.A.C. 1999. Toxicity of arsenate in Silene vulgaris, accumulation and degradation of arsenate-induced phytochelatins. New Phytologist. 144: 3-232.
34
Srivastava, S., Mishra, S., Tripathi, R.D., Dwivedi, S., Trivedi, P.K., and Tandon, P.K. 2007. Phytochelatins and antioxidant systems respond differentially during arsenite and arsenate stress in Hydrilla verticillata (L.f.) Royle. Environmental Science & Technology. 41: 2930-2936.
35
Sun, X.H., and Doner, H.E. 1996. An investigation of arsenate and arsenite bonding structure on goethite by FTIR. Soil Science. 161: 865-872.
36
Tang, T., and Miller, D.M. 1991. Growth and tissue composition of rice grown in soil treated with inorganic copper, nickel, and arsenic. Communications in Soil Science and Plant Analysis. 22: 2037-2045.
37
Tuutijärvi, T., Repo, E., Vahala, R., Sillanpää, M., and Chen, G. 2012. Effect of Competing Anions on Arsenate Adsorption onto Maghemite Nanoparticles. Chine. J. Chem. Engin. 20: 505-514.
38
Warren, G.P., Alloway, B.J., Lepp, N.W., Singh, B., Bochereau, F.J.M., and Penny, C. 2003. Field trials to assess the uptake of arsenic by vegetables from contaminated soils and soil remediation with iron oxides. The Science of the Total Environment. 311: 19-33.
39
Wenzel, W.W., Kirchbaumer, N., Prohaska, T., Stingeder, G., Lombi, E., and Adriano, D.C. 2001. Arsenic fractionation in soils using an improved sequential extraction procedure. Analytica Chimica Acta. 436: 309-323.
40
Wu, G.R., Hong, H.L., and Yan, C.L. 2015. Arsenic accumulation and translocation in mangrove (Aegiceras corniculatum L.) grown in Arsenic Contaminated Soils. International Journal of Environmental Research and Public Health. 12: 7244-7253. 45.Xu, H., Allard, B., and Grimvall, A. 1988. Influence of pH and organic substance on the adsorption of As (V) on geologic materials. Water Air and Soil Pollution. 40: 293-305.
41
Yassen, A., Abou El-Nour, E.A.A., and Shedeed, S. 2010. Response of wheat to foliar spray with urea and micronutrients. J. Amer. Sci. 6: 14-22.
42
Yean, S., Cong, L., Yavuz, C.T., Mayo, J.T., Yu, W.W., Kan, A.T., Calvin, V.L., and Tomson, M.B. 2005. Effect of magnetite particle size on adsorption and desorption of arsenite and arsenate. J. Mater. Res. 20: 3255-3264.
43
Zhang, M., Pan, G., Zhao, D., and He, G. 2011. XAFS study of starch-stabilized magnetite nanoparticles and surface speciation of arsenate. Environmental Pollution. 159: 3509-3514.
44
ORIGINAL_ARTICLE
شناسایی و تفکیک مناطق سیل خیز و بررسی تأثیر فعالیت های آبخیزداری بر دبی اوج سیلاب حوضه (مطالعه موردی: حوضه آبخیز بار نیشابور)
سابقه و هدف: روند رو به افزایش سیل در سال های اخیر حاکی از آن است که اکثر مناطق کشور در معرض تهاجم سیلاب های دوره ای و مخرب قرار دارند که از این نظر بسیاری از شهرها، روستاها، تأسیسات صنعتی و کشاورزی و اماکن مسکونی نیز در معرض خطر سیل قرار گرفته اند. لذا شناسایی اصولی مناطق سیل خیز در داخل حوضه آبخیز از جمله اقدامات بسیار مهم در کنترل سیل و کاهش خسارات ناشی از آن محسوب می گردد. هدف اصلی از انجام تحقیق حاضر بررسی و شناسایی مناطق سیل خیز و تأثیر فعالیت های آبخیزداری بر میزان دبی اوج سیلاب در حوضه آبخیز رودخانه بار شهرستان نیشابور واقع در استان خراسان رضوی می باشد. مواد و روش ها: بدین منظور حوضه مورد مطالعه به 20 زیرحوضه تقسیم گردید وخصوصیات فیزیکی کل حوضه و زیرحوضه ها با استفاده از سیستم اطلاعات جغرافیایی و در فرمت رقومی تعیین شد. سپس با بهره گیری از مدل هیدرولوژیکی HEC-HMS و به کمک روش تکرار حذف انفرادی زیرحوضه (Single Successive Sub-watershed Elimination) آبنمودهای سیل متناظر با بارش های طراحی برای هر یک از زیر حوضه ها محاسبه گردید. سپس با حذف متوالی زیرحوضه ها در هر بار اجراء مدل، دبی خروجی کل حوضه پس از روندیابی سیل در آبراهه های اصلی بدون زیرحوضه مورد نظر (با استفاده از روش موج سینماتیک) محاسبه گردید، بدین ترتیب میزان تأثیر هر یک از زیرحوضه ها در تولید سیل خروجی حاصل گردید. همچنین، سیل خیزی حوضه مطالعاتی در واحد سطح حوضه محاسبه گردید و شاخص سیل خیزی (f)، مبنای اولویت بندی حوضه قرار گرفت.یافته ها: در فرآیند واسنجی مدل دو پارامتر شماره منحنی و ضریب مانینگ به عنوان مؤثرترین پارامترها بر دبی سیلاب حوضه آبخیز انتخاب گردیدند و ضریب ناش-ساتکلیف بالا در رخدادهای سیل نشان داد که واسنجی مدل در حوضه آبخیز بار به نحو مناسبی صورت پذیرفته است. نتایج شبیه سازی نشان داد که زیرحوضه B1 (در بخش شمالی حوضه) در دوره های بازگشت 50 و 100 ساله با تولید دبی اوج 38.9 و 44.1 مترمکعب بر ثانیه در محل خروجی زیرحوضه، بیشترین مقدار و زیرحوضه های B11، B13 و B19 (در بخش های غربی حوضه) با دبی اوج نزدیک به صفر کمترین مقدار دبی اوج را به خود اختصاص می دهند. همچنین، با توجه به شاخص (f) در رگبارهای طرح با دوره های بازگشت 50 و 100 ساله زیرحوضههای B4 و B3 (در نیمه شمالی حوضه) اولین و دومین رتبه و زیرحوضههای B6، B11،B12 ، B13،B14 و B19 (در نیمه جنوبی حوضه و در بخش های شرقی و غربی حوضه) کمترین اولویت را کسب کرده اند. در زیرحوضه B1 با توجه به اینکه بیشترین سطح عملیات بیولوژیک اجراء گردیده است، بالاترین درصد کاهش دبی اوج به میزان 41.27 تا 44.73 درصد می باشد. از طرف دیگر، نتایج نشان داد که هرچه نسبت سطح عملیات بیولوژیک به مساحت زیرحوضه بیشتر باشد، نقش این پروژه ها در کاهش میزان دبی اوج نیز واضح تر خواهد بود. با توجه به بررسی صورت گرفته نقش فعالیت های سازه ای در کاهش دبی اوج سیلاب کمتر از فعالیت های بیولوژیک می باشد و افزایش تعداد سازه ها در طول مسیر رودخانه باعث کاهش میزان دبی اوج زیرحوضه نیز خواهد شد. نتیجه گیری: با بررسی اثر فعالیت های بیولوژیک و احداث گابیون بر دبی اوج سیلاب های طرح، می توان گفت که نقش فعالیت های بیولوژیک در کاهش دبی اوج و حجم سیلاب به مراتب مؤثرتر از فعالیت های سازه ای (احداث گابیون) می باشد. بنابراین، عامل CN به عنوان یک عامل مؤثر و قابل کنترل بر سیل خروجی حوضه و کاهش دبی اوج می باشد.
https://jwsc.gau.ac.ir/article_4059_ea1700f7885d6b1278ec024fe028c256.pdf
2018-04-21
35
59
10.22069/jwsc.2018.13978.2875
دبی اوج سیلاب
سیلخیزی
عملیات آبخیزداری
روندیابی موج سینماتیک
HEC-HMS
هادی
معماریان خلیل آباد
hadi_memarian@birjand.ac.ir
1
استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران
AUTHOR
محمد
یوسفی
myousefi_58@yahoo.com
2
کارشناسی ارشد علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران
AUTHOR
امیرحسین
آقاخانی افشار
a.s.a.a.6269@gmail.com
3
دانشگاه تبریز- دانشکده مهندسی عمران-گروه مهندسی آب و سازه های هیدرولیکی
LEAD_AUTHOR
1.Adib, A., Salarijazi, M., and Najafpour, K. 2010. Evaluation of synthetic outlet runoff
1
assessment models. J. Appl. Sci. Environ. Manage. 14: 3. 13-18.
2
2.Azamirad, M., Soleimani, K., Habibnejad Roshan, M., and Memari, A. 2014. Assessing the
3
impact of biological and mechanical projects on flood peak attenuation and runoff harvesting
4
in the Hec-Hms 3.1.0 and Arcmap 9.3 software environment. Tenth National Conference on
5
Watershed Management Sciences and Engineering (Adaptive Watershed Management),
6
Birjand, Iran. 11p. (In Persian)
7
3.Bahrami, A., Onagh, M., and Farazjoo, H. 2011. The role of flood routing in determining and
8
prioritizing hydrologic units of Bostan dam basin from flooding and management aspects. J.
9
Water Soil Resour. Cons. 1: 1. 11-27. (In Persian)
10
4.Choudhari, K., Panigrahi, B., and Paul, J.C. 2014. Simulation of rainfall-runoff process using
11
HEC-HMS model for Balijore Nala watershed, Odisha, India. Int. J. Geom. Geosci.
12
5: 2. 253-265.
13
5.Chow, V.T., Maidment, D.R., and Mays, L.W. 1988. Unit Hydrograph. Applied Hydrology.
14
McGraw-Hill International editions, Singapore, Pp: 201-241.
15
6.Ewen, J., and Parkin, G. 1996. Validation of catchment models for predicting land-use and
16
climate change impacts. 1. Method. J. Hydrol. 175: 583-594.
17
7.Feldman, A.D. 2000. Hydrologic modeling system HEC-HMS: technical reference manual.
18
US Army Corps of Engineers. Hydrologic Engineering Center, 148p.
19
8.Geza, M., Poeter, E.P., and McCray, J.E. 2009. Quantifying predictive uncertainty for a
20
mountain-watershed model. J. Hydrol. 376: 1. 170-181.
21
9.Karimian, R., Honarbakhsh, A., Sadatinejad, S.J., and Abdollahi, K. 2012. Flood Routing in
22
Rivers Using Kinematic Wave and Muskingum-Cunge Models (Case Study: Doab Samsami
23
River). Iran. Water Res. J. 6: 10. 57-65. (In Persian)
24
10.Khorasan Water and Soil Engineering Services Company. 2006. Watershed Studies of
25
Phases 1 and 2 of Neishabour Basin. Department of Natural Resources and Watershed of
26
Khorasan Razavi, Iran. 200p. (In Persian)
27
11.Khosroshahi, M. 2016. An overview to identification and prioritization of flood prone areas
28
using SSSE method in sub-watersheds (Case study: shamsabad basin). Iran. J. Water.
29
Manage. Sci. Engin. 10: 33. 59-73. (In Persian)
30
12.Kreft, S., Eckstein, D., Junghans, L., Kerestan, C., and Hagen, U. 2014. Global climate risk
31
index 2015: who suffers most from extreme weather events? Weather-related loss events in
32
2013 and 1994 to 2013. Germanwatch e.v, Bonn, Germany, 32p.
33
13.Mahdavi, M. 2005. Applied hydrology. Tehran University Press, 437p. (In Persian)
34
14.Matkan, A., Shakiba, A., Pourali, H., and Azari, H. 2009. Flood early warning with
35
integration of hydrologic and hydraulic models, RS and GIS (Case study: Madarsoo basin,
36
Iran). World Appl. Sci. J. 6: 12. 1698-1704.
37
15.McCuen, R.H. 1982. A guide to hydrologic analysis using SCS methods. Prentice-Hall, Inc.
38
USA, 145p.
39
16.Memarian, H., Balasundram, S.K., Talib, J., Teh Boon Sung, C., Sood, A.M., Abbaspour,
40
K.C., and Haghizadeh, A. 2012. Hydrologic Analysis of a Tropical Watershed using
41
KINEROS2. J. Environ. Asia. 5: 1. 84-93.
42
17.Miller, S.N., Kepner, W.G., Mehaffey, M.H., Hernandez, M., Miller, R.C., Goodrich, D.C.,
43
and Miller, W.P. 2002. Integrating landscape assessment and hydrologic modeling for land
44
cover change analysis. J. Am. Wat. Res. 38: 4. 915-929.
45
18.Ministry of Energy. 2016. Investigation of Flood Damage. The domestic publication of the
46
plan for the preparation of criteria and criteria for the country's water industry. Technical
47
Report No. 164-N, Iran. 111p. (In Persian)
48
19.Nash, J.E., and Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part
49
I-A discussion of principles. J. Hydrol. 10: 3. 282-290.
50
20.Negaresh, H., Tavousi, T., and Mehdinasab, M. 2011. Investigating the intensity of flooding
51
in the Kashkan River basin. J. Manage. Syst. 13: 4. 49-58.
52
21.Saghafian, B., and Farazjoo, H. 2007. Prioritization of Hydrologic Units with Respect to
53
Flood Potential in Golestan Dam River Basin. Iran. J. Water. Manage. Sci. Engin. 1: 1. 1-11.
54
(In Persian)
55
22.Saghafian, B., Golian, S., Elami, M., and Akhtari, R. 2013. Monte Carlo analysis of the
56
effect of spatial distribution of storms on prioritization of flood source areas. J. Nat. hazards.
57
66: 2. 1059-1071.
58
23.Sangjun Im, S., Park, S., and Jang, T. 2007. Application of SCS curve number method for
59
irrigated paddy field. KSCE. J. Civ. Eng. 11: 1. 51-56.
60
24.Scharffenberg, W.A., and Fleming, M.J. 2006. Hydrologic Modeling System HEC-HMS:
61
User's Manual: US Army Corps of Engineers. Hydrologic Engineering Center. 318p.
62
25.Shabanlou, S., and Rajabi, A. 2012. Sub-basins participation rate in flood intensity rise basin
63
using GIS. J. Environ. Res. Develop. 7: 1A. 475-483.
64
26.Shokoohi, A.R. 2007. Assessment of urban basin flood control measures using HYDROGIS
65
tools. J. Appl. Sci. 7: 13. 1726-1733.
66
27.Singh, V.P. 2001. Kinematic wave modelling in water resources: a historical perspective.
67
Hydrol. Process. J. 15: 4. 671-706.
68
28.Soleimani Sarood, F., Soltani Kopaii, S., and Salajeghe, A. 2013. Selection of appropriate
69
flooding potential index by using rainfall-runoff (HEC-HMS) model and RS & GIS
70
techniques in jiroft dam basin. J. Water. Manage. Res. 4: 8. 90-105. (In Persian)
71
29.Taghvaie Abrishami, A.A., Eslami, A., and Talvari, A. 2008. Determination of Rainfall
72
Temporal Pattern in khorasan Province. Soil Conservation and Watershed Management
73
Institute. Tehran, Iran. 81p. (In Persian)
74
30.Taheri Tizro, A., Pakdel Khasmakhi, H., Marofi, S., and Vazifedoust, M. 2016. Integrated
75
HEC-HMS and GLDAS models to runoff estimate of ungauged area. J. Water Soil Cons.
76
23: 4. 101-118. (In Persian)
77
31.USACE. 2000. Hydrologic Modelling System HEC-HMS, Technical reference manual.
78
United States Army Corps of Engineers, Davis, California. 148p.
79
32.USDA-SCS. 1986. US Department of Agriculture-soil Conservation Service (USDASCS):
80
Urban Hydrology for Small Watersheds. USDA, Washington, DC. USA. 117p.
81
33.Yazdi, J., Salehi Neyshabouri, S.A.A., Niksokhan, M.H., Sheshangosht, S., and Elmi, M.
82
2013. Optimal prioritisation of watershed management measures for flood risk mitigation on
83
a watershed scale. J. Flood Risk Manage. 6: 4. 372-384.
84
34.Yusop, Z., Chan, C.H., and Katimon, A. 2007. Runoff characteristics and application of
85
HEC-HMS for modelling stormflow hydrograph in an oil palm catchment. J. Wat. Sci. Tech.
86
56: 8. 41-48.
87
35.Zehtabian, G., Ghodosi, J., Ahmadi, H., and Khalilizadeh, M. 2009. Investigating the Priority
88
of Flood Potential in Sub-basins and Determining Flood Generation Areas (Case study:
89
Marmeh watershed basin in Fars Province). J. Manage. Syst. 2: 6. 1-13.
90
36.Zhan, X., and Huang, M.L. 2004. ArcCN-Runoff: an ArcGIS tool for generating curve
91
number and runoff maps. J. Environ Modell Softw. 19: 10. 875-879
92
ORIGINAL_ARTICLE
تحلیل آماری الگوی فضایی-زمانی طوفان گردوغبار در غرب و جنوب غرب ایران
سابقه و هدف: وقوع طوفانهای گرد و غبار به عنوان یک خطر جهانی، همه ساله مشکلات و خسارتهای مالی و جانی فراوانی را برای کشور به دنبال دارد. بنابراین، با توجه به شرایط توپوگرافیکی-اقلیمی ایران و افزایش چشمگیر فراوانی وقوع طوفانهای گرد و غبار، بررسی و مطالعه برای کاهش اثرات زیانبار آن اجتنابناپذیر است.مواد و روشها: در این تحقیق طوفانهای گرد و غبار بر حسب فراوانی فضایی-زمانی برای 25 ایستگاه هواشناسی سینوپتیک نواحی غرب و جنوب غربی ایران در طی دوره آماری 22 ساله (2016-1995) ارزیابی گردید و دادهها بهصورت روزانه طی 8 دیدهبانی در قالب کدهای ویژهای با استفاده از روشهای زمین آماری بررسی و تجزیه و تحلیل شدهاند. میانگین وقوع طوفانهای گرد و غبار در ساعتهای رخداد گرد و غبار و میانگین ماهانه، سالیانه، دوره گرم و سرد با استفاده از نرم افزارR برای کلیه ایستگاهها در طی دوره آماری مورد مطالعه محاسبه و نمودار آنها ترسیم گردید.یافتهها: نتایج حاصل از بررسی سالیانه پدیده گرد و غبار نشان میدهد که منطقه آبادان با میانگین فراوانی 16 روز سال، بیشترین تعداد روزها را در کل منطقه مورد مطالعه دارد و پس از آن منطقه بستان، سرپلذهاب و اهواز بیشترین فراوانیها را به خود اختصاص میدهند. 02/63 درصد از وقایع طوفان گرد و غبار فرامحلی از ساعت 9:30 تا 18:30 به وقت محلی و 47/83 درصد از وقایع طوفان گرد و غبار محلی در ساعت 3:30 به وقت محلی اتفاق میافتند و بیشترین فراوانی طوفان گرد و غبار در ماههای ژوئن و ژوئیه و کمترین فراوانی در ماه نوامبر و دسامبر میباشد. همچنین درصد فراوانی طوفانهای گرد و غبار محلی و فرامحلی طی دوره آماری نشان داد که 94/74 درصد روزهای طوفان گرد و غبار از منشأ فرامحلی و 06/25 درصد از منشأ محلی برخوردار بودهاند. میانگین فراوانی طوفان گردوغبار در دوره گرم سال در منطقه مورد مطالعه 36 روز و در دوره سرد سال، 22 روز میباشد. در تمام ایستگاههای مورد مطالعه اکثر روزهای گردوغباری مربوط به دوره گرم سال بوده است.نتیجهگیری: هر چه یک موج گرد و غباری از منشاً و یا کانون اولیه خود فاصله میگیرد از شدت و تداوم آن کاسته میشود. بنابراین میتوان گفت چون منبع اولیه اکثریت پدیدههای گردوغباری منطقه مورد مطالعه، مناطقی هم چون بیابانهای عراق، عربستان، سوریه و شمال آفریقا میباشد بررسی الگوی فضایی نشان داد که طوفانهای گردوغبار در امتداد شمال به جنوب منطقه مورد مطالعه به صورت خطی افزایش مییابند در حالیکه در امتداد غرب به شرق از تابع چند جملهای درجه 2 (منحنی با یک قوس) تبعیت میکنند که این امر نشان دهنده افزایش فراوانی طوفان گردوغبار در راستای حرکت از غرب به شرق و سپس کاهش فراوانی طوفان گردوغبار به سمت شرق منطقه مورد مطالعه میباشد. قرارگیری ارتفاعات زاگرس با امتداد شمالغربی- جنوبشرقی که خود همانند سدی جلوی عبور طوفانهای گردوغبار وارده به این نواحی را گرفته و خروج این پدیده نیز به زمان بیشتری نسبت به بقیه مناطق را دارد.
https://jwsc.gau.ac.ir/article_4077_2e14bc9d3154062643a55e972e1d759e.pdf
2018-04-21
61
83
10.22069/jwsc.2018.14107.2883
طوفان گرد و غبار
زمین آمار
تحلیل فضایی-زمانی
ایران
سیدعبدالحسین
آرامی
arami1854@gmail.com
1
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
مجید
اونق
ownegh@gau.ac.ir
2
استاد ژئومرفولوژی و آمایش سرزمین، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.
LEAD_AUTHOR
علی
محمدیان بهبهانی
behbahani1383@yahoo.com
3
عضو هیات علمی/ دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
مهری
اکبری
mehriakbary@gmail.com
4
استادیار جغرافیای طبیعی و اقلیم شناسی، دانشکده علوم جغرافیای، دانشگاه خوارزمی، تهران، ایران.
AUTHOR
علیرضا
زراسوندی
zarasvandi@scu.ac.ir
5
مدیر مرکز پژوهشی منطقهای ریزگردها و استاد زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران.
AUTHOR
1.Abbasi, H.R., Rafie Emam, A., and Rohipur, H. 2008. Analysis of Dusts Source of Bushehr
1
and Khuzestan Using Satellite Imagery. J. For. Range. 78: 48-51. (In Persian)
2
2.Al-Frraji, F. 2001. Ating desertification in Iraq; Desertification Control Bulletin. 33: 42.
3
3.Ataii, H., and Ahmadi, F. 2010. Dust one of the environmental problems in Islamic world
4
Case study: Khozestan Province. 4th International Congress of the Islamic World
5
Geographers (ICIWG). Zahedan, Iran. (In Persian)
6
4.Bahiraei, H., Iyazi, M.H., Rajaii, M.A., and Ahmadi, H. 2012. Synoptic Statistical Analysis of
7
Dust phenomenon in Ilam Province. J. Quar. Human Geograph. 4: 1.47-67. (In Persian)
8
5.Goudie, A., and Middleton, N.J. 2000. Dust storms in South West Asia. Acta Universitatis
9
Carolinae, Supplement, 7383p.
10
6.Goudie, A.S. 2009. Dust storms: Resent Developments. J. Environ. Manage. 90: 1. 89-94.
11
7.Goudie, A.S., and Middleton, N.J. 2006. Desert Dust in the Global System. Springer,
12
Heidelberg.
13
8.Johari, F. 2015. Spatio-temporal variability and impacts assessment of dust in Khuzestan and
14
Ilam provinces, Iran. Thesis of M.Sc. in Arid Zone Management, Gorgan University of
15
Agriculture Sciences and Natural Resources, 142p. (In Persian)
16
9.Khozoi Nejad, M., Shojaii, M., and Karami, A. 2015. Investigation of Dust Phenomenon
17
Frequency in Kohgiluyeh and Boyer-Ahmad Province. National Conference on
18
Meteorology. Yazd University, August: 19-20. (In Persian)
19
10.Lashkari, H., and Keykhosravi, Gh. 2008. Statistical Synoptic Analysis of Dust Storm in
20
Khorasan Razavi Province. J. Physic. Geograph. Res. Quar. 65: 17-33. (In Persian)
21
11.Middleton, N.J. 1986a. Dust storms in the Middle East. J. Arid Environ. 10: 2.83-96.
