ORIGINAL_ARTICLE
پیشگفتار: تأمین پایدار آب
https://www.iwrr.ir/article_16014_7bfe18df842484d37ac4e3e99e79743d.pdf
2014-12-22
0
1
حمید رضا
جانباز
1
AUTHOR
ORIGINAL_ARTICLE
ارائه مدل ریاضی پیش بینی خسارت کشاورزی ناشی از سیل
بررسی علمی خسارت ناشی از سیلاب درکشور ما قدمت چندانی ندارد و بیشتر به خسارتهای ساختمانی محدود میگردد. محاسبه خسارت کشاورزی به علت وابستگی به نوع گیاه، میزان مقاومت گیاه در هنگام بروز سیل، تطابق زمان رخداد سیل با یکی از دورههای رشد بسیار پیچیدهتر از دیگر انواع خسارتها میباشد. در این پژوهش، کـه بطور موردی روی بـرنج صورت گـرفته است، تـوابع لازم بـرای تعیین خسارت محتمل بـر حسب مهمترین پـارامترهای هیدرولیکی مؤثر و بـرای دورههای مختلف رشـد بـرنج بدست آورده شده است. در مطالعه مـوردی صورت گـرفته از دو ضریب تأثیر ( میزان خسارت بر حسب دوره رشد (β) و احتمال همزمانی سیلاب با دورههای رشد (α)) برای تعیین امید ریاضی خسارت استفاده شده است. مدل هیدرولیکی مورد استفاده، CCHE میباشد و محاسبات در محیط GIS صورت گرفته است. در حال حاضر خسارت برای هر منطقه سیلگرفته صددرصد در نظر گرفته میشود و خسارت وارده برحسب مساحت سیلگرفته و نوع محصول برآورد میگردد. یافتههای تحقیق نشان میدهند که سیلگرفتگی به معنای خسارت صددرصد نبوده و میتوان نقاطی با خسارت صفر درصد را نیز در منطقه سیلزده یافت. روش مورد استفاده در این تحقیق میتواند زمینهساز تعیین معیارهای لازم برای مدیریت سیلاب و بیمه محصولات کشاورزی باشد.
https://www.iwrr.ir/article_13459_ccecf8f79d97741a2fba77c78814ac8d.pdf
2014-12-22
1
13
خسارت کشاورزی
توابع خسارت زمانی و مکانی
ضریب وزنی رشد
ضریب وزنی احتمالاتی
سیل
برنج
زهرا
گنجی
z_ganji59@yahoo.com
1
عضو هیئت علمی گروه سازه های آبی ، دانشگاه صنعتی شاهرود
AUTHOR
علیرضا
شکوهی
shokoohi@eng.ikiu.ac.ir
2
دانشیار /گروه مهندسی آب، دانشکده فنی و مهندسی دانشگاه بینالمللی امام خمینی (ره)، قزوین، ایران
LEAD_AUTHOR
امیدوار ب، امامی ک، خدایی ه، حکمتیفر ح (1384). سیستمهای پیشبینی هشدار سیلاب و نقش آن در مدیریت بحران. اولین کنفرانس بین المللی مدیریت جامع بحران در حوادث غیرمترقبه. تهران. ایران.
1
حکمتیفر ح، نظریها م، گیوهچی س (1388) ارزیابی خسارات کشاورزی ناشی از سیلاب با استفاده از مدلسازی ARC View وHEC-RAS . مجله علوم و تکنولوژی محیط زیست، سال یازدهم، شماره 4.
2
خدایی ه، کبارفرد م، مظفری ج (1385) پیش بینی و هشدار، ابزاری کارا برای همزیستی با سیلاب. کارگاه فنی همزیستی با سیلاب. تهران، ایران.
3
گنجی ز، شکوهی ع، سامانی ج (1390) تعیین عمق و سرعت جریان سیلابی در آستانه شکست گیاهان زراعی و محاسبه موقعیت برش در آنها با استفاده از آنالیز تحلیلی وآزمایشگاهی، مطالعه موردی؛ برنج. مجله هیدرولیک، دوره ششم، شماره اول.
4
ملک محمدی ب، تجریشی م (1384) تعیین نرخ بیمه سیل در مناطق شهری. صنعت بیمه سال 14، شماره 55.
5
ملک محمدی ب، زهرایی ب، کراچیان ر، ضیایی ا (1386) تلفیق مدل بهینهسازی کنترل سیلاب در مخازن سدها با مدل پهنهبندی تعیین خسارت در رودخانه پایین دست. ششمین کنفرانس هیدرولیک ایران،دانشگاه شهر کرد، ایران.
6
وزارت نیرو (1385) راهنمای ارزیابی خسارت سیلاب. پیشنویس نشریه شماره 296-الف، دفتر استانداردها و معیارهای فنی، معاونت پژوهشی و مطالعات پایه، شرکت مدیریت و منابع آب ایران.
7
Ahmad SS, Simonovic SP (2011) A three-dimensional fuzzy methodology for flood risk analysis. Journal of Flood Risk Management 4(1): 53-74.
8
Berning C, Viljoen MF, Plessis LD (2000) Loss functions for sugar-cane: Depth and duration of inundation as determinants of extent of flood damage. Water SA 26(4): 527-530.
9
Dutta D, Herath S, Musiake K (2003) A mathematical model for flood loss estimation. Journal of Hydrology 277:24–49.
10
FEMA: Department of Homeland Security Federal Emergency Management Agency Mitigation Division Washington, D.C. (2008). HAZUS: Multi-Hazard Loss Estimation Model Methodology-Flood Model Technical Manual. National Institute of Building Sciences Washington, D.C.
11
Ganji Z, Shokoohi A, Vali Samani JM (2012) Developing an agricultural flood loss estimation function (case study: rice). Natural Hazards 64:405-419.
12
HEC-FDA (2008) Flood Damage Reduction Analysis. User Manual. Version 1.2.4, Us Army Corps of Engineers Hydrologic Engineering Center.
13
Kalyanapu AJ, Judi DR, McPherson TN (2012) Monte Carlo-based flood modelling framework for estimating probability weighted flood risk. Journal of Flood Risk Management 5(1): 37-48.
14
Kang JL, Su MD, Chang LF (2005) Loss Functions and Framework For Regional Flood Damage Estimation in Residential Area. Journal of Marine Science and Technology 13(3): 193-199.
15
Middelmann-Fernandes MH (2010) Flood damage estimation beyond stage–damage functions: an Australian example. Journal of Flood Risk Management 3(1): 88-96.
16
Smith DI, Greenaway M (1988) The Computer Assessment of Urban Flood Damage: ANUFLOOD. Technical Report, Desktop Planning, Melbourne, Hargreen, Australia.
17
Solin L (2012) Spatial variability in the flood vulnerability of urban areas in the headwater basins of Slovakia. Journal of Flood Risk Management 5(4): 303-320.
18
US Army Corps of Engineers, Hydrologic Engineering Center (1985). Agricultural Flood Damage Analysis User's Manual. 172 pages.
19
ORIGINAL_ARTICLE
پیش بینی بلند مدت تقاضای آب شرب (مطالعه موردی: شهر نیشابور)
پیشبینی تقاضای آب خانگی و شناخت عوامل مؤثر بر آن یکی از گامهای مهم در مدیریت و کنترل بحران آب است، زیرا راه حل مؤثر، تنها عرضه آب نیست بلکه اتخاذ سیاستها و تدابیر لازم مبتنی بر الگوی مصرف و توجه کافی به عوامل تقاضای آب از اهمیت بالایی برخوردار است. برآورد تقاضای آب در آینده، این امکان را برای تصمیمگیران فراهم میسازد که باتوجه به محدودیتها و بحرانهای پیشرو تدابیر لازم را اتخاذ نمایند. در این تحقیق برای پیشبینی تقاضای سرانه آب از دو رویکرد نقطهای و بازهای استفاده شده است. بعد از تخمین تابع تقاضای آب، با تعیین سناریوهای محتمل مقادیر متغیرهای مستقل برای آینده پیشبینی میشود. در ادامه به بررسی اثر تغییرات پارامترهای اقتصادی در مصرف آب بر تقاضای آب خانگی پرداخته شده است. نتایج بر ضروری بودن کالای آب تاکید میکند. با جمعآوری اطلاعات مورد نیاز در شهر نیشابور، بهمنظور پیشبینی نقطهای، چهار سناریو تعریف گردید و متغیرهای مستقل پیشبینی شدند. درصد تغییرات تقاضای آب سه سناریو اول (برای حالتی که طرح هدفمندسازی یارانهها اجرا نگردد) برای دورهی 1390 تا 1410 بین 40 تا 57 درصد در طول این بازه میباشد. در سناریو چهارم که فرض بر اجرای طرح هدفمندسازی یارانهها میباشد مقادیر تقاضای سرانه آب نسبت به حالتی که این طرح اجرا نگردد در سال 1390، 3 متر مکعب و در سال 1392، 2 متر مکعب کاهش مییابد. در انتها با استفاده از شبکه عصبی تقاضای آب بصورت بلند مدت پیشبینی شده است. نتایج نشان داد، استفاده از جزء غیرقطعی سریهای زمانی در پیشبینی با شبکههای عصبی میتواند مشکل درونگرا بودن این مدلها را تا حدی حل نماید.
