ORIGINAL_ARTICLE
پیشگفتار
https://www.iwrr.ir/article_16036_a667a865f684ba1613dbdf98fb1c87aa.pdf
2010-01-21
0
1
محمد
کارآموز
karamouz@ ut.ac.ir
1
AUTHOR
ORIGINAL_ARTICLE
ارایه مدل مفهومی و تدوین الگوی مدیریت یکپارچه منابع آب با تاکید بر امنیت آبی کشور
پژوهش حاضر برآن است تا عوامل و مؤلفههای مربوط به مدیریت یکپارچه منابع آب کشور را که بر امنیت آبی کشور اثرگذار هستند از نظر برنامهریزان، مدیران ارشد، اساتید و خبرگان دانشگاهی در رشته آب و نمایندگان مجلس را بررسی نموده و با مرور بر تجربیات سایر کشورهای جهان و متناسب با شرایط ایران، الگوی مناسب را ارائه نماید و اثر آن را نیز بر امنیت آبی کشور بررسی کند. بدین منظور ابتدا با مرور دیدگاههای مختلف و متنوع بینالمللی از یک طرف و نتایج اجلاسها و کنفرانسهای جهانی آب از طرف دیگر و با مقایسه و دستهبندی آنها مفهوم جامع و مانع مدیریت یکپارچه منابع آب و امنیت آبی انتخاب گردید. سپس با مراجعه به منابع بینالمللی و نیز اسناد بالادستی مصوب مدیریت آب کشور، شاخصهای مؤثر در این دو مفهوم انتخاب شده و احصاء گردید. با مراجعه به مدیران ارشد آب کشور، اساتید دانشگاه، مدیران ارشد کشاورزی و متخصصین خبره آب کشور با استفاده از مدل تصمیمگیری چند منظوره چند معیاره در فضای فازی، شاخصهای اصلی مدیریت یکپارچه منابع آب و امنیت آبی حاصل شد و میزان همبستگی آنها تبیین گردید. نهایتاً الگو و مدل مفهومی مدیریت یکپارچه منابع آب با تأکید بر امنیت آبی در کشور با استفاده از کلیه مراجع بینالمللی و اسناد بالادستی بخش آب ارایه گردید. نتایج تحقیق حاکی از آن است که الگوی مدیریت یکپارچه منابع آب با تأکید بر امنیت آبی کشور عبارت است از 14 محور یا شاخص اساسی این مدیریت، به علاوه هفتاد استراتژی مورد عمل که با رعایت درجه اهمیت و اولویت هر کدام و استقرار این الگو، مدیریتی علمی و کارآمد و پویا را در مدیریت آب کشور به ارمغان خواهد آورد و توصیه بینالمللی در این خصوص نیز محقق گردیده است.
https://www.iwrr.ir/article_15767_b40f04807ef60e005e8140daca7a9734.pdf
2010-01-21
1
13
مدیریت یکپارچه منابع آب
امنیت آبی
MDSS4
شاخص
تصمیم گیری چند معیاره
حکمرانی آب
رسول
زرگرپور
zargar@moe.org.ir
1
دانش آموخته/ دانشگاه عالی دفاع ملی
LEAD_AUTHOR
علی
نورزاد
ageonek@yahoo.comail
2
عضو هیئت علمی/ دانشگاه صنعت آب و برق
AUTHOR
اصغرپور، م. ج. (1377)، تصمیم گیری چند معیاره، انتشارات دانشگاه تهران، تهران.
1
سیاستهای کلان آب تنفیذی مقام معظم رهبری، (1379)، وزارت نیرو، معاونت امور آب تهران.
2
سیاستهای اجرائی بخش آب، (1382)، مصوب هیأت دولت، وزارت نیرو، معاونت امور آب تهران.
3
گزارش سالیانه منابع و مصارف آب کشور، (1379)، وزارت نیرو، معاونت امور آب، تهران.
4
معماریانی، ع. (2005)، راهنمای نرم افزار تصمیم گیری فازی، تهران.
5
میرزائی، م. و همکار، (1385)، مدیریت بهم پیوسته منابع آب، نقش گستران بهار، تهران.
6
Allan, A. (2001) “Water Security Policies and Global Systems for Water-Scarce Regions”, World Bank.
7
Clausen, T. (2005) “Integrated water Resources Management and water efficiency plans”, IWRM.
8
Integrated water Resources Management, (2000), Global water partner ship, technical advisory committee (TAC), GWP, Stockholm.
9
Integrated water Resources Management for Sistan closed In Land Delta, (2005), Water Research Institute, Tehran.
10
Integrated water Resources Management for Urumia lake basin, (2003), Water Research Institulte, Tehran. IWRM, planning, Training Manual and operation Guide VNDP, (2006) Cap Net.
11
IWRM for Sustainable Use for water, 50 years of International experience with the concept of IWRM, (2004), Ministry of Agriculture Nether Lands.
12
MULINO, (2008) Siak, Giupponi, Fasio, Silsoe Research Institute, Venice, Multi sector integrated and operation, decision support for use of water resources at catchments.
13
The 2nd World Water forum, (2000), Available at www.world water forum, the Hague.
14
The 3th World Water forum, (2003), Available at www.world water forum, kyoto.
15
Water Security, (2001), UN World water development Report, WWAP, Paris.