22
12.Middleton, N.J. 1986b. A Geography of dust storms in South west Asia. Int. J. Climatol.
23
6: 183-196.
24
13.Omidvar, K. 2006. Investigation and Synoptic analysis of sand storms in Yazd-Ardakan
25
plain. J. Geograph. Res. Quar. 21: 2.43-58. (In Persian)
26
14.Rashki, A., Arjmand, M., and Kaskaoutis, D.G. 2017. Assessment of dust activity and dustplume pathways over Jazmurian Basin, southeast Iran. J. Aeolian Res. 24: 145-160.
27
15.Romanof, B. 1961. Storm in Gobian Zone of Mongolia; The First PRCMongolia Workshope
28
on climate change in arid and semi-arid Region over the Central Asia, 21p.
29
16.Shamshiri, S., Jafari, R., Soltani, S., and Ramezani, N. 2014. Dust Detection and Mapping in
30
Kermanshah Province Using MODIS Satellite Imagery. J. Iran. Appl. Ecol. 3: 8. 29-42.
31
(In Persian)
32
17.Sivakumar, V.K. 2005. Impacts of sand storms/dust storms on Agriculture. Natural Disasters
33
and Extreme Events in Agriculture. 7: 159-177.
34
18.Song, Z., Wang, J., and Wang, S. 2007. Quantitative classification of northeast Asian dust
35
events. J. Geophysic. Res. 112(D4), doi: 10.1029/2006JD007048.
36
19.Su, B., Zhan, M., Zhai, J., Wang, Y., and Fischer, T. 2014. Spatio-Temporal variation of
37
haze days and atmospheric circulation pattern in china (1961-2013). Quaternary
38
International. 380: 14-21.
39
20.Tiwari, S., Bisht, D.S., Srivastava, A.K., Pipal, A.S., Teneja, A., Srivastava, M.K., and Attri,
40
S.D. 2014. Variability in atmospheric particulates and meteorological effects on their mass
41
concentrations over Dehli, India. Atmospheric Research. 1: 145. 45-56.
42
21.Wang, W., and Fang, Z. 2006. Numerical simulation and synoptic analysis of dust emission
43
and transport in East Asia. Global and Planetary Change. 52: 1. 57-70.
44
22.Zolfaghari, H., and Abedzadeh, H. 2005. Synoptic Analysis of Dust Systems in western Iran.
45
J. Geograph. Dev. Iran. 3: 173-188. (In Persian)
46
ORIGINAL_ARTICLE
بررسی و تعیین عوامل مؤثر بر شکل منحنی تداوم جریان در اقلیمهای مختلف ایران
سابقه و هدف : بهبود و توسعه پیش بینیها در حوضههای فاقد آمار نیازمند فهم و درک برهمکنش بین مولفههای حوضه و پاسخ هیدرولوژیک در اقالیم مختلف است. منحنی تداومجریان، یکی از مناسبترین روشهای نمایش پاسخ هیدرولوژیک حوضه است و کاربردهای مختلفی در گرایشهای مختلف هیدرولوژی و علوم وابسته دارد. شکل منحنی نیز انعکاسی از تاثیر پارامترهای آب و هوایی، زمینشناسی و فیزیوگرافی بر جریان رودخانه و پاسخ هیدرولوژیکی حوزه است. در یک دهه گذشته، مطالعات متعددی درخصوص تاثیر پارامترهای هندسی و هیدرولوژیکی حوضه بر شکل منحنی تداوم جریان، انجام شده است. عمده این مطالعات بهصورت تجربی است و در دو دسته گرافیکی و آماری قرار دارد که روشگرافیکی، برروی تاثیر مشخصههای فیزیوگرافیک و آب و هوائی بر شکل منحنی تداوم-جریان تمرکز دارند. در صورتیکه روشهای آماری بر روی توزیعهای آماری، برای برازش به منحنی تداومجریان و ارتباط این برازشها به مشخصههای فیزیکی حوضه متمرکز هستند. تحلیل عاملی عوامل موثر بر شکل منحنی تداوم جریان موجب دستیابی به اطلاعاتی برای مدلسازی منحنی تداوم جریان، تفسیر دقیقتر شرایط هیدرولوژیکی حوضه و استفاده درمدیریت بهینه منابعآب حوضه خواهد شد. هدف از این پژوهش، تعیین عوامل مهم تاثیرگذار هیدرو اقلیمی و مورفومتری در تغییر شکل منحنی تداومجریان و همچنین بررسی روابط مابین آنها در اقالیم مختلف کشور میباشد. مواد و روشها: در این پژوهش ابتدا با تهیه نقشه اقلیم کشور و تقاطع آن با مرز حوزههای آبخیز رتبه چهار، حوضههای واقع در هر منطقه اقلیمی تفکیک شد. سپس تعداد حداقل سی ایستگاه با آمار مناسب و دوره مشترک آماری سالهای1355-1380در هر منطقه اقلیمی انتخاب شد. سپس10پارامتر هندسی و هیدرولوژیک موثر بر منحنی تداوم جریان شامل: ارتفاع متوسط، مساحت حوضه، ضریب گراویلیوس، شیب حوضه، طول رودخانه اصلی، بارش سالانه، شاخص جریان پایه، شماره منحنی، نفوذپذیری و تعداد روزهای بارانی برای هر حوضه محاسبه شد. منحنی تداومجریان با استفاده از دادههای روزانه جریان، ترسیم و با استفاده از برنامهنویسی در محیط MATLAB شیب حد فاصلQ33 تا Q66 بهعنوان شاخص شکل منحنی محاسبه شد. تجزیه عاملی انجام و عوامل مستقل تاثیرگذار بر شکل منحنی مشخص شد. سپس روابط رگرسیونی بین شاخص شکل منحنی و عوامل انتخابی در مناطق مختلف اقلیمی استخراج و تحلیل شد.یافتهها: نتایج نشان داد که پارامترهای عامل اول شامل: شماره منحنی، شاخص جریان پایه و تعداد روزهای بارانی در تمامی مناطق اقلیمی به استثناء منطقه خشک مشترک است. همچنین، عامل شماره منحنی در تمامی مناطق بالاترین وزن تاثیرگذاری را دارا بوده است. در تمامی مناطق اقلیمی به استثناء منطقه بسیار مرطوب، وزن تاثیرگذاری مولفههای هندسی بیشتر از مولفههای هیدرولوژیکی است. عوامل انتخاب شده برای تحلیل عاملی در منطقه اقلیمی مرطوب با 88 درصد، بیشترین و منطقه مدیترانهای با 72 درصد، کمترین واریانس دادهها را توضیح میدهند. توزیع نرمال خطاها، ضریب تعیین بیشتر از 90/0 و ضریب دوربین واتسن بین 5/1 تا 5/2 بیانگر اعتماد به روابط رگرسیونی برای برآورد شیب منحنی تداوم جریان در مناطق فاقد آمار در اقالیم مختلف است.نتیجهگیری: در جمعبندی کلی نتایج تحلیل عاملی در مناطق مختلف اقلیمی کشور مشخص شد که برخی از پارامترهای دستهبندی شده در قالب عامل اول شامل: شماره منحنی، شاخص جریان پایه و تعداد روزهای بارانی در تمامی مناطق اقلیمی، مشترک است. با این استثناء که در منطقه خشک پارامتر تعداد روزهای بارانی دارای وزن تاثیرگذاری کمتری است و در قالب عامل دوم قرار گرفته است. عامل شماره منحنی در تمامی این مناطق وزن تاثیرگذاری بیشتری نسبت به سایر پارامترهای موجود در عامل اول را دارد.
https://jwsc.gau.ac.ir/article_4061_80ae822ba8cfc5a01589f33c11de1162.pdf
2018-04-21
85
105
10.22069/jwsc.2018.12764.2747
شاخص شکل منحنی تداوم جریان
مناطق اقلیمی
پارامترهای هندسی
پارامترهای هیدرو لوژیکی
رحیم
کاظمی
ra_hkazemi@yahoo.com
1
عضو هیئت علمی پژوهشکده حفاظت خاک و آبخیز داری
LEAD_AUTHOR
جهانگیر
پرهمت
jp1364@gmail.com
2
عضو هیات علمی پژوهشکده حفاظت خاک و آبخیز داری
AUTHOR
فرود
شریفی
fsh1338@gmail.com
3
دانشیار پژوهشکده حفاظت خاک و آبخیزداری سازمان تحقیقات کشاورزی-وزارت جهارد کشاورزی
AUTHOR
1.Alizadeh, A. 2007. Principal of Applied Hydrology, 14nd edition, Mashhad. Emamreza
1
University Press, 807p. (In Persian)
2
2.Berhanu, B., Seleshi, Y., Demisse, S.S., and Melesse, A.M. 2015. Flow Regime
3
Classification and Hydrological Characterization: A Case Study of Ethiopian Rivers. J.
4
Water. 7: 3149-3165.
5
3.Blumenfeld, S., Lu, C., Christopehersen, T., and Coates, D. 2009. Water, wetlands and
6
forests: a review of ecological, economic and policy linkages. Secretariat of the Convention
7
on Biological Diversity and Secretariat of the Ramsar Convention on Wetlands, Montreal
8
and Gland. CBD Technical Series No. 47:38.
9
4.Booker, D.J., and Snelder, T. 2012. Comparing methods for estimating flow duration curves at
10
ungauged sites, J. Hydrol. 434: 78-94.
11
5.Brath, A., Castellarin, A., Franchini, M., and Galeati, G. 2001. Estimating the index flood
12
using indirect methods. Hydrological Sciences. 46: 3. 399-418.
13
6.Castellarina, A., Galeatib, G., Brandimartea, L., Montanaria, L., and Bratha, A.A. 2004.
14
Regional flow-duration curves: reliability for ungauged basins, J. Adv. Water Resour.
15
27: 953-965.
16
7.Cheng, L., Yaeger, M., Viglione, A., Coopersmith, E., Ye, S., and Sivapalan, M. 2012.
17
Exploring the physical controls of regional patterns of flow duration curves – Part 1: Insights
18
from statistical analyses, J. Hydrol. Earth Syst. Sci. 16: 4435-4446.
19
8.Cordova, J.R., and Gonzalez, M. 1997. Sediment yield in small watersheds based on stream
20
flow and suspended sediment discharge measurements. J. Soil Technol. 11: 57-65.
21
9.Costa, V., Fernandez, W., and Naghettini, M. 2014. Regional models of flow-duration curves
22
of perennial and intermittent streams and their use for calibrating the parameters of a
23
rainfall-runoff model. J. Hydrol. Sci. 59: 2. 262-277.
24
10.Dario, P., Noto, L.V., and Viola, F. 2013. Eco hydrological modeling of flow duration curve
25
in Mediterranean river basins. J. Adv. Water Resour. 52: 314-327.
26
11.Eslamian, S.S., Ghasemi, M., and Soltani-Gerdefaramarzi, S. 2012. Computation and
27
Regionalization of Low Flow Indices and Determination of Hydrological Drought Durations
28
in Karkhe Watershed. J. Sci. Technol. Agric. Natur. Resour. Water and Soil Science.
29
16: 59. 1-14. (In Persian)
30
12.Eslami, A.R., and Shokohi, A. 2013. Analysis of river flow, using Hydrological and
31
environmental index. J. Water. Engin. Manage. 5: 2. 125-133. (In Persian)
32
13.Hisdal, H., Tallaksen, L.M., Clausen, M.B., Peters, E., and Gus-tard, A. 2004. Hydrological
33
drought characteristics, in: Hydrological Drougth – Processes and estimation methods for
34
streamflow and groundwater, edited by: Tallaksen, L.M. and van Lanen, H.A.J.,
35
Developments in Water Science, Elsevier Science. 48: 139-198.
36
14.Iacobellis, V. 2008. Probabilistic model for the estimation of T year flow duration curves.
37
Water Resources Research. 4: 44. 1-13.
38
15.Kazemi, R., and Eslami, A.R. 2013 .Investigation on the role of geological formation and
39
hydrological parameter on base flow index, case study: Khazar region. J. Water Engin.
40
Manage. 5: 2. 85-93. (In Persian)
41
16.Lane, P.N.J., Best, A.E., Hickel, K., and Zhang, L. 2005. The response of flow duration
42
curves to afforestation. J. Hydrol. 310: 253-265.
43
17.Lee, S., Kim, J., and Hur, J.W. 2013. Assessment of ecological flow rate by flow duration
44
and environmental management class in the Geum River, Korea. J. Environ. Earth Sci.
45
68: 4. 1107-1118.
46
18.Li, M., Shao, Q., Zhang, L., and Chiew, F.H.S. 2010. A new regionalization approach and its
47
25 application to predict flow duration curve in ungauged basins. J. Hydrol. 389: 137-145.
48
19.Mohamoud, Y.M. 2008. Prediction of daily flow duration curves and stream flow for
49
ungauged catchments using regional flow duration curves. J. Hydrol. Sci. 53: 4. 706-724.
50
20.Muneepeerakul, R., Azaele, S., Botter, G., Rinaldo, A., and Rodriguez-Iturbe, I. 2010. Daily
51
stream flow analysis based on a two-scaled gamma pulse model. J. Water Resour. Res.
52
46, W11546.
53
21.Reed, D.W., Jakob, D., Robinson, A.J., Faulkner, D.S., and Stewart, E.J. 1999. Regional
54
frequency analysis: a new vocabulary. In: Hydrological extremes: understanding, predicting,
55
mitigating, Proc IUGG 99 Symposium. Birmingham, IAHS. 255: 237-43.
56
22.Richards, K.S. 1982. Rivers: form and process in alluvial channels. London: Methuen Press,
57
23.Sawicz, K., Wagener, T., Sivapalan, M., Troch, P.A., and Carrillo, G. 2011. Catchment
58
classification: empirical analysis of hydrologic similarity based on catchment function in the
59
eastern USA. J. Hydrol. Earth Syst. Sci. 15: 2895-2911.
60
24.Shamaee - Zadeh, M., and Soltani, S. 2011. Regional analysis of low flow in North Karoon
61
basin. J. Sci. Technol. Agric. Resour. Water and Soil Science. 18: 70. 231-242. (In Persian)
62
25.Sobhani, B., Sarraf, B., Azadi-Mobaraki, M., and Hoseyni, S.A. 2013. Modeling of Rain fall
63
in the West and Southwest of the Caspian Sea using spatial interpolation methods in the GIS
64
environment. J. Geograph. Dev. 11: 30. 23-34. (In Persian)
65
26.Yoshida, T., and Troch, P.A. 2016. Convolution of volcanic catchments in Japan.
66
J. Hydrol. Earth Syst. Sci. 20: 1133-1150.
67
27.Ward, R.C., and Robinson, M. 1990. Principles of Hydrology, 3nd edition, McGraw-Hill
68
Press, 365p.
69
28.Wagener, T., Sivapalan, M., Troch, P.A., and Woods, R. 2007. Catchment classification and
70
hydrologic similarity, Geogr. Compass. 1: 901-931.
71
29.Wagener, T., Blöschl, G., Goodrich, D., Gupta, H., Sivapalan, M., Tachikawa, Y., Troch, P.,
72
and Weiler, M. 2013. A synthesis framework for runoff predictions in ungauged basins,
73
in: chapt. 2, Runoff Predictions in Ungauged Basins, edited by: Blöschl, G., Sivapalan, M.,
74
Wagener, T., Viglione, A., and Savenije, H., Cambridge University Press, Cambridge, UK,
75
Pp: 11-28.
76
30.Westerberg, I.K., Guerrero, J.L., Younger, P.M., Beven, K.J., Seibert, J., Halldin, S., Freer,
77
J.E., and Xu, C.Y. 2011. Calibration of hydrological models using flow-duration curves.
78
J. Hydrol. Earth Syst. Sci. 15: 2205-2227.
79
31.Yadav, M., Wagener, T., and Gupta, H. 2007. Regionalization of constraints on expected
80
watershed response behavior for improved predictions in ungauged basins. J. Adv. Water
81
Resour. 30: 1756-1774.
82
32.Zhang, X., Zhang, L., Zhao, J., Rustomji, P., and Hairsine, P. 2008. Responses of stream
83
flow to changes in climate and land use/cover in the Loess Plateau, China. J. Water Resour.
84
Res. 44: 1-12.
85
33.Zheng, H., Zhang, L., Liu, C., Shao, Q., and Fukushima, Y. 2007. Changes in stream flow
86
regime in headwater catchments of the Yellow River basin since the 1950s. J. Hydrol. Proc.
87
21: 7. 886-893.
88
ORIGINAL_ARTICLE
بهرهبرداری بهینه از سیستم تکمخزنهی سد دز با استفاده از الگوریتم جستوجوی ذرات باردار
سابقه و هدف: امروزه، کمبود منابع آب از چالشهای اساسی کشور ما ایران میباشد. بنابراین، ذخیرهسازی و بهرهبرداری بهینه از منابع محدود موجود از جمله آب ذخیره شده در مخازن سدها از موضوعات مورد توجه محققین حوزهی منابع آب می باشد.در این تحقیق،مسئلهی بهرهبرداری بهینه از سیستم تکمخزنهی سد دز با استفاده از یکی از جدیدترین الگوریتمهای فراکاوشی، به نام الگوریتم جستوجوی ذرات باردار، حل شده است. در حالت کلی، اساس این الگوریتم، قوانین الکترواستاتیک برآیند نیروهای ناشی از میدان الکتریکی ذرات باردار میباشد. برای اولین بار، کاوه و طلعتاهری در سال2010 این الگوریتم را معرفی و قابلیتهای آن را در زمینهی حل مسائل مهندسی و توابع نمونه، بررسی نمودند. نتایج حاصل نشان داد که الگوریتم مذکور کارآیی خوبی دارد. بنابراین استفاده از آن در حل مسائل بهینهسازی مهندسی توصیه میشود. ولیکن، بررسی سوابق تحقیقاتی نشان دهنده آن است که استفاده از این اگوریتم در حل مسائل حوزه مهندسی منابع آب بسیار محدود است.مواد و روشها: در این تحقیق دو مسئلهی بهرهبرداری بهینهی ساده و برقابی سد دز، برای دورههای زمانی ۵و ۲۰ ساله با استفاده از الگوریتم پیشنهادی حل شده است. برای حل این مسائل دو فرمولبندی ارائه شده است، که در فرمولبندی اول مقدار آب رها شده از مخزن سد و در فرمولبندی دوم حجم ذخیرهی مخزن سد به عنوان متغیر تصمیم انتخاب و نتایج حاصل از آن با سایر نتایج موجود مقایسه شده است.یافتهها: مقایسه نتایج، نشاندهندهی کارآیی خوب الگوریتم مذکور در حل این مسائل است که در آن جوابهای فرمولبندی اول از دوم بهتر میباشد. به عبارت دیگر نتایج حاصل از فرمول بندی اول برای دورههای 5 و 20 ساله نسبت به نتایج فرمول بندی دوم به-ترتیب ۲۹/۱۱ و ۶۹/۱۶ درصد برای مسئلهی بهرهبرداری ساده و ۰۶/۲۰ و ۶۶/۳۷ درصد برای مسئلهی بهرهبرداری برقابی کاهش یافته است.همچنین، نتایج حاصل از این الگوریتم برای دورههای 5 و 20 ساله نسبت به نتایج الگوریتم هوش جمعی ذرات بهترتیب 6۴/33 و 97/74 درصد برای مسئلهی بهرهبرداری ساده و ۵۳/۶ و ۴۸/۴۱درصد برای مسئلهی بهرهبرداری برقابیکاهش یافته است. علاوه بر آن، نتایج حاصل از این الگوریتم برای دورههای 5 و 20 ساله نسبت به نتایج الگوریتم ژنتیک بهترتیب ۷۹/۷ و ۵۹/۳۵ درصد برای مسئلهی بهرهبرداری ساده و ۳۲/۱۱ و ۴۳/۶۷ درصد برای مسئلهی بهرهبرداری برقابی بهبود یافته است.نتیجهگیری: بررسی این نتایج با نتایج بدست آمده از سایر الگوریتم های موجود نشان دهنده کارائی بهتر الگوریتم جستجوی ذرات در حل مساله بهره برداری بهینه از مخازن سدهاست. با توجه به نتایج مذکور، استفاده از این الگوریتم در حل سایر مسائل حوزهی مهندسی آب توصیه میشود.
https://jwsc.gau.ac.ir/article_4062_5ec6ac0431b324954baddcd8c10b7bd7.pdf
2018-04-21
107
125
10.22069/jwsc.2018.13785.2854
الگوریتم جستوجوی ذرات باردار
بهرهبرداری بهینه
سیستم تکمخزنه
سددز
طناز سادات
فرحناکیان
t.farahnakian@semnan.ac.ir
1
دانشجوی کارشناسی ارشد/ سمنان
AUTHOR
رامتین
معینی
r.moeini@eng.ui.ac.ir
2
هیات علمی/ دانشگاه اصفهان
LEAD_AUTHOR
سید فرهاد
موسوی
fmousavi@semnan.ac.ir
3
هیات علمی/ دانشگاه سمنان
AUTHOR
-1.Afshar, M.H. 2012. Large Scale Reservoir Operation by Constrained Particle Swarm
1
Optimization Algorithms. Hydro-environment Research. 6: 75-87.
2
2.Afshar, M.H., and Moeini, R. 2008. Partially and Fully Constrained Ant Algorithms for the
3
Optimal Solution of Large Scale Reservoir Operation Problems. Water Resources
4
Management. 22: 1835-1857.
5
3.Afshar, A., Bozorg Haddad, O., Marino, M.A., and Adams, B.J. 2007. Honey-bee mating
6
optimization (HBMO) algorithm for optimal reservoir operation. J. Franklin Ins. 344: 452-462.
7
4.Afshar, M.H., Rezaee Sangdehi, E., and Moeini, R. 2011. Optimal Reservoir Operation using
8
Deterministic Adaptive Refinement Mechanism for Ant Algorithm. J. Civil Engin. 23: 1. 65-84.
9
(In Persian)
10
5.Bashiri-Atrabi, H., Qaderi, K., Rheinheimer, D., and Sharifi, E. 2015. Application of
11
Harmony Search Algorithm to Reservoir Operation Optimization. Water Resources
12
Management. 29: 15. 5729-5748.
13
6.Bozorg Hadad, O., Afshar, A., and Marino, M.A. 2006. Honey-Bees Mating Optimization
14
(HBMO) Algorithm: A New Heuristic Approach for Water Resources Optimization. Water
15
Resources Management. 20: 661-680.
16
7.Chang, L., Chang, F.J., Wang, K.W., and Dai, S.Y. 2010. Constrained Genetic Algorithm for
17
Optimizing Multi-Use Reservoir Operation. J. Hydrol. 390: 66-74.
18
8.Choong, S.M., and El-Shafie, A. 2014. State-of-the-Art for Modelling Reservoir Inflows and
19
Management Optimization. Water Resources Management. 20: 1-16.
20
9.Ehteram, M., Karami, H., Mousavi, S.F., El-Shafie, A., and Amini, Z. 2017a. Optimizing dam
21
and reservoirs operation based model utilizing shark algorithm approach. Knowledge-Based
22
Systems. 122: 26-38.
23
10.Ehteram, M., Mousavi, S.F., Karami, H., Farzin, S., Emami, M., Binti Othman, F., Amini,
24
Z., Kisi, O., and El-Shafie, A. 2017b. Fast convergence optimization model for single and
25
multi-purposes reservoirs using hybrid algorithm. Advanced Engineering Informatics.