https://www.iwrr.ir/article_13460_36cba068a2b2c32adcab84c000c1874f.pdf
2014-12-22
14
25
پیش بینی بلندمدت
تقاضای آب
تابع مطلوبیت استونگیری
شبکه عصبی مصنوعی
مسعود
تابش
mtabesh@ut.ac.ir
1
استاد /دانشکده مهندسی عمران و عضو قطب علمی مهندسی و مدیریت زیرساختهای عمرانی پردیس دانشکده های فنی، دانشگاه تهران
LEAD_AUTHOR
صادق
بهبودیان
s.behboudian@gmail.com
2
کارشناسی ارشد/ مهندسی عمران - آب، دانشکده مهندسی عمران، پردیس دانشکدههای فنی، دانشگاه تهران
AUTHOR
سهیلا
بیگی
beygi@ut.ac.ir
3
دانشجوی دکتری مهندسی عمران - آب/ دانشکده مهندسی عمران، پردیس دانشکدههای فنی، دانشگاه تهران
AUTHOR
اکبری ح، دینانی م (1379) تخمین تقاضای آب شرب شهر کرمان. فصلنامهی پژوهشهای اقتصادی ایران، 3(7): 68-78.
1
بهبودیان م ص (1389) پیشبینی تابع تقاضای درازمدت آب شرب. پایان نامه کارشناسی ارشد، دانشکده مهندسی عمران، پردیس دانشکدههای فنی، دانشگاه تهران.
2
تابش م (1385) تخمین تقاضای کوتاه مدت آب شهری با استفاده از شبکههای عصبی و سیستمهای فازی و ترکیبی. گزارش نهایی طرح پژوهشی، موسسه آب دانشگاه تهران، انتشارات شرکت مدیریت منابع آب ایران، وزارت نیرو، تهران.
3
تابش م، گوشه س و یزدانپناه م (1386) کاربرد شبکههای عصبی مصنوعی در تخمین تقاضای کوتاه مدت آب شهری. نشریه دانشکده فنی، دانشگاه تهران، 41(1): 11-24.
4
تابش م، دینی م، خوش خلق ج و زهرایی ب (1387) برآورد مصرف کوتاه مدت آب شهری تهران با استفاده از سریهای زمانی. م. مجله تحقیقات منابع آب ایران. 11 (2): 57-65.
5
تابش م و دینی م (1389) پیشبینی تقاضای روزانه آب شهری: مطالعه موردی شهر تهران. مجله آب و فاضلاب، 21 (1): 9584.
6
قادری ف، رزمی ج و صدیقی ع (1384) بررسیتأثیرپرداختیارانهمستقیمانرژیبرشاخصهایکلاناقتصادیبانگرشسیستمی. نشریهدانشکدهفنی، دانشگاه تهران، شماره39(4): 527-553.
7
Almutaz I, Ali E, Khalid Y , Ajbar AH (2013) A long-term forecast of water demand for a desalinated dependent city: case of Riyadh City in Saudi Arabia. Desalination and Water Treatment 51(31): 5934-5941.
8
Al-Saba T, El–Amin I (1999) Artificial neural networks as applied to long – term demand forecasting, Artificial Intelligence in Engineering 13(2): 189 -197.
9
Danielson LE (1979) An analysis of residential demand for water using micro time-series data. Water Resources Research 15 (4): 763-767.
10
Martinez – Espineira R , Nauges C (2004) Is all domestic water consumption sensitive to price control. Applied Economics 36(2):1697-1703.
11
Msiza IS, Nelwamondo FV and Marwala T (2007) Water demand forecasting using multi-layer perceptron and radial basis functions. In Proceedings of the IEEE International Conference on Neural Networks 28(2):13-18.
12
Tabesh M , Dini M (2008) Fuzzy and Neuro- fuzzy Models for Short-term Water Demand Forecasting in Tehran. Iranian J. of Science and Technology, Transaction B, 33(1).61-77.
13
Schleich J, Hillenbrand T (2009) Determinants of residential water demand in Germany. Ecological Economics, Elsevier 68(6): 1756 -1769.
14
Thomas F and Syme G (1998) Estimating residential price elasticity of demand for water; A contingent valuation approach. Water Resource Research 24(11): 1847–1857.
15
Topalli AK, Erkmen I and Topalli I (2006) Intelligent short-term load forecasting in Turkey International Journal of Electrical Power and Energy Systems 28 (7): 437-44.
16
ORIGINAL_ARTICLE
توسعه روشی نوین برای تخمین شماره منحنی حوضه با استفاده از مفهوم مازاد اشباع (مطالعه موردی: حوضه آبریز کسیلیان)
در سالهای اخیر روشهای تجربی و مدلهای ریاضی متعددی جهت تخمین رواناب توسعه داده شده است که از مهمترین و پرکاربردترین این روشها میتوان به روش شماره منحنی SCS اشاره نمود. یکی از ویژهگیهای بارز این روش استفاده از پارامتری به نام شماره منحنی (CN) برای تبدیل بارش به رواناب میباشد. در حال حاضر از ابزارهایی همچون GIS، RS و تلفیق نتایج آنها با نقشههای خاکشناسی و بازدیدهای میدانی جهت محاسبه این پارامتر استفاده میشود. این روشها به علت نیاز به اطلاعات و عملیات محاسباتی و میدانی متعدد، زمان و هزینه زیادی را برای برآورد قابل اعتماد رواناب تحمیل مینمایند. در این تحقیق با استفاده از مفهوم مازاد اشباع به کار رفته در ساختار مدل نیمه توزیعی TOPMODEL، روشی ارائه شده است که به کمک آن میتوان مقدار شماره منحنی حوضه را با سرعت زیاد، هزینه کم و دقت قابل قبول بدست آورد. رابطه پیشنهادی در این روش به سه پارامتر تخلخل خاک، متوسط فاصله از سطح زمین تا تراز سطح ایستابی حوضه و پارامتر کنترلکننده عمق مؤثر خاک اشباع وابسته میباشد. حوضه آبریز کسیلیان که به عنوان یکی از حوضههای معرف کشور میباشد برای ارزیابی نتایج حاصل از رابطه پیشنهادی مورد استفاده قرار گرفت. در این تحقیق از تصاویر ماهوارهای سنجنده ETM+ ماهواره لندست 7 در تاریخ 2010 استفاده گردید و با انتقال تصاویر به محیط نرم افزار Geomatica و انجام برخی تصحیحات موردنیاز، نقشه کاربری اراضی حاصل و با تلفیق آن با نقشههای خاکشناسی، شیب و بازدیدهای میدانی نقشه شماره منحنی حوضه حاصل گردید. همچنین برای تخمین پارامترهای رابطه پیشنهادی از دادههای جریان ثبت شده در ایستگاه هیدرومتری ولیکبن و نیز واسنجی مدل نیمه توزیعی TOPMODEL استفاده بعمل آمد. نتایج نشان داد که متوسط وزنی شماره منحنی حوضه بدست آمده از روشهای متداول و رابطه پیشنهادی به ترتیب در حدود 6/59 و 8/62 میباشد. همچنین نتایج حاکی از آن است که حداقل و حداکثر اختلاف بین متوسط وزنی شماره منحنی بدست آمده از رابطه پیشنهادی و روشهای مبتنی بر GIS و RS بترتیب در حدود 3/0 و 12 درصد میباشد.
https://www.iwrr.ir/article_13461_350549e59460cbd14b52fb30dd4d053b.pdf
2014-12-22
26
37
شماره منحنی
SCS
تکنیک GIS و RS
مفهوم مازاد اشباع
مدل نیمه توزیعی TOPMODEL
اصغر
عزیزیان
azizian@eng.ikiu.ac.ir
1
دانشجوی دکتری/ سازه های آبی دانشگاه تهران، تهران، ایران
AUTHOR
علیرضا
شکوهی
shokoohi@eng.ikiu.ac.ir
2
دانشیار گروه مهندسی آب، دانشکده فنی و مهندسی، دانشگاه بین المللی خمینی , قزوین، ایران
LEAD_AUTHOR
اکبرپور 1، شریفی م ب (1385) تخمین شماره منحنی رواناب با استفاده از سنجش از دور و سیستم اطلاعات جغرافیائی. مجموعه مقالات هفتمین سمینار بینالمللی مهندسی رودخانه، اهواز، ایران، 24-23 بهمن.