16
World Water Assessment Program, (2001), WWAP.
17
ORIGINAL_ARTICLE
تحلیل عدم قطعیت مدل های شبکه عصبی و نروفازی در پیش بینی جریان رودخانه
پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب میگردند، همواره با مشکلاتی همراه بوده است. یکی از روشهایی که میتواند این مشکل را تا حدی کاهش دهد، تحلیل عدم قطعیت پیشبینیهای انجام شده میباشد. این تحلیلها در مدلهای آماری سابقه طولانی دارند، ولی برای مدلهای شبکه عصبی و نروفازی کمتر مورد استفاده قرار گرفته و این در شرایطی است که در سالهای اخیر به مراتب توجه بیشتری به این تکنیکها شده است. در مطالعه حاضر عدم قطعیت نتایج مدلهای شبکه عصبی و نروفازی در پیشبینی 1 تا 3 ماه آینده جریان رودخانه مورد ارزیابی قرار گرفته و منطقه مطالعاتی رودخانه صوفیچای در محل ایستگاه تازهکند در نظر گرفته شده است. نتایج نشان میدهد که مدل نروفازی از دقت بالاتر در پیشبینی و عدم قطعیت کمتری برخوردار است، اما بطور مشخص برای پرآبیها در هر دو مدل عدم قطعیت بیشتر شده که خطرپذیری (ریسک) کاربرد نتایج را افزایش میدهد.
https://www.iwrr.ir/article_15771_e2b8ad7a6a74bc768e6300d773f1d437.pdf
2010-01-21
14
27
پیش بینی جریان رودخانه
عدم قطعیت
شبکه عصبی مصنوعی
نروفازی
اشکان
فرخنیا
ashkan_farokhnia@yahoo.com
1
دانشجوی دکتری /سازه های آبی، دانشگاه تربیت مدرس
LEAD_AUTHOR
سعید
مرید
morid_sa@modares.ac.ir
2
دانشیار/گروه سازه های آبی، دانشگاه تربیت مدرس
AUTHOR
Abbaspour, K. C., Yang, J., Maximov, I., Siber, R., Bogner, K., Mieleitner, J., Zobrist, J. and Srinivasan, R. (2007), "Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT." Journal of Hydrology, 333, pp. 413-430.
1
Aqil, M., Kita, I., Yano, A. and Nishiyama, S. (2007a), "A comparative study of artificial neural networks and neuro-fuzzy in continuous modeling of the daily and hourly behaviour of runoff." Journal of Hydrology, 337, pp. 22-34.
2
Aqil, M., Kita, I., Yano, A. and Nishiyama, S. (2007b), "Analysis and prediction of flow from local source in a river basin using a Neuro-fuzzy modeling tool." Journal of Environmental Management, 85(1), pp. 215-223.
3
ASCE Task Committee on Application of Artificial Neural Networks in Hydrology. (2000a), "Artificial neural networks in hydrology. I: Preliminary concepts." Journal of Hydrologic Engineering, ASCE, 5(2), pp. 115-123.
4
ASCE Task Committee on Application of Artificial Neural Networks in Hydrology. (2000b), "Artificial neural networks in hydrology. II: Hydrologic applications." Journal of Hydrologic Engineering, ASCE, 5(2), pp. 124-137.
5
Bowden, G. J., Dandy, G. C. and Maier, H. R. (2005), "Input determination for neural network models in
6
water resources applications. Part 1—background and methodology." Journal of Hydrology, 301, pp. 75-92.
7
Chiu, S. L. (1994), "Fuzzy Model Identification Based on Cluster Estimation." Journal of Intelligent and Fuzzy Systems, 2(3), pp. 267-278.
8
Coulibaly, P., Anctil, F. and Bobee, B. (2000), "Daily reservoir inflow forecasting using artificial neural networks with stopped training approach." Journal of Hydrology, 230, pp. 244-257.
9
Cybenko, G. (1989), "Approximation by superpositions of a sigmoidal function." Mathematics of Control, Signals and System , 2(4), pp. 303-314.
10
Dibike, Y. B. and Solomatine, D. P. (2001), "River Flow Forecasting Using Artificial Neural Networks." Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 26(1), pp. 1-8.
11
Dybowski, R. (1997), "Assigning confidence intervals to neural network predictions." Technical report, Division of Infection (St Thomas’ Hospital), King’s CollegeLondon.
12
Eckhardt, K., Breuer, L. and Frede, H. G. (2003), "Parameter uncertainty and the significance of simulated land use change effects." Journal of Hydrology, 273, pp. 164-176.
13
Efron, B. and Tibshirani, R. J. (1993), An Introduction to the Bootstrap, Chapman & Hall, New York.
14
Hornik, K., Stinchcombe, M. and White, H. (1989), "Multilayer feedforward networks are universal approximators." Neural networks, 2, pp. 359-366.
15
Jang, J. S. R. and Gulley, N. (1995), The Fuzzy Logic Toolbox for Use with MATLAB, The Mathworks Inc, Natick, MA.
16
Jang, J. S. R. and Sun, C. T. (1995), "Neuro-Fuzzy Modeling and Control." Proceedings of the IEEE, 83, pp. 378-406.
17
Jang, J. S. R. (1993), "ANFIS: Adaptive-Network-Based Fuzzy Inference System." IEEE Transactions on Systems, Man, AND Cybernetics, 23(3), pp. 665-685.