26
32: 287-298.
27
11.Esat, V., and Hall, M.J. 1994. Water resources system optimization using genetic algorithms.
28
Proc. 1st International Conference on Hydroinformatics. Balkema. Rotterdam. The Netherlands,
29
Pp: 225-231.
30
12.Hossain, M.S., and El-Shafie, A. 2014a. Evolutionary Techniques Versus Swarm
31
Intelligences: Application in Reservoir Release Optimization. Neural Computing and
32
Applications. 24: 1583-1594.
33
13.Hossain, M.S., and El-Shafie, A. 2014b. Performance Analysis of Artificial Bee Colony
34
(ABC) Algorithm in Optimizing Release Policy of Aswan High Dam. Neural Computing and
35
Applications. 24: 1199-1206.
36
14.Hosseini, S.S., Ghodousian, A., and Mansouri, M. 2013. Optimizing the size and shape of
37
two-dimensional w using the Charged System Search Algorithm. National Conference on
38
Mechanical Engineering of Iran. Shiraz University, Shiraz. (In Persian)
39
15.Hosseini-Moghari, M., and Banihabib, M.E. 2014. Optimizing Operation of Reservoir for
40
Agriculture Water Supply Using Firefly Algorithm. J. Water Soil Resour. Cons. 3: 17-31.
41
(In Persian)
42
16.Karami Mohamadi, R., and Kargar, H. 2013. Structural health monitoring and diagnosis of
43
steel bridge damage based on model information using the Charged System Search
44
Algorithm. Third International Conference on Acoustic and Vibration. Iran Acoustic and
45
Vibration Association. Khaje Nasir Tossi University of Technology, Tehran. (In Persian)
46
17.Kaveh, A., and Nasrollahi, A. 2014. Charged System Search and Particle Swarm
47
Optimization Hybridized for Optimal Design of Engineering Structures. Scientia Iranica A.
48
21: 295-305.
49
18.Kaveh, A., and Nikaeen, M. 2013. Optimum Design of Irregular Grillage Systems
50
Using CSS and ECSS Algorithms with Different Boundary Conditions. Inter. J. Civil Engin.
51
11: 3. 143-153.
52
19.Kaveh, A., and Shokohi, F. 2014. Cost Optimization of Castellated Beams Using Charged
53
System Search Algorithm. Iran. J. Sci. Technol. Trans. Civil Engin. 38: 100. 235-249.
54
20.Kaveh, A., and Talatahari, S. 2010a. A Novel Heuristic Optimization Method: Charged
55
System Search. Acta Mechanica. 213: 3-4. 267-289.
56
21.Kaveh, A., and Talatahari, S. 2010b. A Charged System Search with a Fly to Boundary Method
57
for Discrete Optimum Design of Truss Structures. Asian J. Civil Engin. 11: 3. 277-293.
58
22.Kaveh, A., and Talatahari, S. 2010c. Charged System Search for Optimum Grillage System
59
Design Using the LRFD-AISC Code. J. Cons. Steel Res. 66: 6. 767-771.
60
23.Kaveh, A., and Talatahari, S. 2011. An Enhanced Charged System Search for Configuration
61
Optimization Using the Concept of Fields of Forces. Structural and Multidisciplinary
62
Optimization. 43: 339-351.
63
24.Kaveh, A., and Zolghadr, A. 2011. Shape and Size Optimization of Truss Structures with
64
Frequency Constraints Using Enhanced Charged System Search Algorithm. Asian J. Civil
65
Engin. 12: 4. 487-509.
66
25.Moeini, R., and Afshar, M.H. 2009. Application of an Ant Colony Optimization Algorithm
67
for Optimal Operation of Reservoirs: A Comparative Study of Three Proposed Formulations.
68
Scientia Iranica. 16: 4. 273-285.
69
26.Moeini, R., and Afshar, M.H. 2013. Extension of the Constrained Ant Colony Optimization
70
Algorithm for the Optimal Operation of Multi-reservoir Systems. J. Hydroinf. 15: 155-173.
71
27.Moeini, R., and Babaei, M. 2017. Constrained Improved Particle Swarm Optimization
72
Algorithm for Optimal Operation of Large Scale Reservoir: Proposing Three Approaches.
73
Evolving Systems. 8: 4. 287-301.
74
28.Moeini, R., Soltani-Nezhad, M., and Daei, M. 2017. Constrained Gravitational Search
75
Algorithm for Large Scale Reservoir Operation Optimization Problem. Engineering
76
Applications of Artificial Intelligence. 62: 222-233.
77
29.Mohamadi, M., and Mashayekhi, M. 2013. Optimization of the topology of double
78
layer bedspace structure using Charged System Search Algorithm. National Conference
79
on Applied Civil Engineering and Recent Achievement. Saze Kavir Company, Karaj.
80
(In Persian)
81
30.Norozi, B., Barani, Gh.A., Fatahihalghi, M., and Dehghani, A.A. 2013. A Multi-reservoir
82
System Operation Optimization Using Multi-population Genetic Algorithm, Case Study
83
Golestan and Voshmgir Reservoirs. J. Water Soil Cons. 18: 4. 43-62. (In Persian)
84
31.Rani, D., and Moreira, M.M. 2010. Simulation-Optimization Modeling: A Survey and
85
Potential Application in Reservoir Systems Operation. Water Resources Management.
86
24: 1107-1138.
87
32.Reddy, M.J., and Kumar, D.N. 2006. Ant Colony Optimization for Multi-purpose Reservoir
88
Operation. Water Resources Management. 20: 879-889.
89
33.Rohami, H., and Javanmardi, R. 2013. Comparison of the performance of two algorithms of
90
the Charged System Search Algorithm and Genetic Algorithm for solving constrained
91
problems with continuous variables. First National Conference on Architecture, Restoration,
92
Urbanism and Sustainable Environment. Hegmatane Environment Evaluators Association,
93
Hamadan. (In Persian)
94
34.Saberi, M., and Kaveh, A. 2015. Damage Detection of Space Structures Using Charged
95
System Search Algorithm and Residual Force Method. Iran. J. Sci. Technol. Trans. Civil
96
Engin. 39: C2. 215-229.
97
35.Sayyafzadeh, M., Haghighi, M., Bolouri, K., and Arjomand, E. 2012. Reservoir
98
Characterisation Using Artificial Bee Colony Optimization. APPEA J. 52: 115-128.
99
36.Sheikholeslami, A., Kaveh, A., Tahershamsi, A., and Talatahari, S. 2014. Application of
100
Charged System Search Algorithm to Water Distribution Networks Optimization. Inter. J.
101
Optim. Civil Engin. 4: 1. 41-58.
102
37.Wang, K.W., Chang, L.C., and Chang, F.J. 2011. Multi-tier Interactive Genetic Algorithms
103
for the Optimization of Long-term Reservoir Operation. Advances in Water Resources.
104
34: 1343-1351.
105
38.Yasar, M. 2016. Optimization of Reservoir Operation Using Cuckoo Search Algorithm:
106
Example of Adiguzel Dam, Denizli, Turkey. Mathematical Problems in Engineering.
107
ID 1316038:1-7.
108
39.Zahedi, M.S., Hosseini, K.H., and Rahmani, A. 2011. Optimization of water supply network
109
using Charged System Search Algorithm. M.Sc. Thesis. Semnan University, Semnan.
110
(In Persian)
111
40.Zhang, J., Wu, Z., Cheng, C., and Zhang, S. 2011. Improved Particle Swarm Optimization
112
Algorithm for Multi-reservoir System Operation. Water Science and Engineering. 4: 1. 61-73.
113
ORIGINAL_ARTICLE
مطالعه لایهبندی حرارتی و کیفی سد تهم زنجان با استفاده از نرمافزار CE-QUAL-W2
مطالعه لایهبندی حرارتی و کیفی سد تهم زنجان با استفاده از نرمافزار CE-QUAL-W2چکیدهسابقه و هدف: در راستای توسعه پایدار، کنترل کیفی منابع آب از اهمیت ویژهای برخوردار است. در این راستا شناخت پدیده لایهبندی از اهمیت خاصی برخوردار است. همچنین بررسی کیفیت منابع آب سطحی سدها که به عنوان اصلیترین منبع تأمین نیازهای شرب کشور به شمار میآیند، از نظر شوری یکی از چالشهای مدیریت منابع آب میباشد. به منظور مطالعه لایهبندی جریان در مخازن میبایست دینامیک اختلاط و جریانات داخلی در مخزن را آنالیز نمود. از آنجائیکه پدیدههای فراوانی در ایجاد لایهبندی مخازن مؤثر است، مطالعه این پدیده در مخازن تنها از طریق مدلهای دینامیکی امکانپذیر است. از اینرو استفاده از مدلهای عددی در کنار اندازهگیریهای میدانی اجتنابناپذیر است. مواد و روشها: با توجه به کاربری آب مخزن سد تهم به منظور آب آشامیدنی زنجان، مطالعة کیفیت آن از اهمیت بسیاری برخوردار است. لذا در مطالعه حاضر جهت شناخت وضعیت کیفی آب سد تهم، شبیهسازی دمای آب و کل مواد جامد محلول با استفاده از نرمافزار CE-QUAL-W2 در دوره 1 ساله از تاریخ 30 آذر 1390 تا 30 آذر 1391 انجام شده است. همچنین مقادیر دما و شوری آب که در نقاط مختلف مخزن اندازهگیری شده با نتایج بدست آمده از مدل شبیهسازی شده مقایسه شده است. با استفاده از نتایج مدل شبیهسازی شده، روند تغییرات پارامترهای مذکور و پدیده لایهبندی حرارتی در مخزن سد مطالعه شده است.یافته ها: در تحقیق حاضر مقادیر دما و شوری اندازهگیری شده و نتایج شبیهسازی از تطابق مناسبی برخوردار بودند. نتایج حاکی از وجود یک دوره لایهبندی حرارتی در مخزن است که حدود هشت ماه از سال بطول میانجامد. این پدیده از اواخر فروردین ماه شروع در مرداد و شهریور به اوج خود میرسد (اختلاف 20 درجه سانتیگراد بین رولایه و زیرلایه) همچنین در ماههای دی تا فروردین نیز اختلاط مشاهده میشود. در فصل پاییز با کاهش اختلاف دمای آب در لایههای بالایی و پایینی لایهبندی حرارتی در مخزن تضعیف میشود و در فصل زمستان کاملاً ناپدید میشود. همچنین نتایج دلالت بر وجود لایهبندی شوری همزمان با لایهبندی حرارتی در مخزن دارد. نتیجهگیری: از منظر لایهبندی، مخزن سد تهم در دسته مخازن مونومیکتیک گرم قرار دارد. در فصول پاییز و زمستان، مقادیر شوری در کلیه اعماق به مقدار ثابتی میرسد. این روند تا اردیبهشت ماه ادامه دارد و بدلیل شروع لایهبندی بتدریج اختلاف مقادیر در عمق بیشتر شده و در فصل تابستان این اختلاف بیشتر میشود. واژههای کلیدی: مدلهای دینامیکی، شوری، مونومیکتیک گرم.
https://jwsc.gau.ac.ir/article_4063_1b6c8b218bd26af95badd650c707f2f8.pdf
2018-04-21
127
145
10.22069/jwsc.2018.13327.2799
مدلهای دینامیکی
شوری
مونومیکتیک گرم
هادی
رضایی برندق
hadirezaei_b@yahoo.com
1
کارشناس ارشد عمران- سازه های هیدرولیکی دانشگاه آزاد مراغه
AUTHOR
فرزین
سلماسی
farzin.salmasi@gmail.com
2
دانشیار گروه مهندسی آب دانشگاه تبریز
AUTHOR
فرزانه
صاحبی
sahebi.farzaneh@yahoo.com
3
کارشناس ارشد مهندسی آب-سازه های آبی دانشگاه تبریز
LEAD_AUTHOR
1.Abeysinghe, K., Nandalal, K., and Piyasiri, S. 2005. Prediction of thermal stratification of the
1
Kotmale reservoir using a hydrodynamic model. J. Natn. Sci. Foundation Sri Lanka.
2
33: 1. 25-36.
3
2.Amiri, L. 2009. Water temperature dissolved oxygen and stratification modeling reservoirs
4
with CE-QUAL-W2 software (Case study Sefidroud dam), environmental engineering
5
master thesis, civil engineering group. Civil engineering collage of Khajenasir University.
6
(In Persian)
7
3.Bakhtiyari, A. 2010. Water temperature stratification of Taham dam Reservoir. Applied
8
Research project of Zanjan Regional Water Authority. (In Persian)
9
4.Chai, B., Li, Y., Huang, T., and Zhao, X. 2014. Pollution characteristics of thermally-stratified
10
reservoir: A case study of the Heihe reservoir in Xian city, China. J. Chem. Pharm. Res.
11
USA. 6: 7. 1231-1240.
12
5.Elci, S. 2008. Effects of thermal stratification and mixing on reservoir water quality. The
13
Japanese Society of Limnology. 9: 135-142.
14
6.Hamzehpoor, S., Behmanesh, J., and Mohammadnejhad, B. 2011. Water quality analyze in
15
dam reservoirs with two dimensional modeling CE-QUAL-W2 software (case study Maroon
16
dam). The 11th conference of Iran Hydraulic. November. Urmia University. (In Persian)
17
7.Ma, Sh., Kassinos, S., Kassinos, D., and Akylas, E. 2008. Effects of selective water
18
withdrawal schemes on thermal stratification in Kouris Dam in Cyprus. J. Lake. Manage.
19
13: 51-61.
20
8.Roustaee, J., Fazeli, M., and Hashemi, S. 2009. Water quality analyze with two dimensional
21
modeling CE-QUAL-W2 software (Case study Latian dam),.The first conference of water
22
management of beach. September 13, Sari Agricultural Sciences and Natural Resources
23
University, Water Engineering Group. (In Persian)
24
9.Saeidi, P., Mehrdadi, N., Ardestani, M., and Baghvand, A. 2013. Simulation of
25
dissolved oxygen and Temperature Stratification Modeling Of Shahid Rajaei Dam with
26
CE-QUAL-W2 model. J. Environ. Stud. Tehran University. 32: 4. 171-180. (In Persian)
27
10.Zohrevand, S., and Hashemi, M. 2011. Estimating Water Quality Term of dam reservoirs
28
with two dimensional modeling CE-QUAL-W2 software. The first international conference
29
and third national conference of dam and Hydroelectric Power Plants, IRIB International
30
Conference center. February 14. (In Persian)
31
ORIGINAL_ARTICLE
بررسی آزمایشگاهی تأثیر آبشکنهای نوع باندال لایک مستغرق و معمولی بر تغییرات رقوم بستر در قوس 90 درجه ملایم
فرسایش کناری از جمله مهمترین معضلات برای رودخانهها به خصوص در قوسها می باشد یکی از روشهای موثر و به صرفه جهت ساماندهی رودخانهها در محل قوسها استفاده از آبشکنهاست. الگوی جریان در قوس محافظت شده توسط سری آبشکنها، به دلیل تأثیرات آبشکنها بر الگوی جریان و جریانات ثانویه و تأثیرات متقابل آبشکنها برهم پیچیدهتر از حالت عادی است.بانداللایک نوعی از سازهی آبشکن است که به منظور محافظت از سواحل و نیز بهبود عمق جریان برای کشتیرانی در رودخانه مورد استفاده قرار میگیرد. این سازه نوع جدیدی از آبشکن است که به صورت ترکیبی از آبشکن نفوذپذیر و نفوذناپذیر ساخته میشود. با توجه به اهمیت مطالعه الگوی جریان و رسوب با حضور سازه آبشکن، تحقیق در این خصوص همواره مورد توجه محققین مختلف هیدرولیک و مهندسی رودخانه بوده است اما بررسیها نشان میدهد با توجه به جدید بودن سازه آبشکن باندال لایک، در این مورد مطالعه کمتری صورت گرفته است. هدف از تحقیق حاضر بررسی آزمایشگاهی، مقایسه تأثیر استفاده آبشکن بانداللایک و آبشکن های معمولی نفوذناپذیر و نفوذپذیر بر تغییرات رقوم بستر بوده است. بدین منظور آبشکن بانداللایک در سه ارتفاع 5/6 سانتیمتر5/8 سانتیمتر و 12 سانتیمتر و در دبیهای ۲۵،۲۷،۳۰،۳۳ لیتر بر ثانیه، و آبشکنهای نوع نفوذناپدیر و نفوذپذیر در شرایط مستغرق در فلومی با قوس 90 درجه مورد آزمایش قرار گرفته است. آزمایشهای تحقیق حاضر در فلوم با قوس 90 درجه ملایم به طول 11 متر، عرض 70 سانتیمتر و نسبت شعاع قوس به عرض آن R/B) ) برابر 4 انجام گرفته است. نتایج حاصل از تحقیق نشان میدهد با افزایش عدد فرود آبشستگی افزایش یافته و بیشترین میزان آبشستگی مربوط به آزمایش شاهد نفوذ ناپذیر و کمترین آبشستگی در آزمایش شاهد نفوذپذیر رخ داده است. همچنین نتایج نشان میدهد عمق آبشستگی ها در حضور سازه باندال لایک نسبت به سازه شاهد نفوذ ناپذیر کاهش یافته است، و هر چه ارتفاع سازه بیشتر میشود، عمق آبشستگی کاهش مییابد. مقایسه نتایج نشان میدهد آبشستگی در سازه شاهد نفوذپذیر کمتر از تمامی حالات آزمایشات آب شکن باندال لایک بوده است. سایر نتایج حاصل از این تحقیق نشان میدهند با افزایش دبی، خط القعر به سمت میانه کانال منحرف میشود. بررسی کمی نتایج نیز نشان میدهد با تغییر ارتفاع سازه آبشکن باندال لایک از 5/6 سانتیمتر به 12 سانتیمتر میزان عمق آبشستگی در حدود 54 درصد ومیزان رسوبگذاری حدود 34 درصد کاهش یافته است. همچنین استفاده از آبشکن معمولی نفوذپذیر به جای آبشکن باندال لایک با ارتفاع 12 سانتی-متر میزان عمق آبشستگی 5/23 درصد کاهش یافته است.
https://jwsc.gau.ac.ir/article_4064_1d17d66f7c0c20cfc1ebd74f7b92b13f.pdf
2018-04-21
147
164
10.22069/jwsc.2018.13414.2811
اصلاح الگوی جریان
تغییرات رقوم بستر
قوس ۹۰ درجه
آبشکن باندللایک
مرتضی
بختیاری
mortezabakhtiari@yahoo.com
1
دانشگاه علوم و فنون دریایی خرمشهر
LEAD_AUTHOR
محسن
جلیلی
mohsen.jalili67@yahoo.com
2
دانشگاه علوم و فنون دریایی خرمشهر
AUTHOR
سیدمحمود
کاشفی پور
kashefipour@scu.ac.ir
3
هیآت علمی دانشگاه شهید چمران اهواز
AUTHOR
نیما
شهنی کرم زاده
nima_shani@yahoo.com
4
دانشگاه علوم و فنون دریایی خرمشهر
AUTHOR
1.Azinfar, H., and Kells, J.A. 2007. Backwater effect due to a single spur dike. Can. J. Civil
1
Engin. 34: 1. 107-115.
2
2.Elawady, E., Michiue, M., and Hinokidani, O. 2001. Movable bed scours around submerged
3
spur-dikes. Ann. J. Hydr. Engin. 45: 373-378.
4
3.Fazli, M., Ghodsiyan, M., and Salehi Neishabori, S.A.A. 1386. Evaluation scouring
5
around closed spur dike at bend. 6th conference of Iran Hydraulic. Shahre Kord University.
6
Pp: 25-33. (In Persian)
7
4.Fazli, M., Ghodsiyan, M., and Salehi Neishabori, S.A.A. 1388. The change of bed topography
8
at 90 degree bend at difference conditions of current. J. Tech. Engin. Modares. 35: 123-144.
9
(In Persian)
10
5.Keshavarzi, A.R., Valizadeh, M., and Ball, J. 2010. Experimental Study of the Effects of
11
Submerged Dikes on the Energy and Momentum Coefficients in Compound Channel. J. Sci.
12
Res. Engin. 2: 11. 855-862.
13
6.Mashkoornia, H., Jarah Zadeh, F., Ramesh, S., and Shafaie Bajestan, M.1389. Evalution the
14
effect of submersible spur dike length on rate of scouring at outer bank at 90 degree bend. 9th
15
conference of Iran Hydraulic. Tarbiyat Modares University. Pp: 31-39. (In Persian)
16
7.Rahman, M., Nakagawa, H., Khaleduzzaman, A., Ishigaki, T.M., and Muto, Y. 2004. On the
17
formation of stable river course. Annuals of Disaster Prevention Research Institute. Kyoto
18
University. Pp: 601-616.
19
8.Rahman, M., Nakagawa, H., Khaleduzzaman, A., Ishigaki, T.M., and Muto, Y. 2006.
20
Prediction of local scour depth around Bandal-like structures. Ann. J. Hydr. Engin. JSCE.
21
50: 163-168.
22
9.Teraguchi, H., Nakagawa, H., Kawaike, K., Baba, Y., and Zhang, H. 2010. Morphological
23
Changes induced by River Training Structures: Bandal-like structures and Groins. Annuals
24
of Disaster Prevention Research Institute, Kyoto University. Pp: 505-518.
25
10.Teraguchi, H., Nakagawa, H., and Kawaike, K. 2011. Effects of hydraulic structures on river
26
morphological processes. Inter. J. Sed. Res. Pp: 283-303.
27
11.Zhang, H., Nakagawa, H., Baba, Y., Kawaike, K., and Teraguchi, H. 2010. Three
28
dimensional flow around bandal- like structures. Ann. J. Hydr. Engin. JSCE. 54: 175-180.