1
یعقوبزاده م (1387) تعیین شماره منحنی حوضه آبریز با استفاده از سیستم اطلاعات جغرافیائی (GIS) و سنجش از دور (RS). پایاننامه کارشناسی ارشد. دانشگاه شهید باهنر کرمان. 150ص.
2
Arnold JG, Williams JR, Srinivasan R , King KW (1996) SWAT: Soil and Water Assessment Tool. USDA-ARS, Grass-219 Land, Soil and Water Research Laboratory, Temple, TX.
3
Bales JR , Betson P (1981) The curve number as a hydrologic index. In Proc. of InternationalSymposium on Rainfall-Runoff Modeling, Mississippi State University: 371- 386.
4
Beven KJ (1997)TOPMODEL: a critique. Hydrological Processes 11: 1069-1085.
5
Beven KJ, Kirkby MJ, Scoeld N Tagg A (1984)Testing a physically-based flood forecasting model (TOPMODEL) for three UK catchments. J. Hydrol 69:119-143.
6
Cosby BJ, Hornberger GM, Clapp RB , Ginn TR (1984)A statistical exploration of the relationships of soil mixture characteristics to the physical properties of soils. Water Resource. Res 20: 682–690.
7
Gumindoga W, Rwasoka DT , Murwira A (2011)Simulation of stream flow using TOPMODEL in the Upper Save River catchment of Zimbabwe. Physics and chemistry of the Earth 36: 806-813.
8
Hjelmfelt AT (1980)Curve number procedure as infiltration method. Journal of Hydrology, 106: 1107–1111.
9
Inci Tekeli Y, Akguül S, Dengiz O , Aküzüm T (2006)Estimation of flood discharge for small watershed using SCS curve number and geographic information system. River Basin Flood Management Journal: 527-538.
10
Mendicino G and Sole A (1997)The information content theory for the estimation of the topographic index distribution used In TOPMODEL. Hydrological Processes11: 1099-1114.
11
Mishra KS , Singh PV(1999) Another look at SCS-CN method. Journal of Hydrologic Engineering ASCE4(3): 257-264.
12
Quinn PF, Beven KJ , Lamb R (1995)The ln [a/tan β] index: How to calculate it and how to use it within the TOPMODEL framework. Hydrological Processes, 9: 161-182.
13
Rawls WJ, Ahuja LR, Brakensiek DL , Shirmohammadi A (1993)Infiltration and soil water movement. Handbook of Hydrology. (ed. by D. R. Maidment). McGraw-Hill Inc., New York, USA, 5.1–5.51.
14
Sivapalan M, Beven K , Wood EF (1987)On hydrologic similarity, 2, a scaled model of storm runoff production. Water Resources Research, 23(12): 2266– 2278.
15
Soil Conservation Service (1986)Urban hydrology for small watersheds. Technical Release 55, Springfield, USDA.
16
Steenhuis TS, Winchell M, Rossing J, Zollweg JA , Walter MF (1995)SCS runoff equation revisited for variable-source runoff areas. ASCE J. Irrig. Drain. Eng, 121(3): 234-238.
17
Steve W, Lyon M, Todd W, Pierre GM , Tammo SS (2004)Using a topographic index to distribute variable source area runoff predicted with the SCS curve-number equation. Hydrological Processes 18 (15): 2757–2771.
18
Ward RC (1984)On the response to precipitation of headwater streams in humid areas. Journal ofHydrology74: 171–189.
19
Williams JR (1995)The EPIC model. In: Singh, V.P. (Ed.), Computer Models of Watershed Hydrology. Water Resources Publications: 909–1000.
20
Woodward DE, Hawkins RH, Jiang R, Hjelmfelt AT, Mullem JA , Quan QD (2003)Runoff curve number method: Examination of the initial abstraction ratio. In: Proc. of the World Water&Environmental Resources Congress and Related Symposia.
21
Young RA, Onstad CA, Bosch DD , Anderson WP (1987)AGNPS, Agricultural non-point source pollution model: A watershed analysis tool. USDAConservation Report 35.USDA-ARS, Washington, DC.
22
Zhan X , Huang M (2004)Arc CN-Runoff: an ArcGIS tool for generating curve number and runoff maps. Environmental Modeling & Software, 19(10): 875-879.
23
Easton ZM, Fuka DR, Walter MT, Cowan DM, Schneiderman EM , Steenhuis TS (2008)Re-conceptualizing the soil and water assessment tool (SWAT) model to predict runoff from variable source areas. Journal of Hydrology, 348: 279–291.
24
Garen DC , Moore DS (2005) Curve number hydrology in water quality modeling: uses, abuses, and future directions. J. Am. Water Resource. Assoc, 41 (2): 377–388.
25
Schneiderman EM, Steenhuis TS, Thongs DJ, Easton ZM, Zion MS. (2007) Incorporating variable source area hydrology into a curve-number-based watershed model. Hydrol. Process, 21: 3420– 3430.
26
Ducharne A (2009) Reducing scale dependence in TOPMODEL using a dimensionless topographic index. Hydrol. Earth Syst. Sci., 13: 2399–2412.
27
ORIGINAL_ARTICLE
ارزیابی تغییرات متغیرهای هواشناسی و هیدرولوژیکی در بالادست حوضه هیرمند طی سده گذشته با استفاده از دادههای اقلیمی CRU و مدل SWAT
با توجه به نقش بالادست رودخانه هیرمند قبل از سد کجکی در آورد این رودخانه، شناخت هیدرولوژیکی آن و بخصوص در بلند مدت میتواند در بهره برداری از منابع آب آن که همواره محل اختلاف ایران وافعانستان بوده، مفید باشد. بدیهی است که برای چنین ارزیابی هایی، وجود داده های بلند مدت همواره مانعی جدی خواهد بود که در افغانستان این مشکل بیشتر نقش آفرینی میکند. برای حل این مشکل، استفاده از داده های جهانی و مدلهای بارش-رواناب میتواند گزینه مناسبی باشد. پایگاه اطلاعات اقلیمی CRU1 از جمله پایگاههایی است که این اطلاعات را با قدرت تفکیک مکانی و زمانی نسبتاً مناسبی را از سال 1901 دارا میباشد. مدل SWAT2 هم میتواند برای شبیه سازی فرآیند بارش-رواناب مورد توجه قرار گیرد که سابقه آن برای حوضه های فرامرزی موجود است. اما در هر حال ارزیابی این دو، قبل از هرگونه استفاده عملیاتی لازم خواهد بود. مجموع موارد فوق هدف این مقاله را رقم می زنند که نهایتاً بتوان ارزیابی از تغییرات آورد رودخانه هیرمند تا محل سد طی یک صد سال اخیر داشته باشد. بدین منظور، ابتدا دادههای CRU با استفاده از 17 ایستگاه هواشناسی زمینی در کشور افغانستان مقایسه و مورد ارزیابی قرار گرفتند که نتایج، به ترتیب مقدار 313 و 323 میلیمتر در سال را نشان داد. برای واسنجی و صحت سنجی SWAT، آمار محدودی از ورودی به سد کجکی طی سالهای 1969 تا 1979 تهیه شد. اجرای مدل یکبار با دادههای اقلیمی مشاهداتی و یکبار با دادههای CRU انجام شد که نتایج براساس دادههای CRU عملکرد بهتری داشتند. در ادامه مدل واسنجی شده با دادههای CRU برای سالهای 1913 الی 2012 شبیه سازی شد. نتایج نشان داد که بین دادههای دما و بارش CRU طی صد ساله اخیر نوعی ناهمگنی در قبل و بعد از اوائل دهه 1940 وجود دارد. بطوریکه بارشها قبل از این تاریخ بیشتر و دما کمتر می باشد. همین رفتار نیز در سری زمانی تولید شده از رواناب ملاحظه گردید و شاهد کاهش میانگین سالیانه حجم از 1/8 به 07/6 میلیارد مترمکعب در محل ورودی به سد کجکی هستیم. از نکات قابل توجه تحقیق، روششناسی آن است که میتوان برای شبیه سازی حوضه های آبریز فرامزی پیرامون کشور بخوبی مورد استفاده قرار گیرد.