18
Jang, J. S. R., Sun, C. T. and Mizutani, E. (1997), Neuro-fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice-Hall, New Jersey.
19
Kumar, D. N., Raju, K. S. and Sathish, K. (2004), "River Flow Forecasting Using Recurrent Neural Network." Water Resources Management, 18, pp. 143-161.
20
Maier, H. R. and Dandy, G. C. (2000), "Neural networks for the prediction and forecasting of water resources variables: a review of modelling issues and applications." Journal of Hydrology, 15, pp. 101-124.
21
Marce, R., Comerma, M., García, J. C. and Armengol, J. (2004), "A neuro-fuzzy modeling tool to estimate fluvial nutrient loads in watersheds under time-varying human impact." Limnology and Oceanography: Methods, 2, pp. 342-355.
22
Nayak, P. C., Sudheer, K. P., Rangan, D. M. and Ramasastri, K. S. (2004), "A neuro-fuzzy computing technique for modeling hydrological time series." Journal of Hydrology, 291, pp. 52-66.
23
Nayak, P. C., Sudheer, K. P, Rangan, D. M, and Ramasastri, K. S. (2005), "Short-term flood forecasting with a neurofuzzy model." Water Resources Research, 41, pp. 2517-2530.
24
Sajikumar, N. and Thandaveswara, B. S. (1999), "A non-linear rainfall-runoff model using an artificial neural network." Journal of Hydrology, 216, pp. 32-55.
25
Sugeno, M. and Yasukawa, T. (1993), "A fuzzy-logic based approach to qualitative modelling." IEEE Transactions on Fuzzy Systems, 1(1), pp. 7-31.
26
Tang, Z. and Fishwick, P. A. (1993), "Feedforward neural nets as models for time series forecasting." ORSA Journal on Computing, 5(4), pp. 374-385.
27
Tibshirani, R. (1994), "A Comparison of Some Error Estimates for Neural Network Models." Technical Working Paper No. 94-10, Department of Statistics, University of Toronto.
28
Valenca, M. J. S., Ludermir, T. B. and Valenca, A. C. B. (2005), "River Flow Forecasting for Reservoir Management Through Neural Networks." In: The Fifth International conference on Hybrid Intelligent Systems, Rio de Janeiro. Proceedings of HIS05. Los Alamitos: IEEE Computer Society, p. pp. 545-547.
29
Yager, R. and Filev, D. (1994), "Generation of fuzzy rules by mountain clustering." Journal of Intelligent and Fuzzy Systems, 2(3), pp. 209-219.
30
Zadeh, L. A. (1965), "Fuzzy sets." Information Control, 8(3), pp. 338-353.
31
Zealand, C. M., Burn, D. H. and Simonovic, S. P. (1999), "Short term streamflow forecasting using artificial neural network." Journal of Hydrology, 214, pp. 32-48.
32
ORIGINAL_ARTICLE
کاربرد آنالیزهای چند متغیره، اندیسهای اشباع و دیاگرامهای ترکیبی در تحلیل کیفی آبخوان آبرفتی دشت کرمان
خصوصیات شیمیایی آبخوان آب زیرزمینی دشت کرمان مورد مطالعه قرار گرفته و از نتایج آزمایشات فیزیکی و شیمیایی مربوط به 58 حلقه چاه عمیق استفاده گردیده است. در این نمونهها خصوصیات فیزیکی و شیمیایی و یونهای اصلی (Na+, K+, Ca++, Mg++, Cl-, SO4- -, HCO3-) مورد سنجش قرار گرفتهاند. روشهای مختلف شامل دیاگرامهای ترکیبی، اندیسهای اشباع و آنالیزهای چند متغیره در ارزیابی پارامترهای کیفی استفاده شده است. نتایج نشان دادهاند که رخساره هیدروشیمیایی غالب (Na, K–Cl, SO4) در ٧٣ درصد از نمونهها میباشد. اندیس اشباع از کلسیت، دولومیت، ژیپس و آراگونیت محاسبه و نشان دهنده وضعیت فوق اشباع نسبت به کلسیت و دولومیت میباشد. تحلیل خوشهای، منابع آب را در سه گروه مجزا قرار میدهد که منطبق با زمان ماندگاری آب و میزان واکنش با مواد آبخوان از هم مجزا میشوند. نتایج تحلیل عاملی نشان میدهد که 3/96 درصد از تغییرات کیفی آب توسط 5 عامل کنترل میشود. عامل اول و مهمترین عامل، انحلال هالیت موجود در آبرفتهای دشت کرمان است. انحلال ژیپس که کماکان در آبخوان اتفاق میافتد، در درجه دوم اهمیت قرار دارد.
https://www.iwrr.ir/article_15773_6e41b22a0b08a1c455de17839b7acf33.pdf
2010-01-21
28
38
آبزیرزمینی
آنالیز چند متغیره
هیدروژئوشیمی
اندیس اشباع
محسن
رضایی
m_rezaei@tmu.ac.ir
1
استادیار /گروه زمینشناسی دانشگاه تربیت معلم تهران، تهران، ایران
LEAD_AUTHOR
Back, W. (1966), Hydrochemical facies and ground-water flow patterns in northern part of Atlantic Coastal Plain. U.S. Geological Survey Professional Paper 498-A
1
Beatriz, A.H., Vega, M., Barrado, E., Pardo, R. and Fernandez, L. (1998), A case study of hydrochemical characteristics of an alluvium aquifer influenced by human activities, Air, water and Soil pollution Bulletin.