29
ORIGINAL_ARTICLE
ارزیابی روش کریجینگ بیزین تجربی در پهنهبندی تراز آب زیرزمینی
چکیده:سابقه و هدف: آبهای زیرزمینی از منابع ارزشمندی است که همواره مورد توجه پژوهشگران قرار داشته است. از موارد مطالعاتی در این زمینه، تهیه نقشههای پهنهبندی شده تراز سطح آب زیرزمینی است که با انتخاب مناسبترین روش از بین روشهای مختلف درونیابی انجام میشود. روش درونیابی کریجینگ که بر پایه نیمتغییر نما است، یکی از روشهای درونیابی موسوم به روشهای زمینآماری است. دقت درونیابی به انتخاب مناسب تغییرنما بستگی دارد. بر این اساس روش درونیابی کریجینگ بیزین تجربی توسعه یافته است تا بصورت خودکار، پارامترهای مربوط به نیمتغییر نما را طی فرآیند شبیهسازی برآورد کند. هدف از انجام این پژوهش بررسی قابلیت روش کریجینگ بیزین تجربی در افزایش دقت درونیابی جهت پهنهبندی تراز سطح آب زیرزمینی است که برای این منظور، نتایج آن با نتایج دیگر روشهای درونیابی قطعی شامل فاصله معکوس وزنیها، توابع پایه شعاعی و چندجملهای های سراسری و محلی نیز مقایسه میشود. مواد و روشها: این پژوهش براساس میانگین سالانه تراز سطح آب زیرزمینی در 57 ایستگاه چاه عمیق واقع در آبخوان قرهسوی استان گلستان طی دوره آماری 1384 تا 1395 انجام شده است. به منظور پهنهبندی تراز سطح آب زیرزمینی، روشهای مختلف درونیابی قطعی و زمینآماری با استفاده از فن اعتبارسنجی تقاطعی مورد آزمون قرار گرفتند. در روشهای کربجبنگ و کریجینگ بیزین تجربی بهترین نیمتغییرنما انتخاب شد و در نهایت از بین آنها مدلی که کمترین میزان خطا را به همراه داشت تعیین و نقشه آن ترسیم شد.یافتهها: نتایج درونیابی حاصل از اعتبارسنجی تقاطعی در منطقه مطالعاتی نشان داد که در بین روشهای قطعی، روش چند جملهای محلی با درجه دو از دقت بالاتری نسبت به سایر روشها برخوردار بود، به طوری که حتی در مقایسه با روش زمین آماری کریجینگ نیز از خطای کمتری برخوردار است. در روشهای زمینآماری نیز روش کریجینگ بیزین تجربی با شبیهسازی برازش تغییرنما مناسب بر دادههای تراز سطح آب زیرزمینی میزان خطای درونیابی به روش کریجنگ را از حدود 23 متر به حدود 16 مترکاهش داد و در مقایسه با روش چند جملهای محلی نیز دقتی نزدیک بهم را نشان داد.نتیجهگیری: با وجود اینکه نقشه ترسیم شده با دو روش بیزین کریجینگ تجربی و چند جملهای موضعی، از لحاظ مقدار خطا تفاوت قابل ملاحظهای را نشان نمیدهند، اما اختلافات محسوسی در این دو نقشه دیده میشود. روش کریجینگ بیزین تجربی طیف هموارتری را از تغییرات تراز سطح آب زیرزمینی نشان میدهد و الگوی ترسیم شده تراز سطح آب زیرزمینی با این روش نیز متناسب با جهت شیب عمومی منطقه است.
https://jwsc.gau.ac.ir/article_4065_764bbc1c1da555a50b20064e3765f9e3.pdf
2018-04-21
165
182
10.22069/jwsc.2018.13571.2826
کریجینگ بیزین تجربی
آب زیرزمینی
گلستان
زمین آمار
درونیابی
خلیل
قربانی
ghorbani.khalil@yahoo.com
1
عضو هیأت علمی دانشگاه
LEAD_AUTHOR
میثم
سالاریجزی
meysam.salarijazi@gmail.com
2
عضو هیأت علمی
AUTHOR
الناز
فرنیا
lnazfar_nia@yahoo.com
3
دانشجوی کارشناسی ارشد
AUTHOR
1.Aghdasi, F. 2003. Study of geostatistical methods for mapping of precipitation in the daily
1
and annual time scales (Case study: Borkhar plain). M.Sc. Thesis of Tehran university,
2
112p. (In Persian)
3
2.ArcGIS 10 Manual PDF-GeoGeek. 2017. Retrieved March 09, 2017, from
4
https://geogeek.xyz/download-free-arcgis-desktop-10-manual-pdf.html.
5
3.Attorre F., and Alfo, M. 2007. Comparison of interpolation methods for mapping climatic and
6
bioclimatic variables at regional scale. Inter. J. Climatol. 27: 1825-1843.
7
4.Bahrami Jovein, E., and Hosseini, S.M. 2015. A Systematic Comparison of Geostatistical
8
Methods for Estimation of Groundwater Salinity in Desert Areas (Case study: Feyz AbadMahvelat Plain). Iran-water resources research. 11: 2. 1-15. (In Persian)
9
5.Eivazi, M., and Mosaedi, A. 2011. Monitoring and spatial analysis of meteorological drought
10
in Golestan province using geostatistical methods. Journal of range and watershed
11
management, Iran. J. Natur. Resour. 64: 1. 65-78. (In Persian)
12
6.Ghorbani, Kh. 2012. Geographically weighted regression: a method for mapping isohyets in
13
Gilan province. J. Water Soil. 26: 3. 743-752. (In Persian)
14
7.Ghorbani, Kh., Hezarjeribi, A., Zakerinia, M., and Asaadi Oskouei, E. 2012. Comparison of
15
Regression Decision Tress, Geographically Weighted Regression and Ordinary Least Square
16
to map isohyet. Iran. J. Water Res. 6: 11. 1-9. (In Persian)
17
8.Hajihashemi Haji, M.R., Atashgahi, M., and Hamidian, A.H. 2010. Spatial estimation of
18
groundwater quality factors using geostatistical methods (Case study: Golpayegan plain).
19
J. Natur. Environ. 63: 4. 347-357. (In Persian)
20
9.Helsel, D.R., and Hirsch, R.M. 1993. Statistical Methods in Water Resources: Elsevier.
21
10.Jameei, M. 2008. Evaluation of interpolation methods in the regional estimation of potential
22
evapotranspiration and its comparison with the results of satellite images in central and
23
northern field of khozestan province. M.Sc. Thesis of Azad Islamic university, Science and
24
Research Branch of Tehran, 176p.
25
11.Khattak, A., Ahmed, N., Hussein, I., Qazi, A., Alikhan, S., and Rehman, A. 2014.
26
Spatial distribution of salinity in shallow groundwater used for crop irrigation. Pak. J. Bot.
27
46: 2. 531-537.
28
12.Krivoruchko, K. 2012. Empirical Bayesian Kriging, Implemented in ArcGIS Geostatistical
29
Analyst. Arc user. 15: 4. 6-10.
30
13.Matkan, A., Shakiba, A., and Yazdani, A. 2007. Evaluation of different interpolation
31
methods on daily rainfall estimation. Case study: Fars province. Quar. Geograph. J. Territ.
32
4: 2. 56-70. (In Persian)
33
14.McKenna, S.A. 2002. Simulating geological uncertainty with imprecise data for groundwater
34
flow and advective transport modeling. Department of Geology and Geological Engineering,
35
Colorado School of Mines Golden, Colorado, U.S.A. Pp: 1-15.
36
15.Misaghi, F., and Mohammadi, K. 2007. Estimating Spatial Distribution Of rainfall using
37
Statistical and geostatistical methods and comparison with artificial network. Semiann. Sci.
38
J. Agric. 29: 4. 1-13. (In Persian)
39
16.Nikbakht, S., and Delbari, M. 2014. Estimation of groundwater levels using geostatistical
40
methods. Case study: Zahedan Plain. J. Water Sust. Dev. 1: 1. 49-56. (In Persian)
41
17.Salehi, H., and Zeinivand, H. 2015. Assessing groundwater quality and selection of the most
42
appropriate spatial interpolation method (Case study: West of Marivan city, Iran). Iran. J.
43
Ecohydrol. 1: 3. 153-166. (In Persian)
44
18.Shahabifar, M., Kouchakzadeh, M., Mohammadzadeh, M., and Mirlatifi, S.M. 2005.
45
Determination of sugar beet water requirement in Tehran province using geostatistics
46
methods. J. Sugar Beet. 20: 2. 133-147. (In Persian)
47
19.Tobler, W.R. 1970. A computer movie simulating urban growth in the Detroit region,
48
Economic Geography, 46: 234-240.
49
ORIGINAL_ARTICLE
تعیین ارتفاع مناسب کشت گونههای درختی غیربومی در جنگلهای شمال ایران بر مبنای شاخص های گرمایی
چکیدهسابقه و هدفپوشش گیاهی بهعنوان یکی از اجزاء مهم اکوسیستمهای طبیعی تاثیرپذیری بسیار زیادی از شاخصهای اقلیمی دارد. در این راستا شاخصها و مدلهای بسیاری با هدف روشن ساختن ارتباط اقلیم و پوشش گیاهی ارائه شدهاند. از میان عوامل مختلف اقلیمی تغییرات دمای هوا در مدیریت توزیع پوشش گیاهی در مناطق مرطوب نقش مهمی دارد. از آنجا که اغلب مطالعات صورتگرفته در ایران در رابطه با پوشش گیاهی برمبنای روشهای آماری و سنجشازدور بوده است و تنها به پایش تغییرات پوشش گیاهی میپردازند لذا معرفی و ارائه شاخصهای اقلیمی جهت پیشبینی پوشش گیاهی طبیعی ضروری است. هدف از این بررسی ارزیابی و معرفی مناسبترین شاخص اقلیمی دمایی و استفاده از آن بهمنظور پیشبینی ارتفاع مناسب جهت کشت گونههای جنگلی غیربومی بهخصوص سوزنی برگان در جنگلهای شمال ایران است.مواد و روشهااین مطالعه در دو مقیاس مکانی انجام شده است. در گام اول سه شاخص WI (شاخص گرمایی)، BWI (شاخص گرمایی زیستی) و EWI (شاخص گرمایی موثر) با استفاده از دادههای اقلیمی دمای متوسط ماهانه ۳۴ ایستگاه سینوپتیک نوار شمالی کشور در دوره آماری ده ساله (۲۰۱۴-۲۰۰۵) محاسبه شد. تغییرات ارتفاعی شاخصها بصورت روابط گرادیان ارتفاعی بهدست آمد و نقشههای تغییرات ارتفاعی هر شاخص ترسیم شد. در گام دوم بهمنظور بررسی دقیق کارائی شاخصهای محاسبه شده در تعیین گسترشگاه پوشش گیاهی، منطقه مورد مطالعه کوچکتر و محدود به جنگل آموزشی پژوهشی خیرود شد. در این مرحله نقشههای گسترشگاه تیپهای جنگلی منطقهی خیرود جمعآوریشده و با نقشههای پوشش گیاهی پیشبینیشده توسط شاخصها مورد مقایسه قرار گرفت.یافتههادر این بررسی مطالعه تطبیقی چند شاخص دمایی جدید با توزیع پوشش گیاهی و درختی سه استان گلستان، مازندران و گیلان صورت گرفته و پوشش درختی پیشبینی شده توسط این شاخصها با نقشه موجود گسترشگاه تیپهای جنگلی منطقه پاتم و بهاربن مقایسه شده است. با توجه به گونههای ثبت شده منطقه تمامی شاخصها پیشبینی خوبی از پوشش درختی و جنگلی منطقه ارائه میدهند. تحلیلهای آماری نشان دادند که شاخص گرمایی موثر (EWI) با بیشترین میزان همبستگی (R2=0.964)و کمترین مقدار خطا (RMSE=3.87 ) مناسبترین شاخص جهت برآورد پتانسیل پوشش گیاهی منطقه مورد مطالعه است. این شاخص با درنظر گرفتن توام دامنه و میانگین سالانه دما، پیشبینی دقیقتری (تفکیک بهتر) از پوشش گیاهی بویژه در مناطقی با اختلاف ناچیز در مقادیر شاخص WI، ارائه میدهد. همچنین با ارائه روابط گرادیان ارتفاعی شاخصها، ارتفاع مناسب از لحاظ شرایط دمایی جهت کشت گونههای درختی غیربومی که پتانسیل دمایی را برای ورود به جنگلهای شمال ایران دارند، پیشنهاد شدهاست.نتیجهگیریپوشش گیاهی پیشبینیشده توسط شاخص EWI نسبت به سایر شاخصها همپوشانی بیشتری با پوشش گیاهی شمال کشور داشته است. علاوه بر این با خطای کمتر در تخمین ارتفاع مرزهای تغییرات هر شاخص، پیشبینی دقیقتری جهت ورود گونههای غیربومی به منطقه ارائه میدهد. با توجه گذشت به حدود 5 دهه از ورود گونههای سوزنیبرگ به جنگلهای شمال و کشت آنها در ارتفاعات مختلف و ناموفق بودن اکثر جنگلکاریهایی که در ارتفاعات متوسط کمتر از 900 متر از سطح دریا انجامشدهاست پیشنهاد میشود در ادامهی جنگلکاریهای آتی ارتفاعات مناسب پیشبینیشده از سطح دریا توسط شاخص EWI مدنظر قرار گیرد.
https://jwsc.gau.ac.ir/article_4066_25c64cda648d5a0cc05e409a3662c3dc.pdf
2018-04-21
183
197
10.22069/jwsc.2018.13224.2789
شاخص گرمایی
گونههای درختی
شمال ایران
پوشش گیاهی
زهرا
آقاشریعتمداری
zagha@ut.ac.ir
1
عضو هیأت علمی گروه هواشناسی دانشکده مهندسی و فناوری کشاورزی دانشگاه تهران
LEAD_AUTHOR
مهدی
حلمی جدید
mahdihelmijadid@ut.ac.ir
2
دانشجوی دوره دکتری
AUTHOR
1.Chiu, C.A., Lin, P.H., Hsu, C.K., and Shen, Z.H. 2012. A novel thermal index improves
1
prediction of vegetation zones: associating temperature sum with thermal seasonality.
2
Ecological Indicators. 23: 668-674.
3
2.Chiu, C.A., Lin, H.C., Liao, M.J., and Zeng, Y.H. 2008. A physiognomic classification
4
scheme of potential vegetation of Taiwan. Q. J. For. Res. 30: 89-112.
5
3.Coulson, D., and Joyce, L. 2006. Indexing variability: a case study with climate change
6
impacts on ecosystems. Ecol. Indicators. 6: 749-769.
7
4.Darvishsefat, A.A., and Saroei, S. 2003. Evaluation of the potential of Landsat ETM+ for
8
forest density mapping in Zagros forests of Iran. In Geoscience and Remote Sensing
9
Symposium, 2003. IGARSS'03. Proceedings. 2003 IEEE International. 4: 2529-2531.
10
5.De Martonne, E. 1926. L’indice d’aridit´e. Bull Assoc Geogr Fr. 9: 3-5.
11
6.Fang, J.Y. 2001. Re-discussion about the forest vegetation zonation in eastern China. Acta.
12
Bot. Sin. 43: 522-533.
13
7.Gavilan, R.G. 2005. The use of climatic parameters and indices in vegetation. A case study in
14
the Spanish Sistema Central. Int. J. Biometeorol. 50: 111-120.
15
8.Gorji Bahri, Y., Farajipul, R., and Kiadaliri, Sh. 2013. Evaluation black pine silvics in north of
16
Iran forestry. Quar. J. For. Range. 97: 1. 51-57. (In Persian)
17
9.Gholizadeh, M. 2000. Preliminary results (6 years old) of experimental design coniferous in
18
the Kheirudkenar forest of Noshahr. 239: 4. 53-88. (In Persian)
19
10.Grisebach, A. 1838. Ueber den einfluss des climats auf die Begr¨anzung der naturlichen
20
floren. Linnaea. 12: 159-200.
21
11.Joibary, S., Darvishsefat, A.A., and Kellenberger, T.W. 2007. Forest type mapping using
22
incorporation of spatial models and ETM+ data. Pak. J. Biol. Sci. PJBS. 10: 14. 2292-2299.
23
12.Kheyroud Educational and Research Forest. http://kheyrud.ut.ac.ir/map.aspx.
24
13.Kira, T. 1991. Forest ecosystems of east and Southeast Asia in a global perspective.
25
Ecol. Res. 6: 185-200.
26
14.Masuda, K. 2000. A note on the climatic factors controlling the global distribution of
27
vegetation. Geogr. Rep. Tokyo Metropolitan Univ. 35: 21-30.
28
15.Meshkatee, A., Kordjazi, M., and Babaeian, I. 2010. Evaluation of LARS-WG model in
29
simulation of some observed meteorological parameters in Golestan province (1993-2007).
30
16: 19. 81-96. (In Persian)
31
16.Miller, J., Franklin, J., and Aspinall, R. 2007. Incorporating spatial dependence in predictive
32
vegetation models. Ecol. Model. 202: 225-242.
33
17.Mousavi Garmestani, A., Rasouli, M., and Nazari, M. 1995. Study of coniferous in north of
34
Iran forestry. Inter. J. For. Range. 1: 78-109. (In Persian)
35
18.Ni, J. 1997. Development of Kira’s indices and its application to vegetation-climate
36
interaction study of China. J. Appl. Ecol. 8: 2. 161-170. (In Chinese with English abstract)
37
19.Bryan, G. 1998. Improving ecological communication: the role of ecologists in
38
environmental policy formation. Ecological Applications. 8: 2. 350-364.
39
20.Parmesan, C. 2006. Ecological and evolutionary responses to recent climate change. Annual
40
Review of Ecology, Evolution and Systematics. 3: 637-669.
41
21.Peng, C. 2000. From static biogeographical model to dynamic global vegetation model: a
42
global perspective on modelling vegetation dynamics. Ecol. Model. 135: 33-54.
43
22.Rafieyan, O., Darvishsefat, A.A., and Namiranian, M. 2003. Forest area change detection
44
using ETM+ data in northern forest of Iran. In Proceedings of the First International
45
Conference on Envir. Rese. Asset. Bucharest, Romania.
46
23.Smith, T.M., Shugart, H.H., Bonan, B., and Smith, G.B.J.B. 1992. Modelling the potential
47
response of vegetation to global climate change. Adv. Ecol. Res. 22: 93-116.
48
24.Su, H.J. 1984a. Studies on the climate and vegetation types of the natural forests in Taiwan
49
(1): analysis of the variation in climatic factors. Q. J. Chin. For. 17: 1-14.
50
25.Su, H.J. 1984b. Studies on the climate and vegetation types of the natural forests in Taiwan
51
(2): altitudinal vegetation zone in relation to temperature gradient. Q. J. Chin. For. 17: 57-73.
52
26.Tuhkanen, S. 1980. Climatic parameters and indices in plant geography. Acta Phytogeogr
53
Suecica. 67: 1-110.
54
27.Von Humboldt, A. 1807. Ideen zu einem Geographie der Pflazen nebst einem naturgem¨alde
55
der Tropel¨ander. T¨ubingen.
56
28.Wahlenberg, G. 1811. Kamtschadalische Laub und Lebermoose, gesammelt auf der
57
russischen Entdeckungsreise von dem Herrn Hofrath Tilesius und untersucht. Mag Ges
58
Narutf Fr. 5: 289-297.
59
29.Walther, G., Post, E., Convey, P., Menzel, A., Parmesan, C., Beebee, T.J.C., Fromentin,
60
J.M., Hoegh-Guldberg, O., and Bairlein, F. 2002. Ecological responses to recent climate
61
change. Nature. 416: 389-395.
62
30.Whittaker, R.H. 1975. Communities and Ecosystems, 2nd ed. Macmilland, NY, USA.
63
352: 60-65.
64
ORIGINAL_ARTICLE
مکانیابی میکروکچمنت های مستعد استحصال آب در سطح حوضه با استفاده از روش های تلفیق در سامانه اطلاعات جغرافیایی (مطالعه موردی حوضه آبخیز نازلو چای آذربایجان غربی)
سابقه و هدف: کشور ایران و بهتبع آن حوضه مورد مطالعه به علت قرار داشتن بر روی کمربند مناطق خشک جهان همواره با پدیده خشکی و کمبود بارش در مناطق وسیعی از خود مواجه است. بر این اساس استفاده بهینه از آب و مدیریت آ ن جزء ضرورتهای لاینفک این مناطق است. اصولا الگوی بارش در مناطق خشک بهگونهای است که درزمانی کوتاه رگبارها با شدت زیاد میبارد و این موضوع باعث ایجاد رواناب در سطح حوضه شده که علاوه بر حمل خاک سطحی با ارزش، فرصت نفوذ آب در خاک نیز از دست میرود. تکنیکهای مختلف برداشت آب در جمعآوری آب باران از زمینهای طبیعی یا زمینهای اصلاح شده در مکانهای کوچکتر یا عرصههای زراعی بهمنظور زراعت اقتصادی مطمئنتر استفادهشده و رواناب جمعآوریشده در خاک، پشت سدها، تراسها، حوضچههای آرامش، خندقها و آببندانها ذخیره میشود. حوضه مورد مطالعه با بارش 470 میلیمتر و ضریب جریان 26/0 دارای پتانسیل بالای استحصال آب در سطح حوضه است. مطالعات گذشته نشان میدهد که در مکانیابی مناطق مستعد استحصال آب در سامانههای ماکروکچمنت، مقادیر گاماهای پایینتر فازی بهعنوان مناطق مستعد انتخاب میگردند. ولی در زمینه سامانههای میکروکچمنت سابقه مطالعاتی با روش عملگرهای فازی مشاهده نگردید.مواد و روشها: در این تحقیق مکانیابی مناطق مستعد سه روش استحصال آب شامل بانکت هلالی، کنتور فارو و تراس نیمکتی در حوضه آبخیز نازلوچای با مساحت 1508 کیلومترمربع استفاده از ابزار تلفیق GIS موردبررسی قرار گرفت. از بین عوامل اقلیمی، هیدرولوژیک و محیطی مؤثر حوضه، شش عامل بارش، شیب، کاربری اراضی، گروههای هیدرولوژیکی خاک، زهکشی و عمق خاک برای شناسایی مناطق مناسب مورد استفاده قرار گرفت. جهت بیبعدسازی و وزندهی متغیرهای کمی، از توابع منطق فازی با تابع عضویت ذوزنقهای و برای متغیرهای توصیفی، منطق فازی با تحلیل سلسله مراتبی (AHP) مورداستفاده قرار گرفت. روشهای تلفیق لایهها شامل منطق بولین و منطق فازی و با کمک عملگرهای بولین AND و بولین OR و همچنین حاصلضرب، حاصلجمع، گامای فازی از 1/0 تا 9/0 مورد آزمون قرار گرفت.یافتهها: نتایج حاصل از مقایسه دادههای مشاهدهای و خروجی هر یک از روشهای تلفیق، با"شاخص تشابه" نشان داد که مقدار شاخص گاما 9/0 فازی در سیستم بانکت هلالی برابر 824/0 و در سیستم کنتور فارو 906/0 بوده که بیان کننده میزان تشابه بیشتر مدل گامای 9/0 فازی نسبت به سایر روشها میباشد و همچنین مشخص شد که مدل منطق بولین فاقد نتایج مناسب میباشد. در منطق فازی با افزایش گاما تا مقدار گامای 9/0 تطابق نتایج مدل با دادههای مشاهدهای افزایش مییابد و از مقادیر بیشتر از 9/0 کاهش مییابد و این نشان میدهد که گاماهای بالاتر جهت مکانیابی سیستمهای میکروکچمنت استحصال آب مناسب میباشد. 30 درصد حوضه مستعد توسعه روش بانکت هلالی، 5/11 درصد مستعد کنتور فارو و 3/6 درصد حوضه مستعد تراس نیمکتی هست.نتیجه گیری: براساس نتایج حاصل از مطالعه نتیجهگیری میشود که در سیستمهای میکروکچمنت استحصال آب از روشهای بولین بخاطر دقت پایین این روشها کمتر استفاده گردد و از روشهای جدیدتر مکانیابی از قبیل مکانیابی فازی با گاماهای بالاتر بهره گرفته شود.
https://jwsc.gau.ac.ir/article_4067_a41dd3279b7c4d109b000f2246a687a0.pdf
2018-04-21
199
214
10.22069/jwsc.2018.12510.2721
استحصال آب در مقیاس حوضه
منطق فازی
منطق بولین
GIS
حوضه نازلو
بهزاد
حصاری
b_hessari@yahoo.com
1
عضو هیات علمی
LEAD_AUTHOR
علی
گهرنژاد
goharnejad.a@gmail.com
2
فارغ التحصیل
AUTHOR
کریم
سلیمانی
solimani2001@yahoo.com
3
عضو هیات علمی
AUTHOR
1.Abrefa, K., Forkuob, K., and Asamoaha, J. 2013. Using a GIS-based model as a
1
decisionsupport framework for identifyingsuitable rain water harvesting sites. Inter. J. Adv.
2
Technol. Engin. Res. (IJATER). 3: 4. 25-33.
3
2.Alesheikh, A.A., Soltani, M.J., Nouri, N., and Khalilzadeh, M. 2008. Land assessment for
4
flood spreading site selection using geospatial information system. Inter. J. Environ. Sci.
5
Technol. 5: 4. 455-462. (In Persian)
6
3.An, P., Moon, W.M., and Rencz, A. 1991. Application of fuzzy set theory to integrated
7
mineral exploration. Can. J. Exp. Geophysic. 27: 1. 1-11.