https://www.iwrr.ir/article_13462_cf564dedbe11d3e0af699e29758ab6e4.pdf
2014-12-22
38
52
شبیه سازی بارش- رواناب
مدل SWAT
حوضههای آبریز مشترک
داده های جهانی CRU
حوضه بالادست رودخانه هیرمند- افغانستان
حمیدرضا
حاجی حسینی
1
دانشجوی کارشناسی / ارشد مهندسی منابع آب دانشگاه تربیت مدرس
AUTHOR
محمدرضا
حاجی حسینی
2
دانشجوی کارشناسی / ارشد مهندسی منابع آب دانشگاه تربیت مدرس، تهران
AUTHOR
علیرضا
نجفی
3
رئیس / گروه مطالعات و برنامه ریزی دفتر رودخانه های مرزی وزارت نیرو
AUTHOR
سعید
مرید
morid_sa@modares.ac.ir
4
استاد /گروه مهندسی منابع آب دانشگاه تربیت مدرس، تهران
LEAD_AUTHOR
مجید
دلاور
m.delavar@modares.ac.ir
5
استادیار / گروه مدیریت منابع آب دانشگاه تربیت مدرس
AUTHOR
ایراننژاد پ، احمدیگیوی ف و پازوکی ر (1388) نقش روشهای متفاوت پارامترسازی همرفت در شبیهسازی میدانهای دما و بارش زمستانی با مدل منطقهای – اقلیمی RegCM در منطقه ایران. مجله فیزیک زمین و فضا، دوره 35، شماره 1: 101-120.
1
تجریشی م (1382) پروژه رودخانههای مرزی - حوضه آبریز هیرمند. دفتر مطالعات آب و محیط زیست (EWRC)، دانشگاه صنعتی شریف. 340 صفحه.
2
حاجی حسینی ح، حاجی حسینی م، مرید س و دلاور م، (1393). مدلسازی هیدرولوژیکی بالادست حوضه فرامرزی هیرمند با استفاده از مدل SWAT ، مجله علوم و فنون کشاورزی و منابع طبیعی دانشگاه صنعتی اصفهان، در نوبت چاپ.
3
سبزیپرور ع، شادمانی م (1390) تحلیل روند تبخیر و تعرق مرجع با استفاده از آزمون من-کندال و اسپیرمن در مناطق خشک ایران. نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 25، شماره 4: 823-834.
4
فتحیان ف (1390) بررسی روند تغییرات کاربری اراضی با استفاده از فن آوری سنجش از دور و متغیرهای آب و هواشناسی در حوضه دریاچه ارومیه .پایاننامه کارشناسی ارشد، دانشگاه تربیت مدرس.
5
Akhtar M, Ahmad N and Booij M J (2009) Use of regional climate model simulations as input for hydrological models for the Hindukush-Karakorum-Himalaya region. Hydrology and Earth System Science 13(7):1075-1089.
6
Acres International Corporation Amherst, New York (2004) Kajakai Hydroelectric Project Condition Assessment Dam, Safety Assessment Report
7
Arnold JG, Kiniry JR, Srinivasan R, Williams JR, Haney EB, Neitsch SL (2011) Soil and Water Assessment Tool Input/Output File Documentation: Version 2009.
8
Abbaspour K C (2007) User manual for SWAT-CUP. SWAT calibration and uncertainty analysis programs. Swiss Federal Institute of Aquatic Science and Technology, Eawag, Dübendorf, Switzerland, 95 p.
9
Burn HB, Elnur MAH (2002) Detection of hydrologic trends and variability. Journal of Hydrology 255: 107 -122.
10
Carrie MV (2011) Assessing the accuracy of passive microwave estimates of snow water equivalent in data- scarce regions for use in water resource applications. ERDC-CRREL TR-11-8.
11
Carrie MV and Jacobs J M (2011) Snowpack and runoff generation using AMSR-E passive microwave observations in the Upper Helmand Watershed, Afghanistan. Remote Sensing of Environment (115): 3313–3321.
12
Fadil A, Rhinane H, Kaoukaya A, Kharchaf Y and Alami Bachir O (2011) Hydrologic modeling of the Bouregreg watershed (Morocco) using GIS and SWAT model. Journal of Geographic Information System. 3: 279-289.
13
Harris I, Jones PD, Osborn TJ and Lister DH (2014) Updated high-resolution grids of monthly climatic observations - the CRU TS3.10 dataset. International Journal of Climatology 34(3):623-642
14
Kendall MG (1975) Rank correlation methods. Griffin, London, UK.
15
Kahya E, Kalayci S (2004) Trend analysis of streamflow in Turkey. Journal of Hydrology, 289: 128-144.
16
Mann HB (1945) Nonparametric tests against trend, Econometrica. 13:245-259.
17
BITEW M M, GEBREMICHAEL M, GHEBREMICHAEL L T, BAYISSA Y. A(2011) Evaluation of high-resolution satellite rainfall products through streamflow simulation in a hydrological modeling of a small mountainous watershed in Ethiopia. Hydrometer 13:338-350
18
Vu M. T, Raghavan S. V, Liong S. Y. 2012. SWAT use of gridded observations for simulating runoff – a Vietnam river basin study. Hydrol. Earth Syst. Sci. 16: 2801–2811.
19
Mitchell TD and Jones PD (2005) An improved method of constructing a database of monthly climate observations and associated high-resolution grids. International Journal of Climatology 25: 693-712.
20
Najafi A, Vatanfada J(2011) Environmental challenges in trans-boundary waters, case study: Hamoon Hirmand Wetland (Iran and Afghanistan). International Journal of Water Resources and Arid Environments 1(1): 16-24.
21
New M, Lister D, Hulme M and Makin I (2002) A high-resolution data set of surface climate over global land areas. Climate Research 21(1)1-25.
22
Neitsch SL, Arnold JG, Kiniry JR and Williams JR (2009) Soil and Water Assessment Tool. Teoretical Documentation. NCDC (2010) Climatology for Southwest Asia. National Climatic Data Center.
23
Rossi CG, Srinivasan R, Jirayoot K, Le Duc T, Souvannabouth P, Binh N and Gassman PW (2009) Hydrologic evaluation of the lower Mekong River Basin with the Soil and Water Assessment Tool model. International Agricultural Engineering Journal. 18(1-2):1-13.
24
Schuol J, Abbaspour KC (2007) Using monthly weather statistics to generate daily data in a SWAT model application to West Africa. Journal of ecological modelling 201(3-4): 301–311
25
Schuol J, Abbaspour KC, Yang H, Srinivasan R, Alexander J and Zehnder B (2008). Modeling blue and green water availability in Africa. Journal of Water Resources Research, 44, W07406, doi:10.1029/2007WR006609.
26
USACE (2007) Water balance and regulation alternative analysis for Kajakai Reservoir using HEC-ResSim. PR-63, U.S. Army Corps of Engineers.
27
Williams-Sether T (2008) Streamflow characteristics of streams in the Helmand Basin, Afghanistan. Data Series 333, U.S. Geological Survey.
28
Watershed Atlas of Afghanistan (2004), Raphy Favre, Watershed Consultant Golam Monowar Kamal, AIMS Field Coordinator, January 2004, Kabul.
29
Yue S, Pilon P, Cavadias G (2002) Power of the Mann-Kendall and Spearman s rho tests for detecting monotonic trends in hydrological series. Journal of Hydrology, 259: 254-271.
30
Zhao G, Hormann G (2010) Streamflow trends and climate variability impacts in Poyang Lake Basin, China. Water Resour Manage, 24: 689-706.