2
Cloutier, V. (2004), Origin and geochemical evolution of groundwater in the Paleozoic Basses-Laurentides sedimentary rock aquifer system, St. Lawrence Lowlands, Québec, Canada. PhD Thesis, INRS-Eau, Terre & Environnement, Québec, Canada [in French and English]
3
Dalton, M.G. and Upchurch, S.B. (1978), Interpretation of hydrochemical facies by factor analysis, Groundwater, V. 16, pp. 228-233
4
Dawdy, D.R., Feth, J.H. (1967), Application of factor analysis in steady of chemistry of groundwater quality, Mojaveriver Vally, California, Water Resour. Res.3(2), pp. 505-510.
5
Freeze, R.A. and Cherry, J.A. (1979), Groundwater, Prentice-Hall, Inc., Englewood Cliffs, New Jersey
6
Gosselin, D.C., Harvey, F.E. and Frost, C.D. (2001), Geochemical evolution of ground water in the Great Plains aquifer of Nebraska: Implications for the management of a regional aquifer system. GroundWater 39(1): pp. 98–108.
7
Hem, J.D. (1985), Study and interpretation of the chemical characteristics of natural water. U.S. Geological Survey Water-Supply Paper 2254, Third Edition.
8
Hendry, M.J. and Schwartz, F.W. (1990), The chemical evolution of ground water in the Milk River Aquifer, Canada. Ground Water 28(2): pp. 253–261.
9
Hitchon, B., Billing, G.K. and Kolvan, J.E. (1971), Geochemistry and origin of formation waters in the western Canada sedimentary basin, III. Factor controlling chemical composition, Geochem. Cosmochem. Acta, 35, pp. 567-598.
10
Jankowski, J., Shekarforosh, S. and Acworth, R.I. (1998), Reverse ion exchange in a deeply weathered prophyritic dacit fractured aquifer system, Yass, New South Wales, Australia, In Arehord G.B. & Hulston R. (eds.) Proceeding of 9th International Symposium on Water Rock Interaction, Taupo, New Zealand, Rotterdam: Balkema, pp. 243-246.
11
Jeong, C. (2001), Mineral-water interaction and hydrogeochemistry in the Samkwang mine area, Korea. Geochemical Journal, Vol. 35, pp. 1-12
12
Ken W. F. Howard. and Mullings, E. (1996), Hydrochemical Analysis of Ground-Water Flow and Saline Incursion in the Clarendon Basin, Jamaica, Groundwater, 34(6), pp. 801-810.
13
Lawrence, F.W. and Upchurch, S.B. (1982), Identification of water recharge areas using geochemical factor analysis, Groundwater, 20(6), pp. 680-687.
14
Liu, C.W., Lin, K.H. and Kuo, Y.M. (2003), Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan, The Science of Total Environment, V.313, pp.77-89.
15
Marie, A. and Vengosh, A. (2001), Sources of salinity in groundwater from Jericho area, Jordan Vally, Grounwater, 39(2), pp. 240-248.
16
Nordstrom, D. K., Ball, J.W., Donahoe, R.J. and Whittemore, D. (1989), Groundwater chemistry and water-rock interaction at Stripa. Geochem. Cosmochem. Acta. 53, pp. 1727-1740.
17
Parkhurst, D.L., Appelo, C.A.J. (1999), User's guide to PHREEQC (version 2)—A computer program for speciation, batch-reaction, one-dimensional transport, and inverse geochemical calculations. U.S. Geological Survey, Water-Resources Investigations Report 99–4259
18
Piper, A.M. (1944), A graphic procedure in the geochemical interpretation of water-analyses. American Geophysical Union. Papers, Hydrology, pp. 914–923
19
Reghunath, R., Murthy, T.R.S. and Raghvan, B.R. (2002), The utility of multivariate statistical techniques in hydrogeochemical studies: an example from Karnataka, India, Water Research, Vol. 36., pp. 2437-2442.
20
Stober, I. and Bucher, K. (1999), Deep groundwater in the crystalline basement of the Balck Forest region, Applied Geochemistry, 14, pp. 237-254.
21
Subbarao, C., Subbarao, N.V. and Chandu, S.N. (1996), Characterization of groundwater contamination using factor analysis, Environmental Geology, V.28 No. 4, pp. 175-180.
22
Usunoff, E.J. and Guzman-Guzman, A. (1989), Multivariate analysis in hydrochemistry: An example of the use factor and correspondence analysis. Groundwater, 27, pp. 27-34.