8
4.Awulachew, S.B., Lemperiere, P., and Tulu, T. 2009. Water harvesting and development for
9
improving productivity. Improving productivity and market success. (IPMS). 90p.
10
5.Bonham-Carter, G.F. 1994. Geographic information systems for geoscientists: Modeling with
11
GIS. Paragon press, Oxford, 398p.
12
6.Brown, F.M. 2003. Boolean reasoning the logic of Boolean equations. Dover publications,
13
7.De Pauw, E., Oweis, T., and Youssef, J. 2008. Integrating expert knowledge in GIS to locate
14
biophysical potential for water harvesting: methodology and a case study for Syria.
15
International Center for Agricultural Research in the Dry Areas, Aleppo, Syria.
16
8.Duveskog, D., Nyagaka, D., Mweri, B., Shiribwa, M., and Kaumbutho, P. 2003. Soil and
17
water conservation with a focus on water harvesting and soil moisture retention. Published
18
by the farm level applied research methods for east and southern Africa, 86p.
19
9.Frasier, G.W. 1980. Harvesting water for agricultural, wildlife, and domestic uses. J. Soil
20
Water Cons. 35: 3. 125-128.
21
10.Hessari, B., Ghani-Poor, R., Khalili, K., and Heydari, A. 2006. Water balance of West
22
Azarbijan with GIS, technical reports of regional water autority. 214p. (In Persian)
23
11.Makhdoom, M. 2001. Foundation land. Tehran: Tehran University Press, 304p. (In Persian)
24
12.Mbilinyi, B.P., Tumbo, S.D., Mahoo, H.F., Senkondo, E.M., and Hatibu, N. 2005.
25
Indigenous knowledge as decision support tool in rainwater harvesting. Physics and
26
Chemistry of the Earth 30: 11-16. 792-798.
27
13.Mbilinyi, B.P., Tumbo, S.D., Mahoo, H.F., and Mkiramwinyi, F.O. 2007. GIS-based
28
decision support system for identifying potential sites for rainwater harvesting. Physics and
29
Chemistry of the Earth. 32: 1074-1081.
30
14.Mehrvarze, M.K. 2003. Investigation of Quaternary Deposits Suitable for Floodwater
31
Spreading, Case study (Tassuj Plain), M.Sc. Thesis, Tehran University. 111p. (In Persian)
32
15.Mkiramwinyi, F.O. 2006. Identification of potential sites for rainwater harvesting using
33
remote sensing and GIS in the Makanya catchment, same district, Northern Tanzania.
34
M.Sc. Thesis, Sokoine University of Agriculture, Morogoro, Tanzania.
35
16.Murray, J., Ogden, A.T., and Mcdaniel, P.M. 2003. Development of a GIS database for
36
ground water recharge assessment of the Palo use. Soil Sci. 168: 11. 759-768.
37
17.Oweis, T., Prinz, D., and Hachum, A.Y. 2012. Water harvesting for agriculture in the dry
38
areas, Taylor & Francis Group, London, UK, 262p.
39
18.Prinz, D. 1996. Water harvesting-past and future: Proceeding, NATO Advanced Research
40
Workshop. Pereira, L.S. (eds), 21-26 March 1994, Balkema, Rotterdom, Pp: 135-144.
41
19.Prinz, D. 2001. Water harvesting for a forestation in dry areas. Proceedings, 10th.
42
International conference on rain water catchment systems, Mannheim, 10-14 sep. 2001,
43
Pp: 195-198.
44
20.Reij, C., Mulder, P., and Begemann, L. 1988. Water harvesting for plant production
45
[World Bank Technical Series ed.]: Washington D.C, The World Bank, 98p.
46
21.Saaty, T.L. 1980. The analytical hierarchy process, Planning, Priority, resources allocation,
47
RWS Publications, USA.
48
22.Weerasinghe, H., Schneider, U., and Low, A. 2010. Water harvesting and storage location
49
optimization model using GIS and remote sensing. Balwois, 2010, Ohrid, Republic of
50
Macedonia, 25, 29 May 2010.
51
23.Zadeh, L. 1965. Fuzzy sets. IEEE Information and Control, 8: 3. 338-353.
52
24.Zimmermann, H.J. 1985. Fuzzy Set Theory and its Applications. Kluwer Academic
53
Publishers, Dordrecht. 114p.
54
25.Zehtabian, G.R., Alavipanah, S.K., and Hamedpanah, R. 2001. Determination of an
55
appropriate area for flood spreading by remote sensing data and GIS. In: Proceedings of the
56
international conference on new technology for a new century, Seoul, Korea, Pp: 1-6.
57
ORIGINAL_ARTICLE
تأثیر سطوح مختلف تنشخشکی و کود ورمیکمپوست بر عملکرد، اجزای عملکرد و آلیسین گیاه سیر
سابقه و هدف: سیر (Allium sativum L.) گیاهی چندساله علفی از خانواده Liliaceae بوده که از نظر تولید جهانی در بین گیاهان پیازی پس از پیاز خوراکی رتبه دوم را به خود اختصاص داده است، کمبود منابع آبی دردسترس، صرفهجویی و بهینهسازی مصرف آب، درباره این گیاه حساس به خشکی را نیز اجتنابناپذیر نموده است. اصولاً بیشترین عملکرد و کارایی مصرف آب بهترتیب در آبیاریهای کامل و تنش خشکی ملایم بهدست میآید و با کاربرد کودهای آلی از جمله ورمیکمپوست، اثرات منفی تنشهای آبی کاهش مییابد، توجه به اهمیت اعمال تنش آبی در برنامهریزیهای آبیاری از سویی و افزایش میزان ماده موثره گیاهان با اعمال تنش از سویی دیگر، باعث گردید در این تحقیق به بررسی تأثیر سطوح مختلف تنشخشکی و کود ورمیکمپوست بر عملکرد، اجزای عملکرد و میزان ماده مؤثره آلیسین گیاه دارویی سیر که از نطر تولید، مقام دوم در بین گیاهان پیازی را دارد، پرداخته شد. مواد و روشها: آزمایش بهصورت کرتهای خردشده در قالب طرح بلوکهای کامل تصادفی در سه تکرار در مزرعه تحقیقاتی دانشگاه تربتحیدریه در سال زراعی 95-1394 اجرا شد. سطوح مختلف آبیاری شامل 100 (شاهد)، 120، 80 و 60 درصد نیاز آبی بهعنوان فاکتور اصلی و کود ورمیکمپوست در چهار سطح صفر، پنج، 10 و 15 تن در هکتار بهعنوان فاکتور فرعی در نظر گرفته شد.یافتهها: نتایج نشان داد که اثرات ساده و متقابل تنش خشکی و ورمیکمپوست بر ارتفاع بوته، طول برگ، وزن تر و خشک بوته، وزن تر و خشک سوخ، وزن تر و خشک ریشه، سطح برگ، وزن خشک برگ و عملکرد سیر معنیدار بود، نتایج نشان میدهد با افزایش تنش خشکی ارتفاع بوته، وزن خشک سوخ و سطح برگ کاهش یافته است. مصرف پنج، 10 و 15 تن ورمیکمپوست به ترتیب باعث بهبود 25، 18 و 10 درصدی عملکرد سیر در مقایسه با شاهد گردید. بیشترین و کمترین عملکرد سوخ سیر بهترتیب در تیمار 100 درصد نیاز آبی و مصرف پنج تن ورمیکمپوست در هکتار (با عملکردی برابر با 10170کیلوگرم در هکتار) و تنش60 درصد نیاز آبی و بدون مصرف ورمیکمپوست (با عملکردی برابر با 3048/66کیلوگرم در هکتار) حاصل شد. تنش خشکی سبب کاهش و مصرف کود ورمیکمپوست باعث افزایش میزان ماده موثره آلیسین گردید. نتیجهگیری: گیاه سیر حساس به تنش خشکی است و کمبود آب سبب کاهش و کاربرد کود ورمیکمپوست، باعث بهبود عملکرد آن میگردد. و کاربرد ورمیکمپوست ضمن بهبود خصوصیات رشدی، عملکرد و اجزای عملکرد سیر و کاهش خسارات ناشی از تنش خشکی در فصل تحت کشت، تداوم بهبود عملکرد گیاه در سالهای بعد و همچنین بهبود خصوصیات فیزیکی و شیمیایی خاک می-شود.
https://jwsc.gau.ac.ir/article_4068_5788e74df7816f123840e77aafa0ecd5.pdf
2018-04-21
215
227
10.22069/jwsc.2018.14167.2889
سوخ
کمآبیاری
کود آلی
احمد
احمدیان
aahmadian59@gmail.com
1
استادیار، عضو هیأت علمی، گروه تولیدات گیاهی و گیاهان دارویی، دانشکده کشاورزی، دانشگاه تربتحیدریه
AUTHOR
امیر
سالاری
salari.1361@yahoo.com
2
دانشگاه تربت حیدریه
LEAD_AUTHOR
زکیه
موسوی
z.mousavi@stu.torbat.ac
3
کارشناسیارشد، تولیدات گیاهی، دانشکده کشاورزی، دانشگاه تربتحیدریه
AUTHOR
حامد
کاوه
h.kaveh@profs.torbath.ac.ir
4
استادیار، عضو هیأت علمی، گروه تولیدات گیاهی و گیاهان دارویی، دانشکده کشاورزی، دانشگاه تربتحیدریه
AUTHOR
1.Abbaszadeh, Z.B., Sharifi-Aashoorabadi, A., and Farajolahi, M. 2007. Effects of drought
1
stress on physiological traits of lemon balm. Second National Conference on Ecological
2
Agriculture of Iran. Gorgan, Pp: 911-926. (In Persian)
3
2.Ahmadian, A., Ghanbari, A., Siahsar, B., Haydari, M., Ramroodi, M., and Mousavinik, S.M.
4
2011. Study of chamomile’s yield and its components under drought stress and organic and
5
inorganic fertilizers usage and their residue. J. Microbiol. Antimicrob. 3: 2. 23-28.
6
3.Ahmadian, A. 2013. Iran's Important Medicinal Plants. First Journals, Torbat Heydariyeh
7
University Press, 202p. (In Persian)
8
4.Alihouri, M. 2017. Determination of water-salinity-dry matter yield production function in
9
vegetative growth phase of date palm. Gorgan, J. Water Soil Cons. 24: 3. 251-266.
10
(In Persian)
11
5.Allen, R.G., Periera, L.S., Raes, D., and Smith, M. 1998. Crop evapotranspiration guidelines
12
for computing crop water requirements. FAO Irrigation and Drainage Paper 56. FAO, Rome.
13
6.Anjum, A.S., Xia, X., Wang, L., Farrukh-Saleem, M., Man, C., and Lei, W. 2011.
14
Morphological, physiological and biochemical responses of plants to drought stress. Afr. J.
15
Agric. Res. 6: 2026-2032.
16
7.Ansari, H. 2008. Determining the index and optimal irrigation depths to maximize benefit of
17
early maturing corn. Gorgan, J. Water Soil Cons. 22: 2. 107-116. (In Persian)
18
8.Arancon, N.Q., Edwards, C.A., Dick, R., and Dick, L. 2007. Vermicompost Tea Production
19
and plant growth impacts. Biocycle. 48: 51-52.
20
9.Arancon, N.Q., Edwards, C.A., Bierman, P., Welch, C., and Metzger, J.D. 2004. Influences of
21
Vermicomposts on field strawberries: Part 1. Effects on growth and yields. Bioresour.
22
Technol. 93: 2. 145-153.
23
10.Arguello, J.A., Ledesma, A., Nunez, S.B., Rodriguez, C.H., and Goldfarb, M.D. 2006.
24
Vermicompost effects on bulbing dynamics, nonstructural carbohydrate content, yield and
25
quality of Rosado paraguayo garlic bulbs. Hort. Sci. 41: 3. 589-592.
26
11.Azizi, M., Rezvani, F., Khayyat, M., Lakzian, A., and Nemati, H. 2008. Effect of different
27
levels of vermicompost and irrigation on morphological characteristics and essential oil
28
content of Matricaria Chamomilla L. Goral cultivar. Iran. J. Med. Arom. Plant. 24: 1. 82-93.
29
(In Persian)
30
12.Babaei, K., Amini-Dehghi, M., Modares Sanavi, A.M., and Jabari, M. 2010. Water deficit
31
effect on morphology, prolin content and thymol percentage of Thyme (Thymus vulgaris L.).
32
Iran. J. Med. Arom. Plant. 26: 2. 239-251. (In Persian)
33
13.Bideshki, A., Arwin, M., and Maghsoudi, K. 2012. Effect of indole-3 Butyric acid (IBA)
34
foliar application on growth, bulb yield and allicin of garlic (Allium sativum L.) under water
35
deficit stress in field. Iran. J. Med. Arom. Plant. 28: 3. 567-577. (In Persian)
36
14.Bremness, L. 1999. Herbs. Eyewitness Handbook, London, 176p.
37
15.Chaudhry, M.A., Rehman, A., Naeem, M.A., and Mushtaq, N. 1999. Effect of organic and
38
inorganic fertilizers on nutrient contents and some properties of eroded loess soils. Pak. J.
39
Soil Sci. 16: 1. 63-68.
40
16.Darzi, M., Haj-Seyedhadi, M., and Rejali, F. 2010. Effects of vermicompost and phosphate
41
biofertilizer application on yield and yield components in Anise (Pimpinella anisum L.).
42
Iran. J. Med. Arom. Plant. 26: 4. 452-465. (In Persian)
43
17.Farkhondeh, T., SadiqAra, P., Bahmani, A., Gholami-Ahangaran, M., and Mogtadayee, A.
44
2010. Investigating antiparasitic activity of garlic tablets on Leman atisnilotica species.
45
Gorgan, J. Med. Plant. 1: 2. 69-71. (In Persian)
46
18.Ghadami-Firouzabadi, A., Shahnazari, A., and Raeini, M. 2015. The Economic analysis of
47
deficit irrigation management and determination of the optimum depth of irrigation in
48
sunflower plant. J. Water Soil Cons. 21: 6. 255-268. (In Persian)
49
19.Ghaderi, M., Hosseini, M., and Keramaty, L. 2011. Effect of Organic Compost on Growth
50
Characteristics of Cucumber, Tomatoes, Cabbage and Lettuce in Greenhouse. J. Agric. Sci.
51
Iran. 41: 1. 60-69. (In Persian)
52
20.Hernandez, T., Chocano, C., Moreno, J.L., and Garcia, C. 2014. Towards a more sustainable
53
fertilization: Combined use of compost and inorganic fertilization for tomato cultivation.
54
Agric. Ecosyst. Environ. 196: 178-184.
55
21.Hutchinson, C.M., and Mc-Giffen, M.E. 2000. Cowpea cover crop mulch for weed control in
56
desert pepper production. Sci. Hort. 35: 196-198.
57
22.Karaye, A.K., and Yakubu, A.I. 2007. Checklist of weeds in irrigated garlic (Allium sativum
58
L.) and onion (Allium cepa L.) in Sokoto river Valley. J. Weed Sci. 20: 53-60.
59
23.Khoshgoftarmanesh, A.H., and Kalbasi, M. 2002. Effect of municipal waste leachate on soil
60
properties and growth and yield of rice. Commun. Soil Sci. Plant Anal. 33: 2011-2020.
61
24.Kim, C.Y., Ahn, Y.O., Kim, S.H., Kim, Y.H., Lee, H.S., Catanach, A.S., Jacobs, J.M.,
62
Conner, A.J., and Kwak, S.S. 2010. The sweet potato IbMYB1 gene as a potential visible
63
marker for sweetpotato intragenic vector system. Physiol. Plant. 139: 229-240.
64
25.Kiani, A.R., and Saberi, A.R. 2015. An investigation of sweet corn yield and water use
65
influenced by different deficit irrigation methods and two sowing patterns. Gorgan, J. Water
66
Soil Cons. 21: 6. 155-171. (In Persian)
67
26.Lebaschi, M.H., Sharifi-Ashoorabadi, A., and Mazaheri, D. 2003. Effects of Drought Stress
68
on Changes in Hypericin Flowers. J. Res. Dev. 58: 1. 44-52. (In Persian)
69
27.Ledesma, A.E., Fabio, M.C., Diaz-Goldfarb, S., Nunez, B., and Arguello, J.A. 2001.
70
Residuos Solidose Agricolas (lombricompuesto) en horticultura. Ecofisiologia del vigor en
71
plantines de lechuga (Lactucansativa L.). Criolla Latina Hort. Argentina. 20: 31. 220-232.
72
28.Manivannan, P., Jaleel, C.A., Kishorekumar, A., Sankar, B., Somasundaram, R., Sridharan,
73
R., and Panneerselvam, R. 2007. Changes in antioxidant metabolism of Vigna unguiculata L.
74
Walp. By propiconazole under water deficit stress. Colloids and Surfaces B: Biointerfaces.
75
57: 69-74.
76
29.Mirzaie, R., Leiaghati, H., and Mehdavi-Damghani, A. 2007. Evaluation of garlic
77
quantitative and qualitative yield using different culture systems and non-sexual propagation
78
of garlic. Pak. J. Biol. Sci. 10: 13. 2219-2224.
79
30.Misra, A., and Srivastava, N.K. 2000. Influence of water stress on Japanese mint. J. Herb.
80
Spice. Med. Plant. 7: 51-58.
81
31.Molafilabi, A., Hosseini, M., and Mousavi, P. 2005. Garlic Agriculture (Allium sativum).
82
Education Jihad. Press, 25p. (In Persian)
83
32.Sanchez, G.E., Carballo, G.C., and Ramos, G.S.R. 2008. Influence of organic manures and
84
biofertilizers on the quality of two Plantaginaceae: Plantago major L. and Plantago
85
lanceolata L. Revista Cubana de Plantas Medicinales. 13: 1. 12-15.
86
33.Sarmadniya, H., and Koochaki, A. 2011. Physiology of crops. Publications University of
87
Mashhad. 400p. (In Persian)
88
34.Singh, A. 1982. Cultivation of Matricaria chamomilla. P 653-657. In: Singh, A. et al. (Eds.).
89
Cultivation and utilization of aromatic plants. RRL Jammu-Tawi.
90
35.Suthar, S. 2009. Impact of vermicompost and composted farmyard manure on growth and
91
yield of garlic (Allium stivum L.) field crop. Inter. J. Plant Prod. 3: 1. 27-38.
92
36.Tahouri, H. 2013. Encyclopedia of Medicinal Plants. Seventh edition, Padideh Danesh
93
Publications. Tehran. 155p. (In Persian)
94
37.Zare-Abyaneh, H., Gasemi, A., Marofi, S., and Bayat-Varkeshi, M. 2010. Determination of
95
water requirement, single and dual crop coefficients of garlic in cold semi-arid climate.
96
Gorgan, J. Water Soil Sci. 21: 1. 111-122. (In Persian)
97
ORIGINAL_ARTICLE
ارزیابی عملکرد مدل WRF در شبیه سازی بارشهای سنگین
سابقه و هدف: هر ساله وقوع بارشهای سنگین در حوضههای سیلخیز کشور منجر به رخداد سیلاب و خسارتهای هنگفتی میگردد. پیشبینی بارشهای سنگین یکی از گامهای ضروری در تدوین و توسعه یک سیستم هشدار سیلاب است. در سالهای اخیر استفاده از مدلهای عددی وضع هوا در پیشبینی بارش کاربرد گستردهای داشته است. سرویسها و مراکز هواشناسی مختلفی، پیشبینیهای جوی را با حل مدلهای عددی وضع هوا ارائه میکنند. لازم به ذکر است که پیشبینیهای این مراکز در مقیاس بزرگ شبکهبندی شدهاند. از جمله روشهای دینامیکی که امروزه برای ریزمقیاس نمایی مدلهای بزرگ مقیاس بسیار مورد توجه قرار گرفته است میتوان به مدل پژوهش و پیشبینی وضع هوا (WRF) اشاره کرد. در مطالعه حاضر توانایی مدل WRF در پیشبینی بارشهای سنگین در حوضهآبریز رودخانه کن تهران مورد ارزیابی قرار گرفته است.مواد و روشها: شرایط مرزی و اولیه مدل از دادههای اجرای ساعت صفر (به وقت ساعت هماهنگ جهانی ) سامانه مدلسازی تمام کرهای موسوم به GFS از مرکز ملی پیشبینیهای محیطی گرفته شده است. برای اجرای مدل سه دامنه در نظر گرفته شده است. دامنه بزرگ دارای تفکیک افقی 27 کیلومتر، دامنه میانی دارای تفکیک افقی 9 کیلومتر و دامنه کوچک که ارزیابی پیشبینیها در آن صورت گزفته است دارای تفکیک افقی 3 کیلومتر میباشد. ارزیابیها بر روی پیشبینیهای کوتاه مدت (24 ساعته) انجام شده است. بدین منظور سه مورد از بارشهای تاریخی که منجر به رخداد سیلاب در منطقه مورد مطالعه شده است، انتخاب و با استفاده از مدل WRF شبیهسازی گردید. همچنین پیشبینیهای ارائه شده توسط مرکز ملی پیشبینی زیست محیطی (NCEP) نیز از طریق تارنمای این مرکز تهیه گردید. سپس نتایج حاصل از برونداد مدل WRF و پیشبینیهای بزرگ مقیاس NCEP با مقدار بارش مشاهداتی ثبت شده در ایستگاههای باران سنجی مقایسه شد. یافتهها: نتایج نشان داد که بارشهای پیشبینی شده توسط NCEPبسیار کمتر از مقدار واقعی برآورد شدهاند، ضمن اینکه زمان وقوع بارش نیز به درستی پیشبینی نشده است. همچنین نتایج حاکی از عملکرد نسبتا مطلوب مدل WRF در پیش بینی بارشهای سنگین است به طوریکه با اجرای این مدل مقدار شاخص خطا به مقدار قابل توجهی نسبت به مدل بزرگ مقیاس کاهش یافت. نتیجهگیری: استفاده از مدل دینامیکی WRF دقت پیشبینیهای بارش را نسبت به مدل جهانی افزایش میدهد. بنابراین پیشنهاد میگردد که در تدوین و توسعه سیستم هشدار سیلاب در حوضههای سیلخیز کشور از مدل WRF در ترکیب با مدل هیدرولوژیکی جهت پیشبینی سیلاب استفاده شود.واژههای کلیدی: پیشبینی، بارشهای سنگین، مدل WRF، حوضه رودخانه کن.
https://jwsc.gau.ac.ir/article_4069_3803315d1a9f02a1e0acdeffbbccaa79.pdf
2018-04-21
229
242
10.22069/jwsc.2018.11669.2613
پیشبینی
بارشهای سنگین
مدل WRF
حوضه رودخانه کن
لیلا
گودرزی
goodarzi.1988@gmail.com
1
دانشگاه تهران
AUTHOR
محمد ابراهیم
بنی حبیب
banihabib@ut.ac.ir
2
دانشگاه تهران
LEAD_AUTHOR
پروین
غفاریان
p_ghaffarian@hotmail.com
3
پژوهشگاه ملی اقیانوس شناسی و علوم جوی
AUTHOR
- 1.Abbasi, M., Mohseni Sarai, M., Kheirkhah, M., Khalighi Sigaroudi, Sh., Rostamizad, Gh., and
1
Hosseini, M. 2010. Assessment of Watershed Management Activities on Time of
2
Concentration and Curve Number using HEC-HMS Model. J. Range Water. Manage. Iran. J.
3
Natur. Resour. 63: 3. 375-385. (In Persian)
4
2.Afandi, G., Morsy, M., and El Hussieny, F. 2013. Heavy rainfall simulation over Sinai
5
Peninsula using the weather research and forecasting model. Inter. J. Atm. Sci. Pp: 1-11.