31
ORIGINAL_ARTICLE
تدوین الگوریتمی برای تحلیل و مدیریت ریسک تصفیهخانههای فاضلاب
تصفیه خانه های فاضلاب به عنوان یکی از مهمترین زیرساختهای شهری، وظیفه بازیافت آب و مواد مغذی را از فاضلاب جمعآوری شده از منازل و واحدهای صنعتی بر عهده دارند. وقوع شکست در تصفیهخانههای فاضلاب، اغلب پیامدهای نامطلوبی همچون خروج پسابهای کاملاً تصفیه نشده حاوی انواع آلودگیهای شیمیایی و بیولوژیکی از تصفیه خانه و ورود آنها به محیطهای شهری و زمینهای کشاورزی را به دنبال خواهد داشت که میتواند در سطح جامعه بحرانهای جدی همچون شیوع بیماریهای واگیردار را ایجاد نماید. از این رو شناسایی نقاط آسیب پذیر، تخمین احتمال وقوع حوادث نامطلوب و شدت اثرات ناشی از وقوع این حوادث در تصفیهخانههای فاضلاب به منظور تدوین و اجرای برنامههای مدیریت ریسک برای مدیران و تصمیمگیرندگان این زیرساختها از اهمیّت بالایی برخوردار است. در تحقیق حاضر، الگوریتمی بهمنظور ارزیابی و مدیریت ریسک تصفیهخانههای فاضلاب معرفی شده است. پس از مرحله تشخیص خطر، محاسبه ریسک خطرات از سه جزء تشکیل میشود که عبارتند از: احتمال رخداد، شدت رخداد، و تشخیص رخداد. برآیند ریسکهای اجزای یک واحد، ریسک کلّی آن واحد از تصفیهخانه فاضلاب را مشخص مینماید. بر اساس نتایج ارزیابی ریسک، راهکارهای مدیریت ریسک متناسب نیز پیشنهاد شده است. برای محاسبه اجزای مختلف ریسک (مقادیر تهدید، شدت خسارت و آسیب پذیری) از تلفیق روشهای پرسشنامه تخصصی (اخذ نظرات کارشناسی از خبرگان) و تصمیمگیری چندشاخصه استفاده شده است. همچنین با انتخاب تصفیهخانه فاضلاب جنوب تهران به عنوان یک مطالعه موردی، الگوریتم پیشنهادی ارزیابی شده و مدیریت ریسک سامانه تصفیهخانه در مورد آن پیاده سازی شده است. نتایج حاصل از مطالعه موردی مبیّن آن است که الگوریتم پیشنهادی به عنوان یک ابزار مدیریتی کارآ، قابل استفاده برای مدیران تصفیه خانه های فاضلاب خواهد بود.
https://www.iwrr.ir/article_13467_f193330c3a5c068d243e06c7150562c4.pdf
2014-12-22
53
65
ارزیابی و مدیریت ریسک
تصفیه خانه های فاضلاب شهری
تصمیم گیری چند معیاره
تحلیل آسیب پذیری
مسعود
تابش
mtabesh@ut.ac.ir
1
استاد / دانشکده مهندسی عمران، قطب علمی مهندسی و مدیریت زیرساخت های عمرانی، پردیس دانشکده های فنی، دانشگاه تهران
LEAD_AUTHOR
ابراهیم
بدلی باوانی
2
دانش آموخته کارشناسی ارشد عمران/ محیط زیست، دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران
AUTHOR
مائده
عسگریان
3
دانش آموخته کارشناسی ارشد عمران/ محیط زیست، دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران.
AUTHOR
عباس
روزبهانی
roozbahany@ut.ac.ir
4
دانش آموخته دکترای مهندسی عمران/ آب، دانشکده مهندسی عمران، پردیس دانشکده های فنی و استادیار پردیس ابوریحان، دانشگاه تهران.
AUTHOR
اصغرپور م ج (1388) تصمیمگیری چندمعیاره، چاپ دوم، انتشارات دانشگاه تهران، تهران، ایران.
1
ASCE and AWWA (2004) Guidelines for the physical security of wastewater/storm water utilities. American Society of Civil Engineering (ASCE), Water Environment Federation (WEF) Press, New York, US.
2
Bailey K C (2001) The biological and toxin weapons threat to the United States. National Institute for Public Policy, Fairfax, VA.
3
Escer E, Perrodin Y, Keck G, Blonchard J, Vermande P (2010) Ecotoxicological risk assessment of hospital wastewater: a proposed framework for raw effluents discharging into urban sewer network. Journal of Hazardous Materials, A117(1):1011.
4
FEMA (2005) A how to guide to mitigate potential terrorist attacks against buildings. Risk Management Series, FEMA 452, USA, WWW.FEMA.GOV.
5
Grigg N S (2003) Water security: Multiple hazards and multiple barriers, Journal of Infrastructure Systems, ASCE, 9(2): 81-88.
6
Haimes YY (2009) Risk modeling, assessment, and management. Wiley, Third Edition, New York, US.
7
Kaplan S and Garrick B J (1981) On the quantitative definition of risk, Risk Analysis, 1(1): 11-27.
8
Mays L W (2004) Water Supply Systems Security.McGraw-Hill, New York, US.
9
Metcalf and Eddy Inc. (2003) Wastewater engineering. 4th ed., McGraw Hill, New York.
10
Roozbahani A, Zahraie B and Tabesh M (2013) Integrated risk assessment of urban water supply systems from source to tap. Stochastic Environmental Research and Risk Assessment 27: 923-944.
11
Saaty T L (1980) Decision making with the Analytic Hierarchy Process, International Journal of Services Sciences, 1(1): 83-98.
12
Sadiq R, Kleiner Y and Rajani B (2004) Aggregative risk analysis for water quality failure in distribution networks. Journal of Water Supply Research and Technology: AQUA, 53(4): 241-261.
13
SANDIA Corporation (2004) A risk assessment methodology (RAM) for physical security.Lockheed Martin Company, US.
14
Tidwell V C, Cooper JA and Silva C J (2005) Threat assessment of water supply systems using markov effects modeling, Journal of Water Resource Planning and Management, 131(3): 218-227.
15
Zio E (2007) An introduction to the basic of reliability and risk Analysis. World Scientific Publishing Co, Singapore.
16
ORIGINAL_ARTICLE
تعیین آستانه خشکسالی ابزار مدیریت واقعبینانه منابع آب در حوضه دریاچه ارومیه
رشد جمعیت و بهتبع آن نیاز به منابع آب بیشتر برای مصارف شرب و بهداشت، کشاورزی و صنعت، مدیریت آب را با چالش توزیع عادلانه منابع آب کشور و تأمین به موقع نیازها روبرو نموده است. محدودیت منابع آب در مقابل نیازهای روز افزون در حوضههای با اقلیم خشک و نیمهخشک موجب گردیده تضادهایی بین ذینفعان در مناطق مختلف حوضه آبریز بوجود آید که نتیجه آن، رقابتی منفی برای در اختیار گرفتن هر چه بیشتر منابع آب بدون توجه به اثرات زیست محیطی پاییندست، بهخصوص نیاز آبی تالابها و دریاچهها، است. دریاچه ارومیه در شمالغرب ایران به عنوان دومین دریاچه آب شور دنیا، نمونه بارزی از بیتوجهی در تأمین الزامات زیست محیطی است. تداوم شرایط خشکسالی در این حوضه موجب کاهش میزان بارندگی و جریانات سطحی ورودی به دریاچه، ادامه روند کاهش تراز سطح آب دریاچه و ایجاد بحران زیست محیطی در منطقه گردیده است. جهت مدیریت واقعبینانه در چنین شرایطی اولین و مهمترین اقدام تعیین آستانه وقوع هر سطح خشکسالی بر مبنای جریان ورودی به دریاچه میباشد. در این تحقیق ابتدا حداقل ورودی تجربه شده دریاچه به عنوان حداقل نیاز زیست محیطی دریاچه با ارائه روشی جدید مبتنی بر تحلیل سری تاریخی جریانات ورودی به دریاچه در سطوح مختلف خشکسالی به عنوان مقادیر آستانه جهت تصمیمگیری در شرایط آتی برآورد شد. شرایط فعلی دریاچه (ورودیهای فعلی با توجه به طرحهای بهرهبرداری موجود در حوضه و برداشتهای سنتی فعلی) با روش پویایی سیستم تحلیل شد و جریان ورودی به دریاچه در سناریوهای مختلف برآورد گردید. سپس مقادیر جریان ورودی به دریاچه با آستانههای خشکسالی تعیین شده، مقایسه شد. نتایج حاصل از مدلسازی دریاچه تحت تاثیر طرحهای بهرهبرداری و برداشتهای فعلی بیانگر آن است که در صورت تغییر نکردن شرایط ورودی دریاچه و ادامه روند برداشتهای فعلی حتی بدون توسعه برداشت و یا احداث سد جدید، متوسط میزان ورودی به دریاچه تقریباً معادل ورودی تاریخی در شرایط خشکسالی متوسط است. به عبارت دیگر در صورت ساماندهی ننمودن برداشتهای فعلی، دریاچه از شرایط خشکسالی هیدرولوژیکی در دراز مدت خارج نخواهد شد. بنابراین بین حفظ توسعه فعلی ناشی از برداشتهای سنتی کشاورزی و طرحهای توسعه منابع آب و حفظ ورودی مورد نیاز برای ادامه حیات دریاچه، نیاز به انجام مصالحه وجود دارد.
https://www.iwrr.ir/article_13468_7da9c6510a43200111e500a2f8ea2750.pdf
2014-12-22
66
76
دریاچه ارومیه
خشکسالی
نیاز زیست محیطی
آستانه
برداشتهای سنتی
فاطمه
قبادی
1
دانشجوی دکتری مهندسی عمران-آب/ واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی
LEAD_AUTHOR
بهرام
ثقفیان
b.saghafian@gmail.com
2
استاد/ گروه مهندسی عمران-آب/ واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی
AUTHOR
شهاب
عراقی نژاد
3
استادیار / گروه مهندسی آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران
AUTHOR
احمدزاده کوکیال ب (1383) تعریف معادله پارامترهای اثرگذار در نوسانات سطح و شوری آب دریاچه ارومیه. پروژه تحقیقاتی، AGW-83003، شرکت سهامی آب منطقهای آذربایجان غربی.