23
ORIGINAL_ARTICLE
تخمین رطوبت خاک سطحی با استفاده از تصاویر ماهوارهای و پارامترهای هواشناسی در مراتع مناطق خشک و نیمه خشک
رطوبت خاک و تغییرات زمانی و مکانی آن یکی از اجزاء بسیار مهم مدلهای اقلیمی، اکولوژیکی و هیدرولوژیکی است. ارائه نمای جامع و یکنواخت از نواحی مختلف زمین، تصویربرداری مکرر از مناطق وسیع و غیرقابل دسترس، به همراه اطلاعات با فواصل زمانی منظم از ویژگیهای مهم سیستمهای سنجش از دور میباشد. پوشش گیاهی مرتعی در مناطق خشک و نیمه خشک تحت تأثیر رطوبت خاک میباشد، بنابراین میتوان از شاخصهای پوشش گیاهی حاصل از تصاویر ماهوارهای جهت مطالعۀ مقدار رطوبت خاک استفاده نمود. این تحقیق رابطه رطوبت خاک به دست آمده از اندازهگیریهای میدانی و NDVIهای همزمان و تأخیری حاصل از تصاویر سنجندۀ مودیس را با بهرهگیری از دادههای روزانۀ هواشناسی در فصل رشد (فروردین- مرداد) گیاهان مرتعی استان خراسان، در سالهای آماری 2003- 2005 توسط مدلهای رگرسیون خطی مورد مطالعه قرار داده است. نتایج، همبستگی متوسطی را بین رطوبت لایه سطحی خاک و NDVIهای همزمان و تأخیری در طول فصل رشد نشان دادند. بهترین همبستگی بین رطوبت لایه سطحی خاک و NDVI تأخیری 15روزه به دست آمد. با درنظر گرفتن عامل باد و تبخیر تجمعی مدلهای بهتری برای تخمین رطوبت لایۀ سطحی خاک در محدودۀ زمانی و مکانی تحقیق ارائه شده است.
https://www.iwrr.ir/article_15774_b146af424fd0b32bb67883b572b32ba5.pdf
2010-01-21
39
47
رطوبت خاک
NDVI
MODIS
سنجش از دور
استان خراسان
سید محمودرضا
بهبهانی
behbahani@ut.ac.ir
1
دانشیار /پردیس ابوریحان، دانشگاه تهران
LEAD_AUTHOR
الناز
نوروزی اقدم
el_noroozi@yahoo.com.
2
دانشجوی دکتری /آبیاری و زهکشی، دانشگاه آزاد اسلامی- واحد علوم و تحقیقات تهران
AUTHOR
علی
رحیمی خوب
akhob@ut.ac.ir
3
استادیار /پردیس ابوریحان، دانشگاه تهران
AUTHOR
حسین
عقیقی
4
کارشناس ارشد/ سازمان فضایی ایران
AUTHOR
بای بوردی، م. (1380)، اصول مهندسی آبیاری، روابط آب و خاک، جلد اول، انتشارات دانشگاه تهران. 709ص.
1
بداق جمالی، ج.، احمدیان، ج.، جوانمرد، س.، گلمکانی، ت. و ملکیزاده، ص. (1377)، ضرورت پایش وضعیت رطوبت خاک در افزایش بهرهوری آب کشاورزی"، یازدهمین همایش کمیته ملی آبیاری و زهکشی ایران: صص. 376-390.
2
بهبهانی، س. م. (1380)، هیدرولوژی آبهای سطحی، انتشارات دانشگاه تهران: 485ص.
3
Adegok, J. O. and Carleton, A. M. (2002), Relations between Soil Moisture and Satellite Vegetation Indices in the U.S. Corn Belt. American Meteorological Society, vol.3: pp. 395-405.
4
Farrar, T. J., Nicholson, S. E. and Lare, A. R. (1994), The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana. II. NDVI response to soil moisture. Remote Sensing of Environment, 50: pp. 121-133.
5
Kogan, F. N. (2000), Contribution of remote sensing to drought early warning In D.A. Wilhite, & D.A. Wood(Eds), Early warning systems for drought preparedness and drought management (PP. 75-87). Geneva: Word Meteorogical Organization.
6
Legates, D. R. (2000), remote sensing hydro climatology: An introduction. The professional Geographer, 52, pp. 233-234.
7
Metternicht, G. I. and Zinck, J. A. (1996), Modeling salining-alkalinity classes for mapping salt-affected topsoils in the semi-arid valleys of Cochabama (Bolivia). ITC Journal 2, pp. 125-135.
8
Nicholson, S. E. and Farrar, T. J. (1994), The influence of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid. Botswana: I. NDVI response to rainfall. Remote Sensing of Environment, 50, pp. 107– 120.
9
Rouse, J. W., Haas, R. H., Schell, J. A. and Deering, D. W. (1973), 'Monitoring vegetation systems in the Great Plains with ERTS', Third ERTS Symposium, NASA SP-351 I, pp. 309-317.
10
Sandholt, I., Rasmussen, K. and Andersen, J. (2002), A simple interpretation of the surface temperature /vegetation index space for assessment of surface moisture. Remote Sensing of Environment, 79: pp. 213-224.
11
Simpson, J. and Still, J. (1998), A procedure for the detection and removal of coud shadow from AVHRR data over land, IEEE transaction on geoscince and remote sensing 36(3), pp. 880-897.
12
Townshend, J.R.G. (1994), Global data sets for land opplication from the Advanced Very High Resolution Radiometer. International Journal of Remote Sensing, 15(17): pp. 3319-3332.
13
Tucker, C.J. (1996), History of the use of AVHRR data for land applications. In: G. D'Souza, A. S. Selward and J-P. Malingreau, Editors, Advances in use of NOAA AVHRR data for land applications, Kluwer Academic Publishers, Dordrecht: pp. 1-19.
