کاربرد روش پردازش تصویر دیجیتال در برآورد ضریب انتشار طولی در آبراهه های مرکب

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشگاه شیراز

2 پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 دانشگاه فسا

چکیده

سابقه و هدف: پیش‌‌بینی چگونگی پخش آلاینده‌ها به منظور محافظت و مدیریت رودخانه‌ها ضرورت دارد و از لحاظ سلامتی انسان و بهداشت عمومی حائز اهمیت است. ضریب انتشار طولی در رودخانه‌ها معمولا با روش‌های پرهزینه مطالعات میدانی یا فرمول‌های تجربی و راه‌حل‌های تحلیلی محاسبه می‌شود. بررسی‌ها نشان داده است که نتایج این روش‌ها فقط برای بازه‌ای از رودخانه که در آن توسعه داده شده‌اند و یا شرایط جریان و هندسه مقطع که فرمول برای آن استخراج شده است معتبر می-باشد. در این پژوهش کاربرد روش پردازش تصاویر دیجیتال به عنوان یک روش نوین در برآورد ضریب انتشار طولی آلاینده‌ها به صورت آزمایشگاهی مورد مطالعه قرار گرفته است.
مواد و روش‌ها: بررسی‌ها در یک کانال آزمایشگاهی به طول 18، عرض 9/0 و ارتفاع 6/0 متر با دیواره‌های از جنس پلکسی‌گلاس و سیستم بازچرخانی جریان انجام شدند. مقطع کانال از نوع مرکب بوده و عرض کانال اصلی برابر 45/0 متر و عمق لبریزی برای 14/0 متر در نظر گرفته شد. اندازه‌گیری سرعت بوسیله دستگاه سرعت سنج سه‌بعدی صوتی انجام شد. سه ردیاب مختلف شامل محلول پودر رنگ، محلول رنگ خوراکی و محلول پرمنگنات پتاسیم بررسی شدند و بر اساس معیارهای موجود، محلول پرمنگنات پتاسیم به عنوان مناسبترین ردیاب انتخاب شد. تزریق ردیاب به صورت عرضی-خطی انجام شد. با تصویربرداری از ابر آلودگی در سه مقطع مختلف در پایین‌دست محل تزریق و با استفاده از قانون جذب بیر-لامبرت، غلظت ردیاب متوسط‌گیری شده در عمق متناسب با شدت نور تصویر ثبت گردید و بر اساس آن ضریب انتشار طولی به کمک روش تبادل ممان استاندارد محاسبه شد.
نتایج و بحث: نتایج نشان داد که روش پردازش تصویر دیجیتال می‌تواند بدون نیاز به نمونه‌گیری مستقیم، به عنوان یک روش با دقت بالا و مقرون به صرفه در مطالعات مربوط به انتشار آلودگی به ویژه در شرایط آزمایشگاهی مورد استفاده محققین قرارگیرد. از آنجا که آزمایش‌های تحقیق حاضر در یک کانال مرکب انجام شدند، تغییرات ضریب انتشار طولی نیز به ازای سه عمق نسبی 15/0، 25/0 و 35/0 بررسی شد.
نتیجه‌گیری: پس از انجام آنالیز ابعادی و تعیین پارامترهای بدون بعد موثر بر پدیده انتشار طولی در یک کانال مرکب، نتایج نشان داد که با افزایش عمق نسبی از 15/0 تا 35/0، مقدار بدون‌بعد ضریب انتشار طولی در کانال اصلی حدود 65% و در سیلابدشت حدود 56%افزایش می یابد. در نهایت، رابطه‌ای به منظور برآورد مقدار ضریب انتشار طولی در کانا‌ل‌های با مقطع مرکب ارائه گردید. تحقیقات بیشتری بایستی صورت پذیرد تا بتوان از قابلیت‌های این روش علاوه بر ررسی‌های آزمایشگاهی در مطالعات میدانی نیز بهره جست.

کلیدواژه‌ها


عنوان مقاله [English]

Application of Digital Image Processing Technique for Prediction of Longitudinal Dispersion Coefficient in Compound Channels

نویسندگان [English]

  • Hossein Hamidifar 1
  • Mohammad Hossein Ommid 2
1 Shiraz University
2
3
چکیده [English]