1
جلیلی ش (1389) تحلیل طیفی سری زمانی تراز دریاچه ارومیه و تأثیر متغیرهای اقلیمی و هیدرولوژیکی بر آن. رساله دکتری، دانشگاه تربیت مدرس، تهران.
2
رزم آرا پ (1392)آنالیز عدم قطعیت تاثیر تغییر اقلیم بــر دریاچه ارومیه با رویکرد مونت کارلو- بیزی. رساله دکتری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران.
3
سیما س (1392) تحلیل دینامیکی-مکانی تغییرات تبخیر و نمک در دریاچههای شور (مطالعه موردی دریاچه ارومیه). رساله دکتری، دانشگاه صنعتی شریف، تهران.
4
فتحیان ف، مرید س و ارشد ص (1392) ارزیابی روند تغییرات کاربری اراضی با استفاده از فنآوری سنجش از دور و ارتباط آن با روند جریان رودخانهها (مطالعه موردی: زیر حوضههای شرق دریاچه ارومیه). نشریه آب و خاک (علوم و صنایع کشاورزی). شماره 27 (3). 655-642.
5
فراز ا (1387) مدلسازی دینامیکی سیستم حوضه آبریز دریاچه ارومیه و بررسی علل نوسانات سطح آب این دریاچه. پایاننامه کارشناسی ارشد. دانشگاه تهران، تهران.
6
Abbaspour M and Nazaridoust A (2007) Determination of environmental water requirements of Lake Urmia, Iran: an ecological approach. Journal of Environmental Studies 64 (2): 161–169.
7
Aksoy H, Unal NE, Eris E and Yuce MI (2013) Stochastic modeling of Lake Van water level time series with jumps and multiple trends. Journal of Hydrology and Earth System Sciences 17: 2297–2303.
8
Altunkaynak A, O¨ zger M and Sen Z (2003) Triple diagram model of level fluctuations in Lake Van, Turkey. Journal of Hydrology and Earth System Sciences 7: 235–244.
9
Alipour S (2006) Hydrogeochemistry of seasonal variation of Urmia Salt Lakle, Iran. Journal of Saline Systems 2 (9): 1-19.
10
Cimen M and Kisi O (2009) Comparison of two different data-driven techniques in modeling lake level fluctuations in Turkey. Journal of Hydrology 378 (3-4): 253–262.
11
Dehghani M, Saghafian B, Nasiri Saleh F, Farokhnia A and Noori R (2014) Uncertainty analysis of streamflow drought forecast using Artificial Neural Networks and Monte Carlo Simulation, Int. J. of Climatology 34 (4): 1169-1180.
12
Kaden H, Peeters A, Lorke A, Kipfer R, Tomonaga Y and Karabiyikoglu M (2010) Impact of lake level change on deep-water renewal and oxic conditions in deep saline Lake Van, Turkey. Journal of Water Resources Research 46, W11508, doi:10.1029/2009WR008555.
13
Sima S and Tajrishy M (2013) Using satellite data to extract volume–area–elevation relationships for Urmia Lake, Iran. Journal of Great Lakes Research 39(1): 90-99.
14
ORIGINAL_ARTICLE
بهبود کیفیت منابع آب زیرزمینی آلوده به نیترات به کمک نانوذرات آهن/نیکل
در این پژوهش نانوذرات دوفلزی آهن/نیکل جهت بهبود کیفیت منابع آب زیرزمینی آلوده به نیترات بصورت درجا مورد استفاده قرار گرفته است. در مرحله اول پس از سنتز نانوذرات آهن/نیکل جهت افزایش تحرک پذیری، سطح آن به کمک بیوپلیمر نشاسته اصلاح گردید. در مرحله بعد آزمایشهای ارزیابی واکنشپذیری نانوذرات تولیدی، در دو گروه منقطع و جریان پیوسته صورت گرفت. آزمایشهای پیوسته هم در ستون متخلخل شفاف در شرایط آزمایشگاهی و هم در مدل نیمهصنعتی در شرایط واقعی آب زیرزمینی انجام شدند. براساس آزمایشهای منقطع مرتبه واکنش حذف نیترات بین 0/1 تا 3/1 متغیر است و با کاهش pH و افزایش نسبت استکیومتری آهن/نیترات، مرتبه و سرعت واکنش بیشتر میشود. همچنین در حالتی که نسبت وزنی بین آهن/نیکل در ترکیب نانوذرات معادل 3 درصد باشد، حداکثر واکنشپذیری نانوذرات در حذف نیترات رخ میدهد. براساس نتایج آزمایشهای جریان پیوسته، در سرعت تراوش برابر m/d10 بالاترین راندمان حذف نیترات فراهم میگردد. همچنین مقدار و تازگی نانوذرات آهن/نیکل تزریقی و اندازه دانههای محیط متخلخل پارامترهای اصلی تاثیرگذار در حذف درجای نیترات میباشند. راندمان حذف نیترات در شرایط کنترل شده آزمایشگاهی به بالاتر از 99درصد نیز میرسد لیکن در شرایط واقعی حداکثر راندمان حذف 70درصد مشاهده شده است.
https://www.iwrr.ir/article_13469_53a553c8a4da06e3a0db9524f08d44ed.pdf
2014-12-22
77
87
نانوذرات آهن/نیکل
نیترات
حذف درجا
آب زیرزمینی
محمدرضا
فدائی تهرانی
fadaei@mehr.sharif.edu
1
دانشجوی دوره دکتری/ دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
LEAD_AUTHOR
منوچهر
وثوقی
vosoughi@sharif.edu
2
استاد / عضو هیئت علمی.دانشکده مهندسی شیمی و مرکز بیوتکنولوژی و زیست فنآوری (IBT)، دانشگاه صنعتی شریف، تهران، ایران.
AUTHOR
ابوالفضل
شمسائی
shamsai@sharif.edu
3
استاد/ عضو هیئت علمی.دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران.
AUTHOR
میترا
نوری
mitra_noorizehab@yahoo.com
4
کارشناس ارشد /در رشته مهندسی عمران گرایش آب. دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
AUTHOR
موسسه استاندارد و تحقیقات صنعتی ایران، نشریه 1053، آب آشامیدنی، ویژگیهای فیزیکی و شیمیایی. تجدید نظر پنجم، 15صفحه.
1
Choe S, Chang YY, Hwang KY, Khim J (2000) Kinetics of reductive denitrification by nano scale zero-valent iron. Chemosphere 41: 1307-1311.
2
Cundy AB, Hopkinson L, Whitby RLD (2008) Use of iron-based technologies in contaminated land and groundwater remediation: A review. Science of the Total Environment 400: 42-51.
3
Hashim MA, Mukhopadhyay S, Sahu JN, Sengupta B (2011) Remediation technologies for heavy metal contaminated groundwater. Journal of Environmental Management 92: 2355-2388.
4
He F, Zhao D (2005) Preparation and characterization of a new class of starch-stabilized bimetallic nano particles for degradation of chlorinated hydrocarbons in water. Environ Sci Technol 39: 3314–3320.
5
Hosseini SM, Ataie B, Kholghi M (2011) Nitrate reduction by nano/Fe/Cu particles in packed column. Desalination 276: 214-226.
6
Huang YH, Zhang TC (2004) Effects of low pH on nitrate reduction by iron powder. Water Research 38: 2631-2642.
7
Kanel SR, Neppolian B, Choi H, Yang JW (2003) Heterogeneous catalytic oxidation of phenanthrene by hydrogen peroxide in soil slurry: Kinetics, mechanism, and implication. Soil and Sediment Contamination 12: 101-117.
8
Kim KR, Lee BT, Kim KW (2012) Arsenic stabilization in mine tailings using nano sized magnetite and zero valent iron with the enhancement of mobility by surface coating. Journal of Geochemical Exploration 113: 124-129.
9
Lee C, Jee YK, Won IL, Nelson KL, Yoon J, Sedlak DL (2008) Bactericidal effect of zero-valent iron nano particles on Escherichia coli. Environmental Science and Technology 42: 4927-4933.