14
Wang, J. (2000), Relations between productivity, climate, and Normalized Difference Vegetation Index in the central Great Plains. Lawrence: University of Kansas (PhD dissertation).
15
Wang, J., Price, K. P. and Rich, P. M. (2001), Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains. International Journal of Remote Sensing, 22, pp. 3827– 3844.
16
Wang, X. (2005), Relation between ground- based soil moisture and satellite image – based NDVI.
17
Wigneron, J.P., Schmugge, T., Chanzy, A., Calvet, J.C. and KERR, Y. (1998), Use of passive microwave remote sensing to monitor soil moisture a review. Agronomie: Agriculture and Environment 18: pp. 27-43.
18
Wilson, D., Western, A.W. et al. (2003), Spatial distribution of soil moisture over 6 and 30cm depth, Machurangi river catchment, New Zealand. Journal of Hydrology, 276: pp. 254-274.
19
ORIGINAL_ARTICLE
تحلیل عددی جریان در تبدیلها با استفاده از شبکه تطبیقی
در این تحقیق معادلات دو بعدی متوسط گرفته شده در آبهای کم عمق در تبدیلها با استفاده از روشهای عددی مککورمک و لاکس وندروف دو گامی در یک شبکه ثابت حل می شود. آنگاه برای افزایش دقت جوابها در روش مک کورمک، شبکه ثابت در هر گام زمانی به یک شبکه متحرک، با استفاده از تکنیک سرعت گرهی تبدیل میگردد. این کار اصطلاحاً "روش تطبیق شبکه" نامیده میشود و در آن گرهها در جاهایی که مشخصات جریان نظیر عمق و سرعت بهشدت تغییر میکنند به یکدیگر نزدیک میشوند. در این مقاله راهکار جدیدی به منظور جلوگیری از تمرکز بیش از اندازه گرهها پیشنهاد شده است. با استفاده از این راهکار، زمان محاسبات کاهش پیدا میکند. برای ارزیابی صحت جوابهای عددی، آزمایشاتی در یک تبدیل تنگ شونده انجام شد. ملاحظه میشود که روش مک کورمک همراه با راهکار جدید سازگاری بیشتری با نتایج آزمایشگاهی دارد.
https://www.iwrr.ir/article_15775_21c677b1275141338a2bf1c5327e1dc3.pdf
2010-01-21
48
55
تبدیلها
شبکه تطبیقی
روش مک کورمک
محمدرضا
جعفرزاده
jafarzad@um.ac.ir
1
دانشیار /گروه عمران، دانشگاه فردوسی مشهد
LEAD_AUTHOR
ابراهیم
علامتیان
alamatian@stu-mail.um.ac.ir
2
دانشجوی دکتری عمران/ دانشگاه فردوسی مشهد ـ عضو هیات علمی موسسه آموزش عالی خاوران
AUTHOR
Anderson, D. A., Tannehill, J. D. and Pletcher, R. H. (1984), "Computational Fluid Mechanics and Heat Transfer."McGraw-Hill, New York.
1
Bhallamudi, S. M. and Chaudhry, M. H. (1992), "Computation of Flow in Open-Channel Transitions." Journal of Hydraulic. Research., IAHR. Vol. 30, pp. 77-93.
2
Hindman, R. G. and Spencer, F. (1983), "Higher-Level Simulations of Turbulent Flow." Hemisphere, New York, pp. 93-182.
3
Hinds, J. (1928), "The Hydraulic Design of Flume and Syphon Transition." Transactions, ASCE, Vol. 92, pp. 1423-1459.
4
Jameson, A., Schmidt, W. and Turkel, E. (1981), "Numerical Solutions of the Eluer Equations by Finite Volume Methods Using Runge-Kutta Time-Stepping Schemes." AIAA 14th Fluid and Plasma Dynamics Conference, Palo alto, California, AIAA.
5
Krüger, S. M. and Rutschmann, P. (2006), "Modeling 3D Supercritical Flow With Extended Shallow-Water Approach." Journal of Hydraulic Engineering, Vol. 139, pp. 916-926.
6
Ming, H., Tung, H. and Tsang, J. (2004), "Optimal Channel Contraction for Supercritical Flows." Journal of Hydraulic Research. IAHR. Vol. 42, pp. 639–644.
7
Rahman, M. and Chaudhry, M. H. (1997), "Computation of Flow in Open-Channel Transitions." Journal of Hydraulic Research. Vol. 35, pp. 242-256.
8
Rai, M. M. and Anderson, D. A. (1982), "Grid Evolution in Time Asymptotic Problems." Journal of Computational Physics. Vol. 43, pp. 327-344.
9
Rouse, H., Bhoota, B. V. and Hsu, E. V. (1951), "Design of Channels Expansions." Symposium on High-Velocity Flow in Open Channels, Transactions, ASCE, Vol. 116, pp. 363-374.
10
Swamee, P. K. and Basak, B. C. (1992), "Comprehensive Open Channel Expansion Transitions Design." Journal of Irrigation and Drainage Eng. Vol. 119, pp. 1-17.
11
Zoppou, C., Roberts, S. (2003), "Explicit Schemes for Dam-Break Simulations." Journal of Hydraulic Engineering, Vol. 129, pp. 11-34.