Background and Objectives: Predicting the spread of pollutants is essential for rivers protection and management as well as human health and public safety perspectives. Longitudinal dispersion coefficient is conventionally predicted using costly field tracer tests, empirical equation or analytical formulation. However, the results obtained by these traditional methods are valid for only the reach examined or the flow and geometry condition under which the formula presented. In this study, an innovative method is introduced to predict the longitudinal dispersion coefficient in waterways using the digital image processing technique.
Materials and Methods: The experiments were carried out in a recirculating glass-walled laboratory flume of 18m length, 0.9m width and0.6m height with an asymmetric compound channel section. The ratio of flood plain width to main channel width was 1 and the overflow depth was 0.14 cm. Flow velocity measurements were taken using three-dimensional Acoustic Doppler Velcimeter (ADV). Three different tracers including color powder, food color and potassium permanganate solution were tested to find the most suitable tracer and. The tracer was injected using a half-tube filled with the dye solution and released uniformly and instantaneously across the flume width. The injection section was taken sufficiently far downstream of the start of the flume such that the flow was fully developed determined by measured velocity profiles. The spreading of the tracer cloud was recorded at three locations 4.00, 6.44 and 8.88 m downstream of the injection point using three digital video capturing Fujifilm JX420 cameras. Then, the captured videos were used to extract image sequences.
Results: Using the Beer-Lambert law of absorption, which correlates the absorbance to both, the concentrations of the attenuating dye as well as the thickness of the material sample, the depth-averaged concentration of the tracer across the flume width was determined. The longitudinal dispersion coefficient was calculated by the standard method of change of moments. The results showed that the image processing technique could be used as a reliable, accurate and economic method in studying the longitudinal dispersion coefficient. Three different tests were conducted with different relative depths including 0.15, 0.25 and 0.35 in the compound channel.
Conclusion: As the magnitude of the relative depth increases from 0.15 to 0.35, the non-dimensionalized longitudinal dispersion coefficient increases 65 and 56% in the main channel and floodplain, respectively. Finally, an equation is proposed to calculate the longitudinal dispersion coefficient in compound channels based on the experimental data. More researches are needed to extend this method to the field condition.

کلیدواژه‌ها [English]

  • Image processing technique
  • longitudinal dispersion coefficient
  • compound channel
  • Water quality
  • Tracer
1.Chatila, G. 1997. Modeling of pollutant transport in compound open channels. PhD Dissertation, Ontario, Canada: University of Ottawa.
2.Djordjevic, S. 1993. Mathematical model of unsteady transport and its experimental validation in compound open channel flow. J. Hydr. Res. 31: 2. 229-248.
3.Faramarz, M. 2002. 1-D mathematical model for pollutant transport in compound channels. M.Sc. Thesis, University of Tarbiat Modarres. (In Persian)
4.Fischer, H.B., List, E.J., Koh, R.C.Y., Imberger, J., and Brooks, N.H. 1979. Mixing in inland and coastal waters. Academic Press.
5.Ghisalberti, M., and Nepf, H. 2005. Mass transport in vegetated shear flows. Environmental Fluid Mechanics. 5: 527-551.
6.Goring, D.G., and Nikora, V.I. 2002. Despiking acoustic dopplervelocimeter data. J. Hydr. Engin. ASCE. 128: 1. 117-126.
7.Hamidifar, H., and Omid, M.H. 2013. Floodplain vegetation contribution to velocity distribution in compound channels. J. Civil Engin. Urbanism. 3: 6. 357-361.
8.Hamidifar, H., Omid, M.H., and Keshavarzi, A. 2015. Longitudinal dispersion in waterways with vegetated floodplain. Ecological Engineering, 84: 398-407.
9.Hamidifar, H., Omid, M.H., and Keshavarzi, A. 2015. Effect of Floodplain Submerged
and Non-submerged Vegetation on the Transverse Mixing Coefficient of Pollutants. J. Hydr. 10: 1. 13-23.
10.Hu, C., Ji, Z., and Guo, Q. 2010. Flow movement and sediment transport in compound channels. J. Hydr. Res. 48: 1. 23-32.
11.Lin, B., and Shiono, K. 1995. Numerical modelling of solute transport in compound channel flows. J. Hydr. Res. 33: 6. 773-788.
12.Nokes, R.I., and Hughes, G.O. 1994. Turbulent mixing in uniform channels of irregular cross section. J. Hydr. Res. 32: 1. 67-86.
13.Nokes, R.I., and Wood, I.R. 1988. Vertical and lateral turbulent dispersion: some experimental results. J. Fluid Mech. 187: 373-394.
14.Pourmoghadam, M. 2008. Spreding of nonreactive solutions in a compound channel. M.Sc. Thesis, Hydraulic Structures, Irrigation and Reclamation Engineering Department, University of Tehran. (In Persian) 
15.Prinos, P. 1992. Dispersion in compound open channel flow. P 359-372, In: R.A. Falconer, K. Shiono and R.G.S. Matthew (Eds.), Hydraulic and Environmental Modelling: Estuarine and River Waters. Ashgate Publishing Ltd.
16.Rajaratnam, N., and Ahmadi, R. 1981. Hydraulics of channels with flood plains. J. Hydr. Res. 19: 1. 43-60. 
17.Rutherford, J.C. 1994. River mixing. New York: John Wiley & Sons, 347p.
18.Shiono, K., and Feng, T. 2003. Turbulence measurements of dye concentration and effects of secondary flow on distribution in open channel flows. J. Hydr. Engin. ASCE. 129: 5. 373-384.
19.Shiono, K., Scott, C.F., and Kearney, D. 2003. Predictions of solute transport in a compound channel using turbulence models. J. Hydr. Res. 41: 3. 247-258.
20.Wahl, T.L. 2000. Analyzing ADV data using WinADV. ASCE Joint Conference on Water Resources Engineering and Water Resources Planning and Management, Minneapolis, Minnesota, USA, July 30-August 2. 
21.WHO (World Health Organization). 2002. World health report: reducing risks, promoting healthy life. France. 
22.Wood, I.R., and Liang, T. 1989. Dispersion in an open channel with a step in the
cross-section. J. Hydr. Res. 27: 5. 587-601.