6
3.Amini, L., Parhizkar, D., and Khakian, Gh. 2012. The performance of WRF model in heavy
7
rainfall forecasting in Esfahan province. The second national conference on flood
8
management and engineering with the approach of urban flooding, Tehran. (In Persian)
9
4.Azadi, M., Shirgholami, M., Hejam, S., and Sahraean, F. 2011. WRF Model Output
10
Postprocessing for Daily Precipitation over Iran. Iran-Water Resour. J. 7: 4. 71-81. (In Persian)
11
5.Azadi, M., Tghizade, A., and Memarian, M. 2010. Comparision of WRF and MM5 in rainfall
12
forecasting. 14th Geophysics Conference of Iran, Tehran, Iran's geopolitical Forum.
13
(In Persian)
14
6.Banihabib, M., and Arabi, A. 2010. Evaluation of the effects of watershed management
15
practices on the lead time. J. Environ. Sci. Technol. 12: 1. 77-81. (In Persian)
16
7.Banihabib, M.E., and Arabi, A. 2016. The impact of catchment management on emergency
17
management of flash-flood. Inter. J. Emer. Manage. 12: 2. 185-195.
18
8.Banihabib, M.E., Arabi, A., and Salha, A. 2015. A dynamic artificial neural network for
19
assessment of land-use change impact on warning lead-time of flood. Inter. J. Hydrol. Sci.
20
Technol. 5: 2. 163-178.
21
9.Chen, F., and Dudhia, J. 2001. Coupling an advanced land surface-hydrology model with the
22
Penn State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity.
23
Monthly Weather Review. 129: 4. 569-585.
24
10.Cloke, H., and Pappenberger, F. 2009. Ensemble flood forecasting: a review. J. Hydrol.
25
375: 3. 613-626.
26
11.Dudhia, J. 1989. Numerical study of convection observed during the winter monsoon
27
experiment using a mesoscale two-dimensional model. J. Atm. Sci. 46: 20. 3077-3107.
28
12.Falahi, M., Varvani, H., and Golian, S. 2011. Rainfall forecasting using the regression tree
29
model inordet to flood management. 5th National Conference on Watershed Management and
30
Soil and Water Resources Management, Kerman. (In Persian)
31
13.Goodarzi, L., and Roozbahani, A. 2013. Comparison of ARIMA and Holt-winters time series
32
models in rainfall forecasting. Second National Conference on Water crisis (climate change,
33
water and the environment), Shahrekord. (In Persian)
34
14.Goodess, C.M., Bárdossy, A., Haylock, M.R., and Ribalaygua, J. 2012. An intercomparison
35
of statistical downscaling methods for Europe and European regions, Climatic Research Unit
36
Research Publication, 11p.
37
15.Grell, G.A. 1993: Prognostic Evaluation of Assumptions Used by Cumulus Parameterizations.
38
Mon. Wea. Rev. 121: 764-787.
39
16.Hong, S.Y., Noh, Y., and Dudhia, J. 2006. A new vertical diffusion package with an explicit
40
treatment of entrainment processes. Monthly Weather Review. 134: 9. 2318-2341.
41
17.Hong, S.Y., Dudhia, J., and Chen, S.H. 2004. A revised approach to ice microphysical
42
processes for the bulk parameterization of clouds and precipitation. Monthly Weather
43
Review. 132: 1. 103-120.
44
18.Hsiao, L.F., Yang, M.J., Lee, C., Kuo, H.C., Shih, D., Tsai, C., and Lin, G.F. 2013.
45
Ensemble forecasting of typhoon rainfall and floods over a mountainous watershed in
46
Taiwan. J. Hydrol. 506: 55-68.
47
19.Kain, J.S., and Fritsch, J.M. 1993. Convective parameterization for mesoscale models:
48
The Kain-Fritsch scheme. In The representation of cumulus convection in numerical models.
49
American Meteorological Society, Pp: 165-170.
50
20.Koohi, M., Moosavi, M., Faridhoseini, A., Sanaenejad, H., and Jabari, H. 2012. Statistical
51
downscaling and the future scenarios of extreme precipitation events. J. Climatol. Res.
52
3: 12. 35-53. (In Persian)
53
21.Kryza, M., Werner, M., Wałszek, K., and Dore, A.J. 2013. Application and evaluation of the
54
WRF model for high-resolution forecasting of rainfall-a case study of SW Poland.
55
Meteorologische Zeitschrift. 22: 5. 595-601.
56
22.Laifang, L., Wenhong, L., and Jiming, J. 2014. Improvements in WRF simulation skills of
57
southeastern United States summer rainfall: physical parameterization and horizontal
58
resolution. Climate Dynamics. 43: 7-8. 2077-2091.
59
23.Mlawer, E.J., Taubman, S.J., Brown, P.D., Iacono, M.J., and Clough, S.A. 1997. Radiative
60
transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the
61
longwave. J. Geophysic. Res. Atm. 102: 14. 16663-16682.
62
24.Moustris, K.P., Larissi, I.K., Nastos, P.T., and Paliatsos, A.G. 2011. Precipitation forecast
63
using artificial neural networks in specific regions of Greece. Water resources management.
64
25: 8. 1979-1993.
65
25.Obukhov, A.M. 1971. Turbulence in an atmosphere with a non-uniform temperature.
66
Boundary-layer meteorology. 2: 1. 7-29.
67
26.Partal, T., and Kişi, Ö. 2007. Wavelet and neuro-fuzzy conjunction model for precipitation
68
forecasting. J. Hydrol. 342: 1. 199-212.
69
27.Pennelly, C., Reuter, G., and Flesch, T. 2014. Verification of the WRF model for simulating
70
heavy precipitation in Alberta. Atmospheric Research. 135: 172-192.
71
28.Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Wang, W., and Powers,
72
J.G. 2005. A description of the advanced research WRF version 2 (No. NCAR/TN-468+
73
STR). National Center for Atmospheric Research Boulder Co Mesoscale and Microscale
74
Meteorology Div.
75
29.Skamarock, W.C. 2008. A description of the Advanced Research WRF Version3. NCAR
76
Tech. Note NCAR/ TN-4751STR.
77
30.Taghavi, F., Neyestani, A., and Ghader, S. 2013. Short range precipitation forecasts
78
evaluation of WRF model over Iran. J. Earth Space Physic. 39: 2. 145-170. (In Persian)
79
31.Yazarloo, B., Zakerinia, M., Abdolhoseini, M., and Sharifan, H. 2014. The Prediction of
80
Heavy Precipitation Regarding the Impacts of 21th Century Climate Changes in selected
81
stations Golestan Province. J. Water Soil Cons. 22: 3. 137-150. (In Persian)
82
32.Zakeri, Z., Azadi, M., and Sahraean, F. 2014. WRF model output verification for rainfall on
83
Iran. J. Nivar. 87-86: 3-10. (In Persian)
84
33.Zheng, Y., Alapaty, K., Herwehe, J.A., Del Genio, A.D., and Niyogi, D. 2016. Improving
85
high-resolution weather forecasts using the Weather Research and Forecasting (WRF) Model
86
with an updated Kain-Fritsch scheme. Mon. Wea. Rev. 117: 3. 833-860.
87
34.Zoljoodi, M., Ghazimirsaeid, S., and Seifari, Z. 2013. Evaluation of physics scheme of WRF
88
model in precipitation forecasting in Iran. J. Geographic. Res. 28: 2. 187-194. (In Persian)
89
ORIGINAL_ARTICLE
بهرهبرداری آبهای نامتعارف جهت آبیاری گیاه فلفل دلمهای (Capsicum annum) تحت شرایط گلخانهای
سابقه و هدف:افزایش روز افزون جمعیت همگام با معضل بحران جهانی منابع آب شیرین، استفاده از منابع آب نامتعارف در بخش کشاورزی، به عنوان بزرگترین مصرفکنندهی آب شیرین، به ویژه در مناطق خشک و نیمهخشک را ضروری میسازد. از طرفی شوری یکی از مهمترین تنشهای محیطی است که رشد و عملکرد گیاهان را محدود میکند. یکی از روشهای غلبه بر مشکلات تنش شوری، شناخت میزان تحمل شوری گیاهان زراعی و باغی میباشد. هدف از این پژوهش امکانسنجی استفاده از آب دریای خزر جهت آبیاری گیاه فلفل دلمهای (Capsicum annum) رقم کالیفرنیا واندر تحت شرایط گلخانهای بود.مواد و روشها:در این تحقیق از 5 سطح اختلاط آب دریا و آب شهری، جهت بررسی اثر آن بر روی عملکرد و اجزای عملکرد گیاه فلفل دلمهای رقم کالیفرنیا واندر استفاده شد. این تحقیق بر پایه طرح کاملاً تصادفی و با 3 تکرار در سال 1394 در گلخانه تحقیقاتی گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان در گلدان اجرا گردید. گلخانه مورد استفاده در شمال کشور ایران و در شهر گرگان با موقعیت جغرافیایی 36 درجه و 51 دقیقه طول شمالی و 54 درجه و 16 دقیقه عرض شرقی و ارتفاع 3/13 متر از سطح دریا واقع بود. بافت خاک مورد استفاده در این طرح سیلتی رسی بود. در این پژوهش مقادیر شوری آب آبیاری شامل (5/0، 0/3، 5/5، 0/8 و 5/10 دسیزیمنس بر متر) بود. در انتها تحلیل آماری صفات مورد بررسی (تعداد میوه برداشت شده، متوسط وزن تر میوه، متوسط وزن خشک میوه، عملکرد در واحد سطح و بهرهوری مصرف آب مبتنی بر وزن تر میوه) با استفاده از نرمافزار SAS (ver 9.0) انجام گرفت. مقایسه میانگینها نیز با استفاده از آزمون LSD در سطح 5 درصد انجام شد.یافتهها:نتایج نشان داد که سطوح مختلف شوری بر تعداد میوه، وزن تر و خشک میوه، عملکرد و بهرهوری مصرف آب در سطح یک درصد معنیدار شد. نتایج نشان داد که تیمار 10 درصد اختلاط آب دریا و آب شهری در مقایسه با سایر رژیمهای مورد بررسی پس از تیمار شاهد دارای بیشترین میزان متوسط وزن تر و خشک میوه برداشت شده، تعداد میوه برداشت شده، عملکرد در واحد سطح و بهرهوری مصرف آب بوده است.نتیجهگیری:نتایج نشان داد که افزایش سطوح مختلف شوری منجر به کاهش تمامی صفات شد، بطوریکه افزایش شوری آب آبیاری از 5/0 به 0/3 دسیزیمنس بر متر منجر به کاهش وزن تر میوه و عملکرد به میزان 5/50 و 4/48 درصد شد. نتایج نشان دهنده این موضوع بوده که گیاه فلفل دلمهای به شوری حساس است و اختلاط آب دریا و شهری جهت آبیاری این گیاه قابلیت اجرایی در شرایط گلخانهای ندارد.
https://jwsc.gau.ac.ir/article_4070_18a665779095b1b2ad47590051cad9e4.pdf
2018-04-21
243
256
10.22069/jwsc.2018.13723.2843
آب دریای خزر
بهرهوری مصرف آب
تنش شوری
عملکرد
فلفل دلمهای
صابر
جمالی
sa13e12@gmail.com
1
دانشجوی دکتری علوم و مهندسی آب، گروه مهندسی آب، دانسکده کشاورزی، دانشگاه فردوسی مشهد.
LEAD_AUTHOR
حسین
شریفان
h_sharifan47@yahoo.com
2
گروه مهندسی آّب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.
AUTHOR
فراست
سجادی
farasatsajadi@gmail.com
3
دانشجوی دکتری علوم و مهندسی آب، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
AUTHOR
1.Abbas Rostami, M., Ghajar Sepanlou, M., and Bahmanyar, M.A. 2015. under salt stress
1
resulting from the use of saline irrigation water on yield and some growth parameters pepper.
2
Congress scientific development and promotion of Agricultural Sciences, Natural Resources
3
and Environment of Iran, Tehran, Foundation for the Promotion of Science and Technology.
4
(In Persian)
5
2.Abedi-Koupai1, J., Eslamian, S.S., and Zareian, M.J. 2011. Measurement and modeling of
6
water requirement and crop coefficient for cucumber, tomato and pepper using
7
microlysimeter in greenhouse. Science and technology of greenhouse culture. 7: 51-63.
8
(In Persian)
9
3.Abtahi, A. 2001. Response of Seedlings of Two Pistachio Cultivars to Quantity and
10
Composition of Soil Salinity under Greenhouse Conditions. Water and soil science.
11
17: 93-100.
12
4.Alizadeh, A. 2014. Soil, Water and Plant Relationship. Sajad University of Technology Press.
13
876p. (In Persian)
14
5.Allen R.G., Preira L.S., Raes D., and Smith, M. 1998. Crop evapotranspiration guidelines for
15
computing crop water requirement. FAO irrigation and drainage paper, NO.56, Rome, Italy.
16
6.Bagherian, A. 2011. Evaluation the effect of salinity stress and silicon nutrition on three green
17
pepper cultivars. Theses of master of science. Shahre-Kord university. (In Persian)
18
7.Beltrano, J., Ruscitti, M., Arango, M.C., and Ronco, M. 2013. Effects of arbuscular
19
mycorrhiza inoculation on plant growth, biological and physiological parameters and mineral
20
nutrition in pepper grown under different salinity and p levels. soil science and plant
21
nutrition. 73: 123-141.
22
8.Daneshmand, F., Arvin, M.J., and Kalantari, K.M. 2011. Responses of wild species of potato
23
to salt stress under in vitro culture. Iran. J. Biol. 93: 65-78. (In Persian)
24
9.Del Amor, F.M., and Cuadra-Crespo, P. 2012. Plant growth-promoting bacteria as a tool to
25
improve salinity tolerance in sweet pepper. Functional plant biology. 301: 82-90.
26
10.Dowlatshah, M., Rezaei Nejad, A.H., and Gholami, M. 2015. The Effect of Salinity
27
Stress on Fruit Yield and some Physical and Biochemical Characteristics of Strawberry
28
(Fragaria × ananassa Duch.) cv. “Camarosa”. Plant production technology. 12: 127-138.
29
(In Persian)
30
11.Ewe, S.M., and Sternberg, L.D.S.L. 2005. Growth and gas exchange responses of
31
Brazilian pepper (Schinus terebinthifolius) and native South Florida species to salinity.
32
Trees. 96: 119-128.
33
12.Gomez, I., Pedreño, J.N., Moral, R., Iborra, M.R., Palacios, G., and Mataix, J. 1996. Salinity
34
and nitrogen fertilization affecting the macronutrient content and yield of sweet pepper
35
plants. plant nutrition, 190: 353-359.
36
13.Grattan, S.R., and Grieve, C.M. 1999. Salinity-mineral nutrient relations in horticultural
37
crops. scientia horticulture. 78: 127-157.
38
14.Gunes, A., Inal, A., Alpaslan, M., and Cikili, Y. 1999. Effect of salinity on phosphorus
39
induced zinc deficency in pepper (Capsicum annuum L.) plants. Turk. J. Agric. Forest.
40
23: 459-464.
41
15.Heidari, N., Kheyrabi, J., Alaei, M., Farshi, A.A., Kazemi, P., Vaziri, J., Entesari, M.R.,
42
Dehghani Sanij, H., Sadat Mirei, M.H., and Mirlatifi, M. 2008. Water Use Efficiency in
43
Greenhouse Production. iranian national committee on irrigation and drainage (IRNCID)
44
press. 180p. (In Persian)
45
16.Jamil M., Lee, C.C., Rehman, S.U., Lee, D.B., Ashraf, M., and Rha, E.S. 2005. Salinity
46
(NaCl) tolerance of Brassica species at germination and early seedling growth. J. Environ.
47
Agric. Food Chem. 4: 970-976.
48
17.Kaya, C., Ashraf, M., Sonmez, O., Aydemir, S., Tuna, A.L., and Cullu, M.A. 2009. The
49
influence of arbuscular mycorrhizal colonisation on key growth parameters and fruit yield of
50
pepper plants grown at high salinity. Scientia horticulturae, 121: 1-6.
51
18.Katerji, N., Mastrorilli, M., and Rana, G. 2008. Water use efficiency of crops cultivated in
52
the Mediterranean region: Review and analysis. Europ. J. Agron. 28: 493-507.
53
19.Layegh, M., Peyvast, Gh.A., Samizadeh, H.A., and Khosousi, M. 2010. Effect of salinity on
54
growth, yield and quality indices of tomato in soilless culture. Horticultural science.
55
160: 11-21. (in Persian).
56
20.Navarro, J.M., Garrido, C., Flores, P., and Martínez, V. 2010. The effect of salinity on yield
57
and fruit quality of pepper grown in perlite. Span. J. Agric. Res. 31: 142-150.
58
21.Othman, Y., Al-Karaki, G., and Al-Ajmi, A. 2008. Response of soilless grown sweet pepper
59
cultivars to salinity. In International Symposium on Strategies Towards Sustainability of
60
Protected Cultivation in Mild Winter Climate. Pp: 227-232.
61
22.Qados, A.M.A. 2015. Effects of salicylic acid on growth, yield and chemical contents of
62
pepper (Capsicum Annuum L.) plants grown under salt stress conditions. Inter. J. Agric.
63
Crop Sci. 30: 107-115.
64
23.Sadeghi, H., Rajaie, M., and Rassoli, H. 2012. The effect of NaCl salinity on some of the
65
morphological characteristics of three eggplant cultivars. Plant and ecosystem. 29: 53-63.
66
(In Persian)
67
24.Sajadi, F., Jamali, S., and Sharifan, H. 2016. The effect of different salinity levels on yield
68
and yield components of green pepper. Second Iranian national irrigation and drainage
69
congress. Isfahan. Iran. (In Persian)
70
25.Sajjadi, F., Sharifan, H., Hezarjaribi, A., and Ghorbani Nasrabad, G. 2016. The effect of
71
salinity stress and over irrigation on yield and yield components of green pepper. Water and
72
irrigation management. 11: 89-100. (In Persian)
73
26.Sairam, R.K., and Tyagi, A. 2004. Physiology and molecular biology of salinity stress
74
tolerance in plants. Current science. 86: 407-421.
75
27.Salarian, M., Alizadeh, A., Davari, K., and Ansari, H. 2014. The Effect of Low Irrigation and
76
Water Salinity on Root and Performance of Greenhouse Pepper on Intelligent Drip Irrigation
77
System. National conference on water, human and earth. (In Persian)
78
28.Saljooghianpour, M., Omidi, M., Majidi Heravan, E., Davoudi, D., and Ahmadian Tehrani,
79
P. 2009. In-Vitro Evaluation of Salinity Tolerance at Plantlet Growth Stage and
80
Microtuberization in some Potato Cultivars. Seed Plant Improve. J. 97: 129-145. (In Persian)
81
29.Shahidi, A., Keshkoli, H.A., and Zamani, G. 2008. Specifics of the authors of the article on
82
irrigation with saline water in order to promote water use efficiency in the Birjand region.
83
Seconds National Conference on Irrigation and Drainage Networks Management. Chamran
84
university. Ahvaz. Iran. (In Persian)
85
30.Unlukara, A., Kurunc, A., and Cemek, B. 2015. Green Long Pepper Growth under Different
86
Saline and Water Regime Conditions and Usability of Water Consumption in Plant Salt
87
Tolerance. agricultural sciences. 21: 167-176.
88
31.Wahab-Allah, M.A. 2013. Responses of bell pepper (Capsicum annuum L.) cultivars to salt
89
stress under greenhouse conditions. Agricultural and Environmental Sciences of Damanhour
90
University. 23: 1-19.
91
ORIGINAL_ARTICLE
جذب زیستی کادمیم از محلولهای آبی توسط پوست میگو
سابقه و هدف: امروزه به حذف و پالایش محیطهای آلوده به فلزهای سنگین توجه زیادی میشود. جذب زیستی یک روش موثر برای حذف فلزهای سنگین از محلولهای آبی میباشد. در این پژوهش جذب زیستی کادمیم توسط پوست میگو مورد بررسی قرار گرفت.مواد وروشها: مطالعات جذب سطحی کادمیم توسط پوست میگو به عنوان تابعی از pH در محدودهی pH 3 تا 8 در یک غلظت کادمیم 8 میلیگرم در لیتر انجام گردید. همدماهای جذب سطحی در محدودهای از غلظت فلز (15 تا 100 میلیگرم در لیتر) انجام گردید. آزمایشهای جذب وابسته به زمان برای کادمیم در دو غلظت ثابت 5 و 50 میلیگرم بر لیتر و 7 سطح زمانی (5/0، 2، 4، 6، 8، 12، 24 ساعت) انجام شد. میزان کادمیم جذب سطحی شده بر روی جاذب، با اندازه-گیری غلظتهای تعادلی و غلظت آنها در نمونههای شاهد محاسبه گردید. طیف سنجی مادون قرمز تبدیل فوریه (FTIR) قبل و بعد از جذب سطحی کادمیم به وسیلهی دستگاه طیف سنجی و گونهبندی کادمیم در محلولهای تعادلی به وسیله ی برنامهی Visual MINTEQ انجام گردید.یافتهها: نتایج آزمایشهای جذب وابسته به pH نشان داد که با افزایش pH، میزان جذب سطحی کادمیم به وسیلهی پوست میگو افزایش یافت و بیشترین جذب کادمیم در pH، 5/7 صورت گرفت، که در این pH، بیش از 99 درصد از کادمیم توسط جاذب جذب سطحی گردید. نتایج همدماهای جذب نشان داد که مدلهای فروندلیچ و لانگمویر جذب کادمیم را به خوبی توصیف کردند. حداکثر ظرفیت جذب کادمیم (qmax)، بهوسیلهی مدل لانگمویر برای این جاذب 1/5 میلیگرم بر گرم تعیین شد. مدل سینتیکی شبه رده دوم بهترین برازش را بر دادههای جذب سطحی وابسته به زمان داشت. منحنیهای سینتیکی جذب کادمیم از دو فاز مشخص تشکیل شدهاند. یک فاز اولیه که جذب کادمیم توسط جاذب سریع بود و متعاقب آن فاز ثانویه که واکنش به حالت تعادل نزدیک شد. نتایج گونهبندی شبیهسازی شده به وسیله برنامه Visual Minteq نشان داد که گونه Cd+2 در محدوده 5/8-2=pH، گونه اصلی کادمیم در محلول است و در دامنه pH، 9-8 و غلظت گونه هیدرولیزی +Cd(OH) نیز افزایش مییابد. طیف مادون قرمز پوست میگو قبل و بعد از جذب کادمیم نشان داد که اتمهای N گروههای عامل آمین در پوست میگو نقش عمدهای در جذب این عنصر داشتند. نتیجهگیری: به طور کلی، با توجه به دادههای به دست آمده از این پژوهش، پوست میگو یک جاذب موثر برای کادمیم میباشد و میتواند در پالایش محیطهای آبی آلوده به کادمیم مورد استفاده قرار گیرد.
https://jwsc.gau.ac.ir/article_4071_0445e3dbfb92a8c03caa2b717d17c46c.pdf
2018-04-21
257
269
10.22069/jwsc.2018.13777.2851
کادمیم
فلزهای سنگین
جاذب زیستی
آلودگی
پالایش
محسن
حمیدپور
mohsen_hamidpour@yahoo.com
1
گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر رفسنجان
LEAD_AUTHOR
ناهید
حسینی
m.hamidpour@vru.ac.ir
2
دانشگاه ولی عصر رفسنجان
AUTHOR
شفق
مولایی
shafagh_molaie@yahoo.com
3
گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر رفسنجان
AUTHOR
1.Amarasinghe, B.M.W.P.K., and Williams, R.A. 2007. Tea waste as a low cost adsorbent for
1
the removal of Cu and Pb from wastewater. Chem. Eng. J. 132: 299-309.
2
2.Cochrane, E.L., Lu, S., Gibb, S.W., and Villaescusa, I. 2006. A comparison of low-cost
3
biosorbents and commercial sorbents for the removal of copper from aqueous media.