10
Li L, Benson CH, Lawson EM (2006) Modeling porosity reductions caused by mineral fouling in continuous-wall permeable reactive barriers. Journal of Contaminant Hydrology 83: 89-121.
11
Lien HL, Zhang WX (2007) Nano scale Pd/Fe bimetallic particles: Catalytic effects of palladium on hydro-dechlorination. Applied Catalysis B: Environmental 77: 110-116.
12
Peng S, Wang C, Xie J, Sun S (2006) Synthesis and stabilization of noun disperse Fe nano particles. Journal of the American Chemical Society 128: 10676-10677.
13
Rangsivek R, Jekel MR (2005) Removal of dissolved metals by zero-valent iron (ZVI): Kinetics, equilibrium, processes and implications for storm water runoff treatment. Water Research 39: 4153-4163.
14
Ryu A, Jeong SW, Jang A, Choi H (2011) Reduction of highly concentrated nitrate using nano scale zero-valent iron: Effects of aggregation and catalyst on reactivity. Applied Catalysis B: Environmental 105: 128-135.
15
Yang GCC, Lee HL (2005) Chemical reduction of nitrate by nano sized iron: kinetics and pathways. Water Research 39: 884-894.
16
ORIGINAL_ARTICLE
منطقه بندی حوضه ی آبریز ارس با استفاده از نگاشتهای خود سازمانده
نگاشت های خودسازمانده کوهونن گونهای از شبکه های عصبی مصنوعی با توانایی ویژه در تشخیص الگو و خوشه بندی دادهها با استفاده از ویژگیهای آنها هستند. در این مطالعه، توانایی نگاشت های خودسازمانده کوهونن در منطقه بندی حوضهی آبریز ارس به منظور اجرای تحلیل فراوانی منطقه ای سیلاب با استفاده از الگوریتم گشتاورهای خطی مورد بررسی قرار گرفته است. نتایج به دست آمده نشان داد که نگاشتهای خودسازمانده میتوانند به عنوان ابزاری مفید در زمینهی خوشهبندی دادهها و منطقه بندی حوضههای آبریز به کار گرفته شوند. افزون بر این، براساس شاخص صحت خوشهبندی، حالت 4 منطقهای از نظر کیفیت خوشهبندی به عنوان حالت بهینه برای منطقهبندی حوضهی آبریز ارس شناخته شد. همچنین بر اساس شاخص های ناهمگنی این حالت در کنار حالت 2 منطقه ای، برای اجرای تحلیل فراوانی منطقه ای سیلاب در حوضه ی آبریز ارس مناسب ارزیابی شدند. به علاوه، هنگامی که تعداد مناطق برابر 2 باشد، تشکیل مناطق بزرگتر امکانپذیر خواهد بود.
https://www.iwrr.ir/article_13470_e480b227a4d60852c8a68b397a8a425a.pdf
2014-12-22
88
98
نگاشت های خود سازمانده کوهونن
تحلیل خوشه ای
گشتاور های خطی
تحلیل فراوانی سیلاب
علی
آهنی
ali.ahani66@yahoo.com
1
دانش آموخته ی کارشناسی ارشد / سازه های آبی، دانشگاه صنعتی شاهرود
LEAD_AUTHOR
سید سعید
موسوی ندوشنی
2
استادیار / پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران
AUTHOR
ASCE Task Committee on Application of Artificial Neural Networks in Hydrology (2000) Artificial neural networks in hydrology, I: Preliminary concepts. Journal of Hydrologic Engineering, ASCE 5(2): 115–123.
1
ASCE Task Committee on Application of Artificial Neural Networks in Hydrology (2000) Artificial neural networks in hydrology, II: Hydrologic applications. Journal of Hydrologic Engineering, ASCE 5(2): 124-137.
2
Chavoshi S, Azmin Sulaiman WN, SaghafianB, Sulaiman MDNB, Latifah AM (2012) Soft and hard clustering methods for delineation of hydrological homogeneous regions in the southern strip of the Caspian Sea Watershed. Journal of Flood Risk Management 5(4):282-294.
3
Farsadnid F, Rostami Kamrood M, Moghaddam Nia A, Modarres R, Bray MT, Han D, Sadatinejad J (2014) Identification of homogeneous regions for regionalization of watersheds by two-level self-organizing feature maps. Journal of Hydrology 509:387-397.
4
Fausett LV (1994) Fundamentals of neural networks: Architectures, algorithms, and applications. Englewood Cliffs, Prentice Hall, NJ, 461p.
5
Govindaraju RS, Rao AR (2000) Artificial neural networks in hydrology. Kluwer Academic Publishers, Holland, 329p.
6
Hall MJ, Minns AW (1998) Regional flood frequency analysis using artificial neural network. In: Proc. of the Third International Conference on Hydroinformatics, Vol. 2. Copenhagen, Denmark, 759–763.
7
Hall MJ, Minns AW (1999) The classification of hydrologically homogeneous regions. Hydrological Sciences Journal 44(5): 693–704.
8
Hall MJ, Minns AW, Ashrafuzzaman AKM (2002) The application of data mining techniques for the regionalization of hydrological variables. Hydrology and Earth System Sciences 6(4): 685–694.
9
Hosking JRM, Wallis JR (1997) Regional frequency analysis: An approach based on L-moments. Cambridge University Press, New York, 224p.
10
Jingyi Z, Hall MJ (2004) Regional flood frequency analysis for the Gan-Ming river basin in China. Journal of Hydrology 296: 98–117.
11
Kohonen T (1982) Self-organized formation of topologically correct feature maps. Biological Cybernetics 43: 59–69.
12
Kohonen T (1997) Self-organizing maps, second edition. Springer Verlag, Berlin, 511p.
13
Rao AR,Srinivas VV (2008) Regionalization of watersheds - An approach based on cluster analysis, Series: Water Science and Technology Library, Vol. 58, Springer Publishers, 248p.
14
Razavi T, Coulibaly P (2013) Classification of Ontario watersheds based on physical attributes and streamflow series. Journal of Hydrology 493: 81-94.
15
Reed DW, Jakob D, Robson AJ (1999) Selecting a pooling group. In: Statistical procedures for flood frequency estimation, Flood estimation handbook, Vol. 3, Institute of Hydrology, Wallingford, UK (chapter 6, pp. 28–39).
16
Srinivas VV, Tripathi S, Rao AR, Govindaraju RS (2008) Regional flood frequency analysis by combining self organizing feature maps and fuzzy clustering. Journal of Hydrology 348(1–2):148–166.
17
ORIGINAL_ARTICLE
یادداشت فنی تعیین مناطق همگن سیلابی به روش تحلیل خوشهای افرازی K-means براساس گشتاورهای خطی مرتبه دوم (مطالعه موردی: حوضه سدهای رودبار و بختیاری)
گروهی از سایت ها با همگنی کافی در فرآیندهای تولید سیلاب، یک منطقه ی همگن برای تحلیل فراوانی منطقه ای سیلاب را تشکیل میدهند. تحلیل خوشهای عنوان گونه ای از روش های تحلیل چند متغیری آماری برای گروه بندی یک سری داده به چندین گروه یا خوشهها است. این روش، روش کارآمدی برای تحلیل فراوانی منطقهای سیلاب است. در این گزارش با استفاده از زبان برنامه نویسیR، تحلیل خوشهای بر اساس گشتاورهای خطی مرتبه دوم دادههای حداکثر لحظهای 34 ایستگاه هیدرومتری واقع در استان لرستان و در محدوده حوضه سدهای رودبار و بختیاری برای تعداد 2 تا 6 خوشه صورت گرفته است. در تحلیل خوشهای، از الگوریتم K-means که در نوع خوشهبندی افرازی دستهبندی میشود، بهره گرفته شده است. گروههای ادغام شده از ایستگاهها تشکیل شده و سپس با انجام آزمون همگنی گروههای همگن حوضه سدهای رودبار و بختیاری تعیین شدهاند.
https://www.iwrr.ir/article_13471_0cbc185d71b54bf189da979d5eb03605.pdf
2014-12-22
99
103
منطقهبندی
تحلیل خوشهای
گشتاورهای خطی
k-means
سدهای رودبار و بختیاری
رسول
شاهسون
shahsavanrasoul@yahoo.com
1
دانش آموخته ی کارشناسی ارشد مهندسی رودخانه/ پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی
LEAD_AUTHOR
علی
آهنی
ali.ahani66@yahoo.com
2
دانش آموخته ی کارشناسی ارشد/ سازه های آبی . دانشگاه صنعتی شاهرود
AUTHOR
سید سعید
موسوی ندوشنی
3
استادیار/ پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران
AUTHOR
علی
مریدی
moridi1978@gmail.com
4
استادیار / پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران
AUTHOR
آهنی ع، امامقلیزاده ص، موسوی ندوشنی س، اژدری خ (1392) منطقهبندی حوضهی آبریز سفیدرود بزرگ با استفاده از روشهای خوشهبندی ترکیبی. مجموعه مقالات هفتمین کنگره ملی مهندسی عمران، زاهدان، ایران، 18-17 اردیبهشت.