12
ORIGINAL_ARTICLE
قوانین حفاظت کیفی منابع آب کارست
منابع آب با منشاء کارستی یکی از مهمترین منابع آبی کشور محسوب میشود. پدیدههای کارستی در بخشهای مختلف کشور بالاخص در مناطق زاگرس، البرز و به صورت محدود در نواحی مرکزی، شرایط مناسبی را در شکلگیری مخازن آب زیرزمینی فراهم نموده است که در تامین شرب شهرها نقش برجستهای دارد. حفاظت از این منابع یکی از اقدامات مهم در چرخه مدیرت منابع آب به شمار میآید. در این گزارش براساس مشخصات سازندهای سخت و ضخامت لایههای زمینشناسی، شدت آسیبپذیری چهار منطقه حفاظتی پیشنهاد شده است. همچنین با توجه به مراحل توسعه پدیده کارست و هدایت هیدرولیکی، شعاع حفاظتی برای هر منطقه نیز محاسبه و نهایتاً معیار حفاظتی ارائه گردیده است.
https://www.iwrr.ir/article_15776_a27acaa2a08ac74af105ce63bb2f6e2c.pdf
2010-01-21
56
58
منابع آب
کارست
قوانین
حفاظت
آلودگی
ناصر
رستم افشار
nrafshar@pwut.ac.ir
1
عضو هیأت علمی /دانشگاه صنعت آب و برق (شهید عباسپور)
LEAD_AUTHOR
هاشم
کاظمی
2
کارشناس /دفتر حفاظت و بهرهبرداری آبهای زیرزمینی شرکت مدیریت منابع آب ایران
AUTHOR
فریده
نوبهار
3
مدیریت دفتر /تحقیقات و مدیریت مصرف شرکت آب و فاضلاب استان تهران
AUTHOR
آغاسی، ع. (1378)، «هیدروئولوژی کارست»، سازمان مدیریت منابع آب ایران.
1
رستم افشار، ن.، کاظمی، ه.، نوبهار، ف. و خورسندی، (1384)، «قوانین حفاظت کیفی منابع آب کارست»، سازمان مدیریت منابع آب ایران.
2
کاظمی، ه. و آغاسی، ع. (1373)، «بررسی و مطالعه مغزههای (cores) حاصل از سازندۀ کربناته جهرم- آسماری درحوضه کارست مهارلو»، پایاننامه کارشناسی ارشد، دانشگاه خواجهنصیرالدین طوسی.
3
نوبهار، ف.، رستم افشار، ن. و کاظمی، ه. (1378)، «مدیریت حفاظت کیفی منابع آب کارست در ایران» پایاننامه کارشناسی ارشد، مؤسسه تحقیقات و آموزش مدیریت.
4
European Commission Carst action, (1995) "Hydrogeological aspects of Groundwater protection in karstic areas".
5
ORIGINAL_ARTICLE
بررسی اهمیت تیپ رگبار و گیرش اولیه در تعیین دبی اوج سیلاب
با توجه به اینکه اغلب حوضههای آبریز فاقد آمار و اطلاعات با کفایت لازم هستند، شبیه سازی بارش- رواناب منطقه شمال نیشابور در سیستم هیدرولوژیک با الگوریتمهای مدل HEC-HMS پایه ریزی شد. الگوریتم انتخابی در مدل مذکور، روش SCS(CN) می باشد. شماره منحنی حوضه برای شرایط متوسط بر اساس اطلاعات پوشش گیاهی، کاربری اراضی، گروههای هیدرولوژیک خاک و جدول SCS محاسبه شد. روندیابی موج سیل نیز در بازههای مورد نیاز از روش روند تأخیر صورت گرفت. در این تحقیق جهت بررسی اهمیت تیپ رگبار در تخمین دبی اوج سیلاب در کنار ضرایب مختلف گیرش اولیه (2/0 و 05/0 )، سه ایستگاه هیدرومتری عشق آباد، دیزبادعلیا و زرنده با پراکنش منطقی در شمال نیشابور انتخاب گردیدند. نتایج حاکی از آن است که کاربرد روش SCS(CN) در منطقه شمال نیشابور با رگبار تیپ IV و گیرش اولیه 2/0 دارای کمترین درصد خطا میباشد. همچنین استفاده از نسبت جذب اولیه 05/0 به جای 2/0 که توسط وودوارد و همکاران (2003) توصیه شده، در منطقه شمال نیشابور مناسب نمیباشد. بطور کلی نتایج تحقیق نشان میدهند که تنها 53 درصد از دبیهای اوج تخمینی (از 15 مشاهده) در دامنه قابل قبول از دبی اوج مبنا قرار دارند. لذا روش مذکور را بدون عمل بهینه سازی و/یا فرایند منطقهای نمودن برای حوضه مورد مطالعه توصیه نمیشود.
https://www.iwrr.ir/article_15777_7acf4e632e104da10d9d853d5857fa09.pdf
2010-01-21
59
63
تیپ رگبار
گیرش اولیه
دبی سیلاب
شبیه سازی
حوضه آبریز نیشابور
فرهاد
دلیری
f_daliri@yahoo.com.