4
J. Hazard. Mater. 137: 198-206.
5
3.Essington, M.E. 2004. Soil and Water Chemistry: An Integrative Approach. CRC Press, Boca
6
Raton, Florida, USA.
7
4.Fouladi-Fard, R., Azimi, A., and Nabi-Bidhendi, G. 2008. Cadmium biosorption in a batch
8
reactor using excess municipal sludge powder. J. Water Wastewater. 67: 19-24
9
5.Freundlich, H.M.F. 1906. Over the adsorption in solution. J. Phys. Chem. 57: 385-470.
10
6.Gils, C.H., Silva, A.P., and Easton, I.A. 1974. A general treatment and classification of the
11
solute adsorption isotherm part. II. Experimental interpretation. J. Coll. Interface Sci.
12
47: 766-778.
13
7.Hamidpour, M., Kalbasi, M., Afyuni, M., and Shariatmadari, H. 2011. Sorption of lead on
14
Iranian bentonite and zeolite: kinetics and isotherms. Environ. Earth Sci. 62: 559-568.
15
8.Ho, Y.S. 2006. Review of second-order models for adsorption systems. J. Hazard. Mater.
16
136: 681-689.
17
9.Hosseini, N., Hamidpour, M., and Mozafari, V. 2016. Lead biosorption using shrimp shell:
18
kinetics, isotherms and pH-dependent adsorption. Iran. J. Soil Water Res. 47: 109-117.
19
10.Iqbal, M., and Edyvean, R.G.J. 2004. Biosorption of lead, copper and zinc ions on loofa
20
sponge immobilized biomass of Phanerochaete chrysosporium. Mineral. Eng. 17: 217-223.
21
11.Kalbasi, M.R., Abdollahzadeh, E., and Salari-Joo, H. 2013. A Review on aquaculture
22
development in Iran. Ecopersia. 1: 159-178.
23
12.Lagergren, S. 1898. Zur theorie der sogenannten adsorptoin geloster stoffe. Handlingar.
24
13.Langmuir, I. 1918. Adsorption of gas on plane surfaces of glass, mica and platinum. J. Amer.
25
Chem. Soc. 40: 1361-1403.
26
14.Li, W., Zhang, L., Peng, J., Li, N., Zhang, S., and Guo, S. 2008. Tobacco stems as a low cost
27
adsorbent for the removal of Pb(II) from wastewater: Equilibrium and kinetic studies.
28
Ind. Crop Prod. 28: 294-302.
29
15.Lian, F., Song, Z., Liu, Z., Zhu, L., and Xiang, B. 2013. Mechanistic understanding of
30
tetracycline sorption on waste tire powder and its chars as affected by Cu2+ and pH. Environ.
31
Pollut. 178: 264-270.
32
16.Mahvi, A.H., Naghipour, D., Vaezi, F., and Nazamara, Sh. 2005. Tea waste as an adsorbent
33
for heavy metal removal from industrial wastewaters. Amer. J. Appl. Sci. 2: 372-375.
34
17.Malik, A. 2004. Metal bioremediation through growing cells. Environ. Int. 30: 261-278.
35
18.Ornek, K., Ozacar, M., and Sengil, A.I. 2007. Adsorption of lead on to formaldehyde or
36
sulphuric acid atread acorn waste: Equilibrium and kinetic studies. Biochem. Eng. J.
37
37: 192-200.
38
19.Purna Chandra Rao, G., Satyaveni, S., Ramesh, K., Seshaiah, K., Murthy, S.N., and
39
Choudary, N.V. 2006. Sorption of cadmium and zinc from aqueous solutions by zeolite 4A,
40
zeolite 13X and bentonite. J. Environ. Manage. 81: 265-272.
41
20.Rana, S.V.S. 2006. Environmental Pollution: Health and Toxicology, Alpha Science
42
International Ltd., Oxford, UK.
43
21.Romera, E., Gonzales, F., Ballester, A., Blazquez, M.L., and Munoz, J.A. 2007. Comparative
44
study of biosorption of heavy metals using different types of algae. Bioresource Technol.
45
98: 3344-3353.
46
22.Sen Gupta, S., and Bhattacharyya, K.G. 2008. Immobilization of Pb(II), Cd(II) and Ni(II)
47
ions on kaolinite and montmorillonite surfaces from aqueous medium. J. Environ. Manage.
48
87: 46-58.
49
23.Sparks, D. 2003. Environmental Soil Chemistry. Academic Press San Diego, California,
50
24.Wan Ngah, W.S., and Fatinathan, S. 2010. Pb(II) biosorption using chitosan and chitosan
51
derivatives beads: Equilibrium, ion exchange and mechanism studies. J. Environ. Sci.
52
22: 338-346.
53
25.Westerman, R.L. 1990. Soil Testing and Plant Analysis. 3rd ed. Soil Science Society of
54
America. Madison, Wisconsin, USA.
55
ORIGINAL_ARTICLE
کارایی روش الکتره ترای در ارزیابی تناسب اراضی منطقه چالدران برای کشت سیب زمینی
سابقه و هدف: ارزیابی تناسب اراضی جهت حفاظت خاک امری اجتنابناپذیراست. انتخاب یک روش مناسب نیز با توجه به محدودیتهای روش فائو بهعنوان روش مرسوم ارزیابی اراضی ضروری به نظر میرسد. در این راستا روشهای چندمعیاره ازجمله الکترهترای به دلیل دخالت دادن نظرات کارشناسی، در نظرگیری وزن ویژگیهای مؤثر در تناسب میتواند مفید باشد.مواد و روشها: در این پژوهش روش ریشه دوم و روش الکترهترای برای ارزیابی تناسب بخشی از اراضی شهرستان چالدران به مساحت تقریبی 5000 هکتار در حدفاصل ′19 °44 تا ′23 °44 طول شرقی و ′01 °39 تا ′08 °39 عرض شمالی برای کشت سیبزمینی استفاده شدند. برای نیل به اهداف در مجموع تعداد 60 خاکرخ حفر، تشریح و نمونهبرداری گردید و پس از تجزیه خاک، ویژگیهای شیب، سیلگیری، زهکشی، بافت خاک، ذرات درشتتر از شن، آهک، گچ، هدایت الکتریکی، درصد سدیم تبادلی و اقلیم منطقه با اعمال ضرایب وزنی در خاکرخهای مختلف استخراج گردید. وزنهای معیارها با استفاده از روش ماتریس مقایسه زوجی و مقادیر مرز بین کلاسها و نقاط مرزی در روش الکترهترای با استفاده از جدول نیازمندیها و دادههای مربوط به ویژگیهای خاک و اراضی تعیین شدند. پتانسیل تولید اراضی نیز با هر دو روش از ضرب شاخصهای خاک در تولید پتانسیل حاصل گردید و با استفاده از آمارههای مختلف مقایسه شدند.یافتهها: ردهبندی خاکها براساس کلید ردهبندی 2014، آلفیسول، اینسپتیسول و انتیسول است. مقایسه میانگین مقادیر ویژگیهای خاک و اراضی بین کلاسهای تناسب تفکیکشده در روش الکتره ترای با آزمون دانکن اختلاف معنیدار را نشان داد و این نشاندهنده دقت این روش در تفکیک کلاسهای تناسب اراضی است. پتانسیل تولید سیبزمینی در منطقه چالدران با روشهای ریشه دوم و الکتره ترای به ترتیب 9330 تا 30200 و 10140 تا 32350 تخمین زده شد. روش الکترهترای ازنظر آمارههای ضریب تبیین (87/0) و جذر میانگین مربعات خطا (۶/۱۹۷) دقت بیشتری نسبت به روش پارامتریک با ضریب تبیین (79/0) و جذر میانگین مربعات خطا (۲۴۱/۲) دارد. همچنین معیار میانگین هندسی نسبت خطا (GMER) نیز نشاندهنده کمبرآوردی هر دو روش ارزیابی بود. از طرفی دقت بالای این روش ترکیبی به تعیین حدود مناسب انتقالی، مقادیر مناسب آستانهها و وزنهای ویژگیها و کاربرد رابطه-های فازی در فرآیند محاسبات بستگی دارد.نتیجهگیری: براساس نتایج بهدستآمده، به نظر میرسد که روش الکترهترای، از طریق ترکیب با نظرات کارشناسی میتواند بهتر به مسئله تناسب اراضی کشاورزی برای تیپ بهرهوری خاص بپردازد. همچنین صرفهجویی در زمان فرآیند ارزیابی تناسب اراضی برای زراعت سیبزمینی قابلتوجه بود. انطباق نتایج بهدستآمده نیز با تولید واقعی تأییدکننده اثربخشی سامانه میباشد.
https://jwsc.gau.ac.ir/article_4072_6665e489334e8e7c754a9e5d4eeb03a0.pdf
2018-04-21
271
284
10.22069/jwsc.2018.13568.2825
پارامتریک
پتانسیل تولید
تولید واقعی
روش چند معیاره
مسلم
ثروتی
m.sarvati@urmia.ac.ir
1
عضو هیئت علمی مرکز آموزش عالی شهید باکری میاندوآب، دانشگاه ارومیه
LEAD_AUTHOR
1.Akinci, H., Ozalp, A.Y., and Turgut, B. 2013. Agricultural land use suitability analysis using
1
GIS and AHP technique. Computers and Electronics in Agriculture. 97: 71-82.
2
2.Almeida-Dias, J., Figueira, J.R., and Roy, B. 2010. ELECTRE TRI-C: A multiple criteria
3
sorting method based on characteristic reference actions. Europ. J. Oper. Res. 204: 565-580.
4
3.Burrough, P.A. 1989. Fuzzy mathematical methods for soil survey and land evaluation. J. Soil
5
Sci. 40: 447–92.
6
4.Ceballos-Silva, A., and Lopez-Blanco, J. 2003. Delineation of suitable areas for crops using a
7
multi-Criteria evaluation approach and land use/cover mapping: a case study in central
8
Mexico. Agricultural Systems. 77: 117-136.
9
5.DeWit, C.T. 1965. Photosynthesis of leaf canopies. No 663, Pudoc Press. 57p.
10
6.Elaalem, M., Camber, A., and Fisher, P. 2011. A comparison of Fuzzy AHP and ideal point
11
methods for evaluation land suitability. Trans. GIS J. 15: 3. 329-346.
12
7.FAO. 1979. Soil Survey Investigations for Irrigation. FAO Soils Bulletin No. 42, Rome. 188p.
13
8.FAO. 1983. Guidelines: Land Evaluation for Rainfed Agriculture. Food and Agriculture
14
Organization of the United Nations, Rome, International Standard Book Number,
15
13: 9789251014554. 237p.
16
9.Fontana, M.E., and Cavalcante, C.A.V. 2013. ELECTRE TRI method used to storage location
17
assignment into categories. Pesquisa Operacional. 33: 2. 283-303.
18
10.Geological survey and Mineral Exploration of Iran. 2006. Geology Map of Iran, 1:100000
19
series, Shite N, Chalderan (Siah Cheshmeh).
20
11.Khiddir, S.M. 1986. A statistical approach in the use of parametric systems applied to the
21
FAO framework for land evaluation. Doctoral dissertation, Ph.D. Thesis. State University
22
Ghent. 63p.
23
12.Li, B., Zhang, F., Zhang, L., Huang, J., Jin, Z., and Gupta, D.K. 2012. Comperhensive
24
suitability evaluation of Tea crops using GIS and modified land ecological suitability
25
evaluation model. Pedosphere. 22: 1. 122-130.
26
13.Mendas, A., and Delali, A. 2012. Integration of multicriteria decision analysis in GIS to
27
develop land suitability for agriculture: Application to durum wheat cultivation in the region
28
of Mleta in Algeria. Computers and Electronics in Agriculture. 83: 117-126.
29
14.Musso, G. 2003. Transport phenomena in electrokinetic soil remediation. Mathematical and
30
Computer Modelling. 37: 589-594.
31
15.Newhall, F., and Berdanier, C.R. 1996. Calculation of soil moisture regimes from the
32
climatic record. Natural Resources Conversations Service, Soil Survey Investigation Report,
33
No. 46, 13p.
34
16.Nguyen, T.T., Verdoodt, A., Tran, V.Y., Delbecque, N., Tran, T.C., and Van Ranst, E. 2015.
35
Design of a GIS and multi-criteria based land evaluation procedure for sustainable land-use
36
planning at the regional level. Agriculture, Ecosystems and Environment. 200: 1-11.
37
17.Saaty, T.H., and Vargas, L.G. 2001. Models, Methods, Concepts and Applications of the
38
Analytic Hierarchy Process. Kluwer Academic, 160p.
39
18.Schoeneberger, P.J., Wysocki, D.A., Benham, E.C., and Broderson, W.D. 2012. Field Book
40
for Describing and Sampling Soils. Natural Resources Conservation Service, USDA,
41
National Soil Survey Center, Lincoln, NE, 280p.
42
19.Sparks, D.L., Page, A.L., Helmke, P.A., Loeppert, R.H., Soltanpour, P.N., Tabatabai, M.A.,
43
Johnston, C.T., and Sumne, M.E. 1996. Method of soil analysis. Part II, III. 2nd ed. Agron,
44
Monogr. 9. ASA and SSSA, Madison, WI. 480p.
45
20.Sys, C., Van Ranset, E., and Debaveye, J. 1991a. Land Evaluation, Part I, Principle in Land
46
Evaluation and Crop Production Calculation, International Training Center for Post Graduate
47
Soil Scientists, Ghent University, Ghent., Belgium. 237p.
48
21. Sys, C., Van Ranset, E., and Debaveye, J. 1991b. Land Evaluation, Part II, Methods in Land
49
Evaluation. International Training Center for Post Graduate Soil Scientists, Ghent
50
University, Ghent, Belgium. 247p.
51
22.Sys, C., Van Ranset, E., Debaveye, J., and Beernaert, F. 1993. Land Evaluation, Part III,
52
Crop Requirements. General Administration for Development Cooperation Place, Brussels,
53
Belgium. 199p.
54
23.Tienwong, K., Dasananda, S., and Navanugraha, C. 2009. Integration of land evaluation and
55
the analytical hierarchical process method for energy crops in Kanchanaburi, Thailand.
56
Science Asia. 35: 170-177.
57
24.USDA. 2014. Keys to Soil Taxonomy, 12th edition, United State Department of Agriculture,
58
National Soil Survey Center. Natural Resources Conservation Service. 372p.
59
25.Van Ranst, E., Tang, H., Groenemans, R., and sinthurahat, S. 1996. Application of fuzzy
60
logic to land suitability for rubber production in peninsular Thailand. Geoderma. 70: 1-19.
61
ORIGINAL_ARTICLE
تاثیر تعداد ردیف، ارتفاع و آرایش صفحات مستغرق در رسوبشویی مخزن سد
سابقه و هدف: یکی از روشهای مرسوم در تخلیه رسوب مخازن سدها، رسوبشویی تجت فشار میباشد. در این روش رسوباتی که در مخزن تهنشین شدهاند، بهوسیله دریچه تحتانی سد و تحت فشار آب از مخزن تخلیه میشوند. برای افزایش عملکرد رسوبشویی تحت فشار، تلاش میشود سطح آب مخزن تا ارتفاع حداقل بهرهبرداری پایین آورده شود. همچنین در تحقیقات پیشین، عملکرد روشهای هیدورلیکی و سازهای مختلفی در جهت افزایش رسوبشویی تحت فشار ارزیابی شده است. همواره محققین تلاش کردهاند با شناخت فرایند رسوبشویی مخزن و پارامترهای موثر بر آن، راهکارهای اجرایی موثری که بتواند عملکرد رسوبشویی را افزایش دهد، پیشنهاد نمایند. هدف این تحقیق مطالعه آزمایشگاهی تاثیر تعداد ردیف، ارتفاع و آرایش صفحات مستغرق در تشدید رسوبشویی مخزن میباشد. مواد و روشها: برای انجام آزمایشهای این تحقیق، از یک مدل فیزیکی شامل مخزن رسوب، حوضچه تهنشینی رسوبات و مخزن تأمین آب استفاده گردید. در این تحقیق، صفحات با دو ارتفاع HV/D>1 و HV/D<1؛ (Hvارتفاع صفحات و D قطر دریچه) و تعداد ردیف مختلف (یک، دو و سه ردیف) در مقابل تخلیه کننده تحتانی نصب شدند. در آزمایشها علاوه بر آرایش موازی، عملکرد رسوبشویی نوع جدیدی از آرایش صفحات تحت عنوان آرایش شعاعی در سه عمق مختلف آب مخزن (سانتیمتر 40 ، 30 ، 20= HW ) بررسی گردید. رسوبات بستر از جنس ماسه شسته شده با قطر متوسط 0/51 میلیمتر بودند. آزمایشها با دبی ثابت 2 لیتر برثانیه به مدت یک ساعت انجام می گرفت و در انتهای هر آزمایش رسوبات تخلیه شده توزین میشدند. یافتهها: نتایج نشان داد، در آرایش موازی با کاهش تعداد ردیف صفحات، موازی عملکرد رسوبشویی افزایش یافت به طوریکه صفحات یک ردیفه (دوتایی) با با ارتفاع نسبی 0/5 و 2=HV/D به ترتیب با 173 و 231 درصد افزایش نسبت به مدل شاهد، دارای بهترین عملکرد رسوبشویی بودند. همچنین صفحات موازی با ارتفاع نسبی 2=HV/D نسبت به صفحات با ارتفاع نسبی 0/5=HV/D عملکرد رسوبشویی بهتری داشتند. آرایش شعاعی صفحات، عملکرد رسوبشویی مخزن را به طور موثری افزایش داد؛ بهطوریکه رسوبشویی در صفحات با ارتفاع 2/5 و 10 سانتیمتری نسبت به مدل شاهد به ترتیب در حدود 11/33 و 4/1 برابر افزایش یافت. در آرایش شعاعی صفحات با ارتفاع نسبی 2=HV/D، به علت تمرکز جریان ورودی دریچه در پشت صفحات جانبی، عملکرد رسوبشویی این صفحات نسبت به صفحات با ارتفاع نسبی 0/5=HV/D کمتر بود.نتیجهگیری: آرایش شعاعی صفحات مستغرق توانست رسوبشویی را تشدید نماید (خصوصا با افزایش عمق آب مخزن). این شرایط یک مزیت نسبی برای اجرای رسوبشویی است، یعنی این عملیات در حالت مخزن پر راندمان بالایی داشته و نیازی به پایین آوردن سطح آب مخزن نیست.
https://jwsc.gau.ac.ir/article_4073_5ccff0ff81d6cb3a73afa4988c32164b.pdf
2018-04-21
285
296
10.22069/jwsc.2018.13203.2786
آرایش شعاعی
ارتفاع
تعداد ردیف
صفحات مستغرق
رسوبشویی
قربان
مهتابی
ghmahtabi@gmail.com
1
عضو هیات علمی-دانشگاه زنجان
LEAD_AUTHOR
ُسمانه
کریمی
skarimi156@gmail.com
2
دانشجوی کارشناسی ارشد/ دانشگاه زنجان
AUTHOR
مژده
محمدیون
mmohamadiuon93@gmail.com
3
دانشگاه زنجان
AUTHOR
"> 1.Abdolahpour, M., and Hosseinzadeh Dalir, A. 2013. Effect of semi-cylinder structure position
1
on pressurized flushing efficiency of reservoirs. J. Water Soil Sci. 23: 2. 269-282.
2
(In Persian)
3
2.Abdolahpour, M., Hosseinzadeh Dalir, A., and Farsadizadeh, D. 2015. Application of pile and
4
submerged vanes to remove sediments from dam reservoirs in pressurized flushing. Iran.
5
Water Res. J. 9:4. 165-169. (In Persian)
6
3.Althous, J. 2011. Sediment evacuation from reservoirs through intakes by jet induced flow.
7
Ph.D. Thesis, Ecole polytechnique Federale De Lausanne, Switzerland. 295p.
8
4.Atkinson, E. 1996. The feasibility of Flushing Sediment from the Reservoir. HR Wallingford,
9
Wallingford, UK. 99p.
10
5.Baykara, A. 2013. Effect of hydraulic parameters on the formation of vortices at intake
11
structures. M.Sc. Thesis, Middle East Technological University, Turkey. 157p.
12
6.Emamgholizadeh, S. 2008. The Experimental investigation of the effects of pressure flushing
13
on flushed sediment through storage reservoir. J. Agric. Sci. Natur. Resour. 15: 4. 219-234.
14
(In Persian)
15
7.Fang, D., and Cao, S. 1996. An experimental study on scour funnel in front of a sediment
16
flushing outlet of a reservoir. Proceedings of the 6th Federal Interagency Sedimentation
17
Conference, 10-14 March, Las Vegas, USA. Pp: 78-84.
18
8.Madadi, M.R., Rahimpour, M., and Qaderi, K. 2016. Improving the reservoir’s pressurized
19
flushing efficiency by connecting PBC structure to the dam bottom outlet. J. Appl. Res. Irrig.
20
Drain. Struc. Engin. 17: 66. 71-86. (In Persian)
21
9.Meshkati Shahmirzadi, M.E., Dehghani, A.A., Sumi T., Mosaedi, A., and Meftah, H. 2010.
22
Experimental investigation of pressure flushing technique in reservoir storages. J. Water
23
Geosci. 1: 1. 132-137.
24
10.Mohammadi, M.N., Salmasi, F., Hosseinzadeh Dalir, A., and Arvanaghi, H. 2014.
25
Experimental investigation of the effect of semi-circular structure on the capacity of
26
pressurized flushing of sediments from the reservoirs. J. Water Soil Sci. 24: 2. 21-30.
27
(In Persian)
28
11.Jalili, H., and Hosseinzadeh Dalir, A. 2012. Extend the vortex flow around the reservoirs
29
sluice gate. Proceedings of 1st International and 3rd National Conference on Dams and
30
Hydropower, 8-9 February, Tehran, Iran. Pp: 1-13.
31
12.Odgaard, A.J., and Wang, Y. 1991. Sediment management with submerged vanes. J. Hydr.
32
Engin. 117: 3. 267-283.
33
13.Powell, D.N. 2007. Sediment Transport Upstream of Orifice. Ph.D Thesis, Clemson
34
University, USA. 169p.
35
14.Tofighi, S., Samani, J.M.V., and Ayyubzadeh, S.A. 2015. Pressure flushing with expanding
36
bottom outlet channel within dam reservoir. Modares J. Civil Engin. 15: 2. 127-206.
37
(In Persian)
38
15.White, W.R., and Bettess, R. 1984. The feasibility of flushing sediments through reservoirs.
39
Proceedings of the Harare Symposium on Challenges in African Hydrology and Water
40
Resources, 23-27 July, Harare, Zimbabwe. Pp: 577-587.