1
شرکت توسعه منابع آب و نیروی ایران (a1385) گزارش تکمیلی هیدرولوژی طرح سد و نیروگاه برقابی بختیاری.
2
شرکت توسعه منابع آب و نیروی ایران (b1385) گزارش هیدرولوژی طرح سد و نیروگاه برقابی رودبار.
3
Hosking JRM, Wallis JR (1997) Regional frequency analysis: An approach based on l-moments, Cambridge University Press, London, 224p.
4
Rao AR, Srinivas VV (2008) Regionalization of watersheds: An approach based on cluster analysis, Springer Publishers, 248p.
5
ORIGINAL_ARTICLE
یادداشت فنی مدیریت شورآبههای ناشی از نمکزدایی آب دریا از منظر محیط زیست
امروزه به دلیل افزایش مصرف آب آشامیدنی و همچنین کاهش منابع آن در سطح دنیا، نمک زدایی از آب دریا به عنوان روشی مهم به منظور تامین آب آشامیدنی بیش از پیش مورد توجه قرار گرفته است. این موضوع با توجه به قرار گرفتن کشور ما در منطقه ای از جهان که با بحران کمبود منابع آب روبروست، بسیارحائز اهمیت میباشد. با توجه به روند رو به توسعه استفاده از فرایندهای نمکزدایی آب دریا به عنوان منبع تامین آب آشامیدنی، تخلیه شورآبههای ناشی از این فرآیندها میتواند اثرات فیزیکی (دما، شوری)، شیمیایی و اکولوژیکی بر محیط زیست محیط دریافت کننده را در پی داشته باشد. لذا ضرورت شناخت دقیق تر و بهتر نسبت به آثار و جنبههای مختلف فرآیندهای نمکزدایی و همچنین شورآبههای حاصل از آن به صورت محصول جانبی غیر قابل انکار میباشد. مطالعه پیشرو به ارائه و بررسی اثرات شورآبهها بر پارامترهای مختلف آب دریافت کننده پرداخته و برخی از راه حلهای عملی به منظور به حداقل رساندن آنها را ارائه مینماید. راهکارهایی نظیر استفاده از آب خنک کننده نیروگاهها، ترکیب شورآبه با فاضلاب شهری، نمکزدایی از آبهای زیر زمینی و انتخاب محل و روش مناسب به منظور تخلیه شورآبهها از جمله پیشنهادهای مؤثر مطرح شده بهشمار میروند.
https://www.iwrr.ir/article_13472_9e9114286af58fe42de57ba71fdca2dd.pdf
2014-12-22
104
112
نمک زدایی
شورآبه
محیط زیست
آب دریا
مدیریت فناوری
محمد امین
علایی شهمیرزادی
1
دانشجوی کارشناسی ارشد مهندسی شیمی/ دانشکده مهندسی شیمی، دانشگاه تربیت مدرس.
AUTHOR
سید سعید
حسینی
saeid.hosseini@modares.ac.ir
2
استادیار / مهندسی شیمی، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس.
LEAD_AUTHOR
Abdul-Wahab SA (2007) Characterization of water discharges from two thermal power/desalination plants in Oman. Environmental Engineering Science 24(3):321–337.
1
Alameddine I , El-Fadel M (2007) Brine discharge from desalination plants: a modeling approach to an optimized outfall design. Desalination 214(1):241–260.
2
Ali MT, Fath HES , Armstrong PR (2011) A comprehensive techno-economical review of indirect solar desalination. Renewable and Sustainable Energy Reviews 15(8):4187–4199.
3
Al-Mutaz IS (1991) Environmental impact of seawater desalination plants. Environmental Monitoring and Assessment 16(1):75–84.
4
Altayaran AM, Madany IM (1992) Impact of a desalination plant on the physical and chemical properties of seawater, Bahrain. Water Research 26(4):435–441.
5
Baalousha H (2006) Desalination status in the Gaza Strip and its environmental impact. Desalination 196(1):1–12.
6
Bashitialshaaer RAI, Persson KM , Aljaradin M (2011) Estimated future salinity in the Arabian Gulf, the mediterranean sea and the red seaconsequences of brine discharge from desalination. International Journal of Academic Research 3(1).
7
Buros OK , Association ID (2000) The ABCs of desalting, International Desalination Association Topsfield.
8
Cooley H, Gleick PH & Wolff G (2006) Desalination: with a Grain of Salt, Pacific Institute, Oakland, California.
9
Edzwald JK , Haarhoff J (2011) Seawater pretreatment for reverse osmosis: Chemistry, contaminants, and coagulation. Water research 45(17):5428–5440.
10
Einav R , Lokiec F (2003) Environmental aspects of a desalination plant in Ashkelon. Desalination 156(1):79–85.
11
Elhassadi A (2008) Pollution of water resources from industrial effluents: a case study—Benghazi, Libya. Desalination 222(1):286–293.
12
Gacia E (2007) Impact of the brine from a desalination plant on a shallow seagrass (Posidonia oceanica) meadow. Estuarine, Coastal and Shelf Science 72(4):579–590.
13
Greenlee LF (2010) Effect of antiscalants on precipitation of an RO concentrate: metals precipitated and particle characteristics for several water compositions. Water Research 44(8):2672–2684.
14
Hashim A , Hajjaj M (2005) Impact of desalination plants fluid effluents on the integrity of seawater, with the Arabian Gulf in perspective. Desalination 182(1):373–393.
15
Hoepner T , Lattemann S (2003) Chemical impacts from seawater desalination plants—a case study of the northern Red Sea. Desalination 152(1):133–140.
16
Jeppesen T(2009) Metal recovery from reverse osmosis concentrate. Journal of Cleaner Production 17(7):703–707.
17
Karagiannis IC , Soldatos PG (2008) Water desalination cost literature: review and assessment. Desalination 223(1):448–456.
18
Lattemann S , Höpner T (2008). Environmental impact and impact assessment of seawater desalination. Desalination 220(1):1–15.
19
Lin YC (2013) Potential impacts of discharges from seawater reverse osmosis on Taiwan marine environment. Desalination 322:84–93.
20
Mezher T (2011) Techno-economic assessment and environmental impacts of desalination technologies. Desalination 266(1):263–273.
21
Muñoz I, Fernández-Alba AR (2008) Reducing the environmental impacts of reverse osmosis desalination by using brackish groundwater resources. Water research 42(3):801–811.
22
Paquin PR (2000) Revisiting the aquatic impacts of copper discharged by water-cooled copper alloy condensers used by power and desalination plants. Environmental Science & Policy 3:165–174.
23
Purnama A, Al-Barwani HH, Smith R (2005) Calculating the environmental cost of seawater desalination in the Arabian marginal seas. Desalination 185(1):79–86.
24
Roberts DA, Johnston EL, Knott NA (2010) Impacts of desalination plant discharges on the marine environment: A critical review of published studies. Water Research 44(18):5117–5128.
25
Sadhwani JJ, Veza JM, Santana C (2005) Case studies on environmental impact of seawater desalination. Desalination 185(1):1–8.
26
Sadiq M (2002) Metal contamination in sediments from a desalination plant effluent outfall area. Science of the total environment 287(1):37–44.
27
Saeed T, Khordagui H, Al-Hashash H (1999). Contribution of power and desalination plants to the levels of volatile liquid hydrocarbons in the nearby coastal areas of Kuwait. Environment International, 25(5):553–562.
28
Sánchez-Lizaso JL (2008) Salinity tolerance of the Mediterranean seagrass Posidonia oceanica: recommendations to minimize the impact of brine discharges from desalination plants. Desalination 221(1):602–607.
29
Shao D , Law AWK (2009) Salinity build-up due to brine discharges into shallow coastal waters. Modern Physics Letters B 23(03):541–544.
30
Tularam GA , Ilahee M (2007) Environmental concerns of desalinating seawater using reverse osmosis. Journal of Environmental Monitoring 9(8):805–813.
31
Younos T (2005) Environmental issues of desalination. Journal of Contemporary Water Research & Education 132(1):11–18.
32