1
مدرس /دانشکده عمران دانشگاه علمی-کاربردی و عضو کمیته فنی شرکت مهندسی مشاور مهاب قدس
LEAD_AUTHOR
مجید
خلقی
kholghi@ut.ac.ir
2
دانشیار /گروه مهندسی آبیاری و آبادانی دانشگاه تهران
AUTHOR
دلیری، ف. (1379)، "مطالعات هیدرولوژی و منابع آب حوضه آبخیز وشته- زیدشت منطقه طالقان"، پروژه کارشناسی دانشکده منابع طبیعی دانشگاه تهران، 85 ص.
1
مهدوی، م. (1381)، "هیدرولوژی کاربردی" جلد اول، دانشگاه تهران، چاپ چهارم. 364 ص.
2
مهدوی، م. (1381)، "هیدرولوژی کاربردی" جلد دوم، دانشگاه تهران، چاپ سوم. 441 ص.
3
نجمایی، م. (1369)، "هیدرولوژی مهندسی"، جلد دوم، دانشگاه علم و صنعت، چاپ دوم. 608 ص.
4
یزدانی، م.، مهدوی، م. و حسینی چگینی، ا. (1380)، "تعیین دبی حداکثر سیلاب با استفاده از روش ترسیمی SCS در حوضههای آبخیز کوچک" مجله منابع طبیعی ایران، 54 (4): صص. 355-368.
5
Bales, J. and Betson, R. P. (1981), "The Curve Number as a Hydrologic Index", Proceeding International Symposium on Rainfall–Runoff Modeling, Mississippi State University, pp. 371-386.
6
Daliri, F., Kholghi, M. and S. Seraji. H. (2009), "Importance Storm Type and Initial Loss In Flood Modeling," Proceeding of the 1th International Conference of Water Crisis, Univ of Zabol.
7
Woodward, D.E., Hawkins, R.H. and Jiang, R. (2003), "Runoff curve Number Method: Examination of the Initial Abstraction ratio" Proceeding of the World Water & Environmental Resources Congress and Related Symposia.
8
ORIGINAL_ARTICLE
شبیه سازی عددی جریان در حوضچه آرامش (مطالعه موردی سد تالوار)
تحلیل جریان عبوری از روی سرریزسد و حوضچه آرامش توسط مدلهای فیزیکی زمانبر بوده و هزینه زیادی در بر خواهد داشت. با پیشرفت چشمگیر در توسعه روشهای عددی یا دینامیک محاسباتی (CFD) در سالهای اخیر، استفاده از مدلهای ریاضی و حل عددی معادلات جریان کاربردیتر و باصرفهتر میگردد. در این مقاله شبیه سازی عددی جریان و پرش هیدرولیکی داخل حوضچه آرامش سرریز سد و بررسی اثر دبی بر میدان جریان و توزیع فشار داخل حوضچه آرامش به کمک نرم افزار Flow–3D ارائه شده است. در این مقاله از مدل آشفتگی k– e استفاده شده و روش VOF برای تعیین پروفیل سطح آزاد جریان به کار گرفته شده است. نتایج مدلسازی پرش هیدرولیکی در حوضچه آرامش به کمک این نرم افزار تطابق مناسبی با نتایج فیزیکی (مدل فیزیکی ساخته شده با مقیاس1:45 برای سرریز سد تالوار در استان زنجان) دارند. همچنین میتوان هندسه حوضچه و موانع داخل آن را با استفاده از امکانات این نرم افزار به حالت بهینه طراحی کرد. نتایج این تحقیق با منحنیهای طراحی USBR نیز تطابق خوبی نشان میدهند.
https://www.iwrr.ir/article_15778_f00a27a802605c881d75ced3bd7a420c.pdf
2010-01-21
59
63
FLOW–3 D
حوضچه آرامش
پرش هیدرولیکی
جریان
روش عددی
سیدمحمد
حسینی سهی
1
کارشناس ارشد /مهندسی عمران – آب، دانشگاه تربیت مدرس
LEAD_AUTHOR
سیدعلی اکبر
صالحی نیشابوری
salehi@modares.ac.ir
2
استاد /سازه های هیدرولیکی، دانشگاه تربیت مدرس
AUTHOR
ابریشمی، ج. و حسینی، س. م. (1372)، هیدرولیک کانالهای باز، نشر مشهد.
1
مطلبیزاده، م. ر. (1377)، تحلیل جریان دو بعدی روی سرریزهای آزاد، پایان نامه کارشناسی ارشد مهندسی عمران- آب، دانشگاه تربیت مدرس.
2
صالحی نیشابوری، ع. ا. و تقدیسیان، س. م. (1376)، جریان کانالهای باز، انتشارات جزیل.
3
Burce M., Savage M. and Johnson C. (2001), "Flow over ogee spillway, physical and numerical model case study", J. Hyd. Eng., ASCE. 127 (8), pp. 640- 649.
4
Mohaparta P.K., Eswaran V. and Bhallamudi S.M. (1999), "Two-dimensional analysis of dam-break flow in vertical plane", J. Hyd. Eng., ASCE., 125 (2), pp. 183- 192.
5
Unami, K., Kawachi, T., Munir Babar, M. and Itagaki, H. (1999), "Two–dimensional numerical model of spillway flow", J. Hyd. Eng., ASCE, 125 (4), pp. 369 – 375.
6
U.s. Bureau of Reclamation, (1977), Design of small dams, U.s. Government Printing Office, Washington D.C.
7