41
ORIGINAL_ARTICLE
مدلسازی فیزیکی تأثیر طول مهارهای انعطافپذیر موانع شناور کروی بر خصوصیات پرش هیدرولیکی
سابقه و هدف: پرش هیدرولیکی یکی از مهمترین پدیدههای متغیر سریع در استهلاک انرژی جریانهای پر سرعت میباشد که در فاصله کوتاه رژیم جریان را از فوق بحرانی به زیر بحرانی تبدیل میکند و منجر به کاهش انرژی جنبشی و افزایش عمق میشود. هدف از این تحقیق بررسی خصوصیات پرش هیدرولیکی در قالب مطالعه آزمایشگاهی بر روی بسترصاف و همراه با موانع شناور متصل به کف با طولهای مهاری مختلف بودهاست که درنهایت به مقایسه نتایج به دست آمده از این پژوهش با سایر پژوهشها پرداخته شد.مواد و روشها: آزمایشها در یک کانال با دیواره شفاف و به طول 8 متر و عرض و ارتفاع به ترتیب 35 و40 سانتیمتر انجام شد. به منظور ایجاد پرش هیدرولیکی دیواره کانال در بخش ابتدایی به 80 سانتیمتر افزایش داده شد و یک سرریز با زاویه 30 درجه و ارتفاع 40 سانتی متر نصب شد. در ادامه برای مدلسازی موانع شناور، قطر کاربردی موانع به صورت ثابت برابر با 4 سانتیمتر در نظر گرفته شد. برای تفسیر و تحلیل هر یک از پارامترهای مؤثر آنالیز ابعادی با استفاده از تئوری پی باکینگهام انجام گرفت و در مجموع 30 آزمایش با متغیرهای طول مهار و عدد فرود که شامل 5 طول مهار 0 ، 5/1 ، 5/2 ،5/3 ، 5/4 سانتیمتر و محدوده اعداد فرود 1/5 تا 3/8 انجام شد. یافتهها: بر اساس تحلیلهای انجام شده یکی از نتایج مهم در تحقیق حاضر این است که انعطافپذیری و نوسان در موانع کاربردی به عنوان مستهلک کنندهی پرش هیدرولیکی، باعث افزایش افت انرژی مازاد میگردد. این در حالی است که با افزایش طولهای مهاری موانع، بخش بیشتری از مومنتم جریان ورودی جذب موانع میشود. که البته این موضوع برای محدودهی اعداد فرود 1/5الی 5/7 اثر بیشتری دارد.نتیجه گیری: نتایج نشان داد که افت انرژی با استفاده از موانع به طور متوسط حدود 69 درصد بوده که تقریباً 2/10 درصد نسبت به بستر صاف افزایش یافته است. طول پرش هیدرولیکی و عمق ثانویه نسبی به ترتیب به طور متوسط 36 و 5/19 درصد نسبت به حوضچهی کلاسیک کاهش یافتند. مشاهدات بیانگر آن است که طول مهار بر روی خصوصیات پرش هیدرولیکی تاثیر گذار است به طوری که در اثر تغییر طول مهار در بازه اعداد فرود 1/5 تا 3/8 مقادیر طول پرش هیدرولیکی و عمق ثانویه نسبی به ترتیب حداکثر تا 1/19 و2/15درصد اختلاف در نتایج نشان میدهند و میزان اختلاف افت انرژی بین طول مهار 5/4 سانتیمترو طول مهار صفر حداکثر 6/10درصد به صورت افزایشی بودهاست.
https://jwsc.gau.ac.ir/article_4074_e1dfc5c20e8ff2c3c6709975b7b0e790.pdf
2018-04-21
297
308
10.22069/jwsc.2018.12965.2762
پرش هیدرولیکی
موانع انعطافپذبر
شناوری موانع
طول مهار
حوضچه آرامش
جواد
احدیان
ja_ahadiyan@yahoo.com
1
اهواز - دانشگاه شهید چمران اهواز، گروه سازههای آبی
LEAD_AUTHOR
امین
ورشوساز
amin.varshosazz@gmail.com
2
اهواز-دانشگاه شهید چمران اهواز-دانشکده مهندسی علوم آب
AUTHOR
1.Abbaspour, A., Hosseinzadeh Dalir, A., Farsadizadeh, D., and Sadraddini, A.A. 2009. Effect
1
of sinusoidal corrugated bed on hydraulic jump characteristics. J. Hydro-Environ. Res.
2
3: 109-117.
3
2.Asadi, F., Fazloula, R., and Emadi, A. 2017. Investigation the characteristics of hydraulic
4
jump in a rough bed condition using a physical model. Gorgan, J. Water Soil Cons.
5
23: 5. 295-306. (In Persian)
6
3.Badizadegan, R., Saneie, M., and Esmaili, K. 2014. Comparison of Hydraulic Jump
7
Characteristics on Different Types of Corrugated Beds. Iran. J. Irrig. Drain. 8: 2. 220-232.
8
(In Persian)
9
4.Ead, S.A., and Rajaratnam, N. 2002. Hydraulic jumps on corrugated beds. J. Hydr. Engin.
10
ASCE. 128: 7. 656-663.
11
5.Eshkou, Z., Ahmadi, A., and Dehghani, A.A. 2015. Experimental investigation of the effects
12
of block inclinations on the hydraulic jump characteristics in the stilling basin (USBR III).
13
Gorgan, J. Water Soil Cons. 22: 4. 231-242. (In Persian)
14
6.Gohari, A., and Farhoudi, J. 2009. The characteristics of hydraulic jump on rough bed stilling
15
basins. 33rd IAHR Congress, Water Engineering for a Sustainable Environment, Vancouver,
16
British Columbia, August 9-14.1-9.
17
7.Hughes, W.C., and Flack, J.E. 1984. Hydraulic jump properties over a rough bed. J. Hydr.
18
Engin. ASCE. 110: 12. 1755-1771.
19
8.Izadjoo, F., and Shafai Bajestan, M. 2007. Corrugated bed hydraulic jump stilling basin.
20
J. Appl. Sci. 7: 8. 1164-1169. (In Persian)
21
9.Clinkenbeard, J.D. 1979. Tethered Float Breakwater. IEEE, Conference of OCEANS '79,
22
San Diego, CA, USA, 17-19 Sept. 450-453.
23
10.Leutheusser, H.J., and Schiller, E.J. 1975. Hydraulic jump in a rough channel. J. Water
24
Power Dam Cons. 27: 5. 186-191.
25
11.Najandali, A., Esmaili, K., and Farhoudi, J. 2012. The Effect of triangular blocks on the
26
characteristics of hydraulic jump. University of Mashhad, J. Water Soil. 26: 2. 282-289.
27
(In Persian)
28
12.Shafai Bejestan, M., and Nici, K. 2009. Effect of roughness shape on the sequent depth ratio
29
of hydraulic jump. J. Water Soil Sci. 1: 1. 165-176. (In Persian)
30
13.Hosseini, S.M., and Abrishami, J. 2013. Hydraulic Open Channel. 31th Edition. Emam-Reza
31
University Press. Mashhad. Iran. 470p. (In Persian)
32
14.Peterka, A.J. 1983. Hydraulic Design of Stilling Basins and Energy Dissipator. U.S. Dept. of
33
The Interior, Bureau of Reclamation, Washington, USA, 225p.
34
15.Rajaratnam, N. 1968. Hydraulic jumps on rough beds. Trans. Eng. Inst. Canada, 11: 2.1-8.
35
16.Ravar, Z., Farhoudi, J., and Najandali, A. 2011. Effect of Vertical Trapezoidal Rough Bed on
36
Hydraulic Jump Characteristics and Energy Loss. University of Mashhad, J. Water Soil.
37
26: 1. 85-94. (In Persian)
38
17.Tokyay, N.D. 2005. Effect of channel bed corrugations on hydraulic jumps. Global Climate
39
Change Conference, EWRI, May 15-19, Anchorage, Alaska, USA, Pp: 408-416.
40
ORIGINAL_ARTICLE
ارزیابی مدل های تبخیر- تعرق گیاه مرجع برای اقلیم گرم و خشک (مطالعه موردی: ایستگاه سینوپتیک زاهدان)
سابقه و هدف: تبخیر- تعرق (ET) مهمترین پارامتر در مطالعات اقلیمی و هیدرولوژیکی همچنین در مدیریت و برنامهریزی آبیاری می-باشد. برآورد تبخیر- تعرق مرجع (ETo) به روشی ساده، مورد توجه زیادی، بهخصوص در کشورهای توسعه یافته، که در آن اطلاعات هواشناسی مورد نیاز برای روش استاندارد پنمن- مونتیث فائو (PMF-56) تاقص و یا در دسترس نمیباشد، قرار گرقته است. لذا هدف این تحقیق، ارزیابی و مقایسه 30 روش مختلف برآورد تبخیر- تعرق مرجع با توجه به روش استاندارد پنمن- مونتیث فائو و تعیین بهترین معادله برآورد تبخیر- تعرق مرجع از میان روشهای ساده تجربی، بهعنوان جایگزین مناسب برای روش پنمن- مونتیث فائو، در اقلیم گرم و خشک شهرستان و ایستگاه زاهدان میباشد.مواد و روشها: در این پژوهش 30 روش معمول برای برآورد تبخیر- تعرق شامل چهار گروه 1- روشهای بر پایه ضریب تشت، 2- روشهای بر پایه دما، 3- روشهای بر پایه تشعشع، و 4- روشهای بر پایه انتقال جرم، در مقایسه با روش PMF-56، برای برآورد ETo مورد بررسی قرار گرفتند و سپس بهترین و ضعیفترین روش در هر گروه برای ایستگاه زاهدان با اقلیم گرم و خشک، انتخاب شدند. روشهای مورد بررسی در این پژوهش عبارتند از: کوینکا، آلن و پروت، اشنایدر، اشنایدر اصلاح شده، پریرا، اورنگ، راگووانشی و والندر، فائو 56 (روشهای بر پایه تشت)، اسکندل، 4 مدل ارائه شده از معادله هارگریوز توسط دروگرس و آلن و تراجکوویک، بلانی- کریدل (روشهای بر پایه دما)، مککینک، تورک، جنسن- هیز، پریستلی- تیلور و تابشی فائو 24 (روشهای بر پایه تشعشع)، دالتون، ترابرت، مایر، راور، پنمن، آلبرت، روماننکو، بروکمپ و ونر، WMO و ماهرینگر (روشهای بر پایه انتقال جرم).یافتهها: در ابتدا، مقادیر میانگین ماهانه ETo (با استفاده از 30 مدل ارائه شده) تعیین و سپس کارایی آنها در مقایسه با ETo محاسبه شده با روش PMF-56، در هر گروه مورد ارزیابی قرار گرفت. ETo محاسبه شده از معادله اشنایدر (R2=0.85، NRMSE=0.08، PE=8.30)، هارگریوز- 4 (R2=0.93، NRMSE=0.04، PE=8.33)، تورک (R2=0.96، NRMSE=0.03، PE=6.52) و دالتون (R2=0.81، NRMSE=0.18 PE=12.89) بهترتیب از روشهای بر پایه ضریب تشت، بر پایه دما، بر پایه تشعشع و بر پایه انتقال جرم، با کمترین درصد خطا از هر گروه، بهترین برآورد را نسبت به روش PMF-56 نشان دادند.نتیجهگیری: بهطور کلی، نتایج این پژوهش حاکی از این میباشد که روشهای بر پایه انتقال جرم از نظر آماری ضعیفترین عملکرد را نسبت به سایر روشها در مقایسه با روش استاندارد نشان دادند؛ اما مدلهای دمایی و تشعشعی مانند مدل تورک، جنسن- هیز، هارگریوز-4 و بلانی- کریدل میتوانند جایگزین مناسبی برای روش ترکیبی نسبتا پیچیده پنمن- مونتیث فائو، برای اقلیم گرم و خشک شهرستان زاهدان باشند. با توجه به در دسترس نبودن اطلاعات کامل هواشناسی برای برآورد ETo با استفاده از مدل ترکیبی PMF-56 در بسیاری از مناطق جهان بهویژه در کشورهای در حال توسعه و همچنین نقاط مختلف کشور ایران، نتایج این پژوهش میتواند برای انتخاب روش ساده محاسبه ETo به عنوان جایگزینی برای روش استاندارد در شرایط اقلیمی گرم و خشک مناسب باشد.
https://jwsc.gau.ac.ir/article_4075_ce2241a2fbadc3fa5cb0f3897a8a9063.pdf
2018-04-21
309
317
10.22069/jwsc.2018.11565.2603
پنمن- مونتیث فائو
تورک
هارگریوز- سامانی
زاهدان
پریسا
کهخا مقدم
keykhamoghadam.parisa@gmail.com
1
دانشگاه زابل-دانشکده آب و خاک- گروه مهندسی آب
LEAD_AUTHOR
1.Allen, R.G. 1996. Assessing integrity of weather data for use in reference. Evapotranspiration
1
estimation. J. Irrig. Drain. Eng. ASCE. 122: 2. 97-106.
2
2.Allen, R.G., Pereira, L.S., Raes, D., and Smith, M. 1998. Crop Evapotranspiration -
3
Guidelines for Computing Crop Water Requirements, FAO Irrigation and Drainage Paper
4
56, FAO, 1998, ISBN 92-5-104219-5.
5
3.Allen, R.G., Jensen, J.L., Wright, J.L., and Burman, R.D. 1989. Operational estimate of
6
evapotranspiration. Agron. J. 81: 650-662.
7
4.Droogers, P., and Allen, R.G. 2002. Estimating reference evapotranspirationunder inaccurate
8
data conditions. Irrig. Drain. Syst. 16: 33-45.
9
5.Hargreaves, G.L., and Samani, Z.A. 1985. Reference crop evapotranspiration from
10
temperature. Appl. Eng. Agric. 1: 2. 96-99.
11
6.Khoshhal, J., Zare Abyaneh, H., and Joshani, A.R. 2015. Evaluation of different methods to
12
estimate the reference evapotranspiration by pan evaporation FAO in the catchment area of
13
the East and South East. Physical Geography Research. 28p. (In Persian)
14
7.Landeras, G., Ortiz-Barredo, A., and Lopez, J. 2008. Comparison of artificial neural network
15
models andempirical and semi-empirical equations for dailyreference evapotranspiration
16
estimation in the Basque Country (Northern Spain). AgriculturalWaterManagement.
17
95: 5. 553-565.
18
8.Nasajizavareh, M., and Sadeghifar, R. 2007. Estimating reference evapotranspiration using
19
different methods (Case study: Karaj station). 2007. Iranian’s 9th - national Seminar on
20
Irrigation& Evaporation Kerman, Iran, 2007. (In Persian)
21
9.Priestley, C.H.B., and Taylor, R.J. 1972. On the assessment of surface heat flux and
22
evapotranspiration using large scale parameters. Mon Weather Rev. 100: 81-92.
23
10.Raghuwanshi, N.S., and Wallender, W.W. 1998. Converting from pan evaporation to
24
evapotranspiration. J. Irrig. Drain. Eng. 118: 6. 977-980.
25
11.Sabziparvar, A.A., Tabari, H., Aeini, A., and Ghafouri, M. 2010. Evaluation ofclassA pan
26
coefficient models for estimation of reference cropevapotranspiration in cold-semi arid and
27
warm arid climates.Water Resour. Manage. 24: 909-920.
28
12.Sabziparvar, A., Tafazoli, F., Zare Abyaneh, H., Mosavi Byegi, M., Ghafouri, M., Mohseni
29
Movahed, A.A., and Maryanji, Z. 2008. Comparison of some crop reference
30
evapotranspiration models in a cold semiarid climate to optimize the use of radiation models.
31
J. Water Soil. 22: 2. 328-340. (In Persian)
32
13.Sentelhas, P.C., Gillespie, T.J., and Santos, E.A. 2010. Evaluation of FAO Penman-Monteith
33
and alternativemethods for estimating reference evapotranspirationwith missing data in
34
Southern Ontario, Canada. Agricultural Water Management. 97: 5. 635-644.
35
14.Tabari, H., Grismer, M.E., and Trajkovic, S. 2013. Comparative analysis of 31 reference
36
evapotranspiration methods under humid conditions. Irrig. Sci. 31: 107-117.
37
15.Trajkovic, S. 2007. Hargreaves versus Penman-Monteith under Humid Condition. J. Irrig.
38
Drain. Eng. ASCE. 133: 38-42.
39
16.Trajkovic, S., and Kolakovic, S. 2009. Evaluation of reference evapotranspiration equations
40
under humid conditions. Water Resources Management. 23: 14. 3057-3067.
41
17.Turc, L. 1961. Evaluation des besoins en eau irrigation, l’evapotranspirationpotentielle.
42
Ann. Agron. 12: 13-49.
43
ORIGINAL_ARTICLE
برازش مدلهای مختلف منحنی مشخصه آب خاک بر 30 نمونه خاک استان فارس
سابقه و هدف: منحنی مشخصه آب خاک نشاندهنده رابطه بین رطوبت و مکش ماتریک آب خاک است و در طرحهای آبیاری و زهکشی و مسایل مربوط به حرکت غیر اشباع آب در خاک کاربرد فراوان دارد. اندازهگیری مستقیم این منحنی وقتگیر و پرهزینه است، از اینرو تحقیقات زیادی برای تخمین آن بهطور غیر مستقیم انجام شده است که از جمله آنها میتوان به توابع انتقالی اشاره نمود. با استفاده از توابع انتقالی منحنی مشخصه به وسیله پارامترهای زودیافت خاک (مانند مقادیر رس، سیلت و شن خاک، چگالی ظاهری و ماده آلی خاک) که اندازهگیری آنها سادهتر و متداولتر است، قابل تخمین است. از مهمترین خصوصیات هیدرولیکی خاک میتوان به منحنی مشخصه آب خاک اشاره نمود که بیانگر رابطه بین مکش ماتریک و رطوبت خاک است. اندازه گیری مستقیم این مدل وقتگیر و پرهزینه است. بنابراین به جای اندازهگیری میتوان این منحنی را از اطلاعات سادهتر خاک تخمین زد. از طرف دیگر تاکنون مدلهای بسیاری برای برازش بر دادههای اندازهگیری شده این منحنی ارائه شده است. اما به ندرت توانایی برازش این مدلها در خاکهای مختلف بررسی شده است. مواد و روشها: در این تحقیق از 30 نمونه خاک سطحی (عمق صفر تا 30 سانتیمتری) مناطق مختلف استان فارس با تنوع بافتی مناسب استفاده شد. خاکها به سه گروه بافتی ریز، متوسط و درشت تقسیم شدند. سپس 10 مدل گاردنر، بروکس و کوری، کمپبل، ونگنوختن، تانی، بولتزمن، فرمی، فردلانگ و زینگ، گرانولت و گرانت و دکستر و همکاران بر دادههای اندازهگیری شده منحنی مشخصه آب خاک برازش داده شدند و مناسبترین مدل در هر گروه بافتی تعیین گردید. برای ارزیابی مدلهای مختلف برازش منحنی مشخصه بر دادههای اندازهگیری شده از ترکیب فرمولهای آماری و همبستگی خطی استفاده شد و مقدار میانیگن مربع انحراف (MSD) محاسبه گردید. یافتهها: نتایج نشان داد که برازش مدلهای مختلف در خاکهای با بافت متوسط مناسبتر از بافتهای ریز و درشت میباشد. همچنین در بافت ریز مدلهای بروکس و کوری، کمپبل، ونگنوختن، فردلانگ و زینگ، گرانولت و گرانت و دکستر و همکاران، در بافت متوسط مدلهای گاردنر، گرانولت و گرانت و دکستر و همکاران و در بافت درشت مدلهای گاردنر، ونگنوختن، گرانولت و گرانت و دکستر و همکاران مناسبتر میباشند. در مجموع نیز با توجه به مقادیر MSD مدل دکستر و همکاران بهترین مدل برازش یافته بر دادههای اندازهگیری شده تعیین گردید. همچنین نتایج نشان داد که مدل معروف ونگنوختن نیز برای برازش بر دادهها مناسب میباشد. در مقابل مدلهای تانی، بولتزمن و فرمی برای برازش بر دادههای اندازهگیری شده مناسب نبودند.نتیجهگیری: نتیجهگیری کلی این تحقیق نشان داد که مدل دکستر و همکاران در سه گروه بافتی ریز، متوسط و درشت مناسبترین مدل برازش بر دادههای اندازهگیری شده منحنی مشخصه در 30 نمونه خاک استان فارس میباشد. مشابه چنین نتیجهای برای خاکهای استان گیلان نیز گزارش شده است.
https://jwsc.gau.ac.ir/article_4076_09af11f93806970411820867ff25bd44.pdf
2018-04-21
319
326
10.22069/jwsc.2018.13659.2833
منحنی مشخصه آب خاک
برازش
استان فارس
مدل دکستر و همکاران
حمید رضا
فولادمند
hrfoolad@yahoo.com
1
دانشیار آبیاری و زهکشی، گروه مهندسی آّب، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران
LEAD_AUTHOR
پروانه
گلکار
parvaneh_golkar@yahoo.com
2
دانشجوی سابق کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، واحد شیراز، دانشگاه آزاد اسلامی، شیراز
AUTHOR
-1.Bayat, H., Ebrahimi, E., Rastgo, M., Zare Abyaneh, H.R., and Davatgar, N. 2013. Fitting
1
different soil water characteristic curve models on the experimental data of various textural
2
classes of Guilan province soils. Soil and Water Science. 23: 3. 151-167. (In Persian)
3
2.Brooks, R.H., and Corey, A.T. 1964. Hydraulic properties of porous media. Colorado State
4
University, Hydrology Paper No. 3., Fort Collins, USA.
5
3.Campbell, G.S. 1974. A simple method for determining unsaturated conductivity from
6
moisture retention data. Soil Science. 117: 311-314.
7
4.Dexter, A.R., Czyz, E.A., Richard, G., and Reszkowska, A. 2008. A user-friendly water
8
retention function that takes account of the textural and structural pore spaces in soil.
9
Geoderma. 143: 143-153.
10
5.Fooladmand, H.R., and Hadipour, S. 2012. Evaluation of parametric pedotransfer functions
11
for estimating soil water characteristic curve in Fars province. J. Soil Water Sci. 58: 25-37.
12
(In Persian)
13
6.Fooladmand, H.R., Torabi, R., and Amindin, E. 2009. Application of Statistics in Soil and
14
Water. Marvdasht Islamic Azad University. First edition., 201p. (In Persian)
15
7.Fredlund, D.G., and Xing, A. 1994. Equations for the soil water characteristic curve. Can.
16
Geotech. J. 31: 521-532.
17
8.Gardner, W. 1956. Mathematics of isothermal water conduction in unsaturated soils.
18
International Symposuim on Physico Chemical Phenomenon in Soils. Washington DC.,
19
Pp: 78-87.
20
9.Groenevelt, P.H., and Grant, C.D. 2004. A new model for the soil water retention curve that
21
solves the problem of residual water contens. Europ. J. Soil Sci. 55: 479-485.
22
10.Homapoor Ghoorabjiri, M., and Rasoulzadeh, A. 2014. Derivation of pedotransfer function
23
to estimate parameters of double-exponential equation for soil water retention curve. Water
24
and Irrigation Management. 4: 1. 45-57. (In Persian)
25
11.Kobayashi, K., and Salam, M.U. 2000. Comparing simulated and measured values using
26
mean squared deviation and its components. Agron. J. 92: 345-352.
27
12.McKee, C., and Bumb, A. 1984. The importance of unsaturated low parameters in designing
28
a hazardous waste site. Hazardous Wastes and Environmental Emergencies Hazardous
29
Materials Control Research Institute National Conference. March Houston, TX., Pp: 50-58.
30
13.McKee, C., and Bumb, A. 1987. Flow-testing coalbed methane production wells in the
31
presence of water and gas. SPE Formation Evaluation, Pp: 599-608.
32
14.Mirzaee, S., and Ghorbani Dashtaki, Sh. 2015. Investigation and comparison of the
33
evaluation indicators efficiency of soil water retention curve models. Iran. J. Irrig. Drain.
34
9: 2. 274-282. (In Persian)
35
15.Nabizadeh, E., and Beigi Harchegani, H. 2011. The fitting quality of several water retention
36
models in soil samples from Lordegan, Charmahal-va-Bakhtiari. J. Water Soil. 25: 3. 634-645.
37
(In Persian)
38
16.Tani, M. 1982. The properties of a water-table rise produced by a one dimensional, vertical,
39
unsaturated flow (in Japanese with an English summary). J. Japan. Soc. 64: 409-418.
40
17.van Genuchten, M.Th. 1980. A closed-form equation for predicting the hydraulic
41
conductivity of unsaturated soils. Soil Sci. Soc. Amer. J. 44: 892-898.
42