Article

بررسی اثر پوشش جنگلی در حفظ آب و کاهش رواناب با استفاده از شبیه سازی بارش- رواناب (مطالعه موردی: حوضه آبخیز بازفت، استان چهارمحال و بختیاری)

Abstract

حفظ و نگهداشت آب و جلوگیری از هدررفت آن، از مهمترین کارکردهای اکوسیستم های جنگلی است که به سبب کاهش حوادثی مانند سیل و خشکسالی، جایگاه مهمی در تأمین رفاه و نیازهای بشر دارد. به منظور بررسی تأثیر پوشش جنگلی بر کاهش رواناب، ابتدا نقشه واحدهای همگن براساس کاربری، پوشش گیاهی و گروه های هیدرولوژیک تهیه و در هر واحد شماره منحنی تعیین گردید. سپس مشخصه های زمان تأخیر و زمان تمرکز حوضه محاسبه و بعد اطلاعات محاسبه شده وارد مدل hec-hms 3.0.1 گردیده و مدل برای شش رویداد بارش اجرا شد. برای نشان دادن اثر پوشش جنگلی بر رواناب، چهار سناریو برای آینده حوضه پیش بینی شد و مدل برای هر سناریو مجدداً اجرا گردید. نتایج نشان داد که با افزایش سطح جنگلها در منطقه (سناریو یک)، مقادیر مربوط به تلفات اولیه و زمان تأخیر حوضه افزایش و شماره منحنی متوسط وزنی حوضه کاهش و به دنبال آن دبی پیک سیلاب کاهش می یابد که نشان دهنده تأثیر پوشش درختی در جلوگیری از هدررفت آب و نگهداری آن در خاک است. همچنین با افزایش سطح جنگلهای منطقه، به طور متوسط در هر واقعه سیل، 7/2 میلیون مترمکعب آب به جای هرز رفتن، در خاک نفوذ می کند.

Similar items

  • مقایسه مدل های آریما و تخمین موضعی غیر خطی در شبیه سازی رواناب؛ مطالعه موردی:حوضه صوفی چای

    Article2024دانش آب و خاکرسول جانی

    فرآیند رواناب به عنوان یکی از مهمترین فرآیندهای هیدرولوژیک از اهمیت خاصی برخوردار است. در مطالعۀ این فرآیند مدل‌های متعدد ریاضی،تصادفی، آماری، مفهومی، هوشمند و مبتنی بر دینامیک غیرخطی مورد استفاده قرار گرفته است. در این تحقیق رواناب حوضه صوفی‌چای در محل ورود به سد علویان مورد مطا

  • مقایسه دو مدل بارش- رواناب برای شبیه سازی جریان (مطالعه موردی: حوزه آبریز رودخانه دویرج در استان ایلام)

    Article2016مرتع و آبخیزداریحاجی کریمی، حیدر ابراهیمی، علیرضا مقدم نیا

    بیه­سازی رواناب در یک حوزه آبخیز، درک و فهم فرآیندهای مؤثر بر تولید رواناب و ویژگی­های جریان رودخانه مانند تغییرپذیری مکانی و زمانی آن را فراهم می­کند. این بینش به مدیران و برنامه­ریزان در تصمیم‌گیری‌های آگاهانه در مدیریت و برنامه­ریزی منابع آب کمک می­نماید. هدف از این پژوهش مقای

  • شبیه سازی بارش – رواناب با استفاده از تئوری سیستم گری (مطالعه موردی: حوضه آبریز لیقوان)

    Article2014دانش آب و خاکرضا مکاریان، احمد فاخری فرد، محمد علی قربانی

    تئوری سیستم گری در پیش بینی وقایعی که دارای آمار مشاهداتی کمتری است با توجه به پایه ریاضی مدل، ایفای نقش می کند و در هیدرولوژی مشکل کمبود سابقه آماری داده ها را مرتفع می سازد. شبیه سازی فرآیند بارش – رواناب در این تحقیق با بهره گرفتن از تئوری سیستم گری به کمک نرم افزارmathematica

  • شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)

    Articleجغرافیا و برنامه ریزی محیطیفخری سادات فاطمی نیا، دانشگاه اصفهان سید محمد حسینی، دانشگاه اصفهان جواد خوشحال دستجردی، دانشگاه اصفهان

    سیل، یکی از پدیده های ویرانگر طبیعی است که پیش بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(mlp)، قانون یادگیری پس انتشار خطا(bp)، الگوریتم لونبرگ- مارکوارت(lm)

  • شبیه سازی بارش – رواناب حوضه قره سو با استفاده از مدل swat

    Articleعلوم و تکنولوژی محیط زیستمحمد رضا گودرزی، استادیار گروه عمران، دانشکده فنی مهندسی، دانشگاه آیت ا.. بروجردی (ره)، لرستان، ایران باقر ذهبیون، استادیار دانشکده عمران، دانشگاه علم و صنعت، تهران، ایران. علیرضا مساح بوانی، استادیار دانشکده مهندسی آب، پردیس ابوریحان، دانشگاه تهران، تهران، ایران.

    زمینه و هدف: شبیه سازی بارش–رواناب در بسیاری از مطالعات هیدرولوژی، از جمله بررسی اثر تغییر اقلیم بر جریان رودخانه، پیش بینی سیلاب و برنامه ریزی منابع آب از اهمیت ویژه ای برخوردار است. مدل swat[1] برای شبیه سازی انتقال جریان، رسوب و متغیرهای کیفی (فسفر و نیتروژن و ...) در حوضه های

  • شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)

    Article2013جغرافیا و برنامه ریزی محیطیفخری سادات فاطمی نیا، سید محمد حسینی، جواد خوشحال دستجردی

    سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM)