مدل‌سازی رابطه میزان رسوبات معلق و ویژگی‌های هیدرولوژیکی و محیطی حوضه (مطالعه موردی: حوضه سد دز)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 چهار محال و بختیاری - شهرکرد - کیلومتر 2 جاده سامان. دانشگاه دولتی شهرکرد. دانشکده کشاورزی-

2 دانشگاه شهرکرد

چکیده

تجزیه و تحلیل منطقه‌ای بار رسوب رودخانه‌ها بخصوص در مناطق خشک و نیمه خشک و ارتباط آن به خصوصیات حوضه‌های آبخیز در برآورد میزان فرسایش و رسوب از اهمیت بسزایی برخوردار است. لذا هدف از مطالعه حاضر مدل‏سازی رابطه‌ی بین میزان بار رسوب معلق با ویژگی‌های هیدرولوژیکی و محیط حوضه سد دز است. برای این منظور از اطلاعات 16 ایستگاه رسوب‌سنجی برای توسعه مدل‌های برآورد رسوبات معلق استفاده شد. سپس مدل‌های توسعه یافته با اطلاعات 6 ایستگاه رسوب‌سنجی دیگر اعتبارسنجی شد. پانزده ویژگی مختلف فیزیوگرافی، اقلیمی، هیدرولوژیکی و زمین‌شناسی به عنوان پارامترهای ورودی در مدل‏سازی برآورد رسوبات معلق استفاده شد. از روش تجزیه به مولفه‌های اصلی (PCA) برای انتخاب مهمترین پارامترها استفاده شد. سپس ایستگاه‌ها بر اساس پارامترهای انتخاب شده و با استفاده از روش تجزیه و تحلیل خوشه‏ای به دو گروه همگن تقسیم شدند. در نهایت مدل‌ها با استفاده از روش رگرسیون چندمتغیره گام به گام توسعه یافتند. از معیارهایR2، درصد خطا (RE) و میانگین خطا (ME) برای ارزیابی مدل‌ها استفاده شد. نتایج نشان داد چهار عامل دبی سالانه، متوسط بارندگی سالانه، ضریب هورتون و ارتفاع متوسط حوضه مهمترین پارمترها در برآورد رسوبات معلق بودند و مدل‌های رگرسیونی بر اساس این عوامل ایجاد شدند. نتایج ارزیابی مدل‌ها نشان داد که مدل توسعه یافته با استفاده از همه چهار عامل با 8% = RE،t ya-1 25375 = MEو 93/0 = R2 بهترین کارآیی و کمترین درصد خطای برآورد را داشت. نتایچ همچنین نشان داد که دبی سالانه تاثیرگذارترین پارامتر در مدل‌های برآورد رسوبات معلق بود.  

کلیدواژه‌ها


عنوان مقاله [English]

Modeling the relationship between suspended sediments and hydrological and environmental characteristics of a basin (case study: basin of Dez Dam)

نویسندگان [English]

  • Afshin Honarbakhsh 1
  • ali Niazi
  • said soltani 2
  • pejman tahmasebi 2
2 Sharekord univerist
چکیده [English]

Introduction
Soil erosion and sedimentation are one of the most important environmental , agricultural issues and food production in the world. Soils that are eroded by runoff rain drops are transported to the rivers and released from the catchment areas. Therefore, regional analysis of the sediment load of rivers, especially in arid and semi-arid regions, and its relation to the characteristics of watersheds is very important in estimating the amount of erosion and sediment. Dez Dam Basin is one of the important catchments of the western part of the country in terms of water, energy and agricultural production. Dez river collecting runoff from vast areas of Lorestan, Isfahan, Khuzestan, Chaharmahal Bakhtiari and central provinces, and after watering it into the plains of its route to the Karoon River. The lack of sufficient number of sedimentation stations and the limitation of the number of statistical years as well as the low number of flood sampling during the outbreak of the Dez river indicate the importance of this study in modeling the suspended sediment estimation in the Dez dam basin. Therefore, the aim of this study is to model the relationship between the amount of suspended sediment load with hydrological characteristics and the environment of the dam dam.
Matarials and methods
The catchment area of the Dez River in the middle Zagros Mountains and between the geographic coordinates is 17 ° 31 and 15 ° 34, the northern latitudes are 17 ° 48 and 50 ° 50, respectively. The watershed of the Dez River is considered to be part of the Persian Gulf watershed for the general classification of the watersheds of Iran. The dominant climate in the study area is warm, dry and semi-arid soils. The average annual rainfall of the basin is 670.5 mm. The annual temperature varies from 6.7 to 24.4 degrees Celsius. The Dez River is more than 500 km long in the main drainage of the Dez Basin. For this purpose, 22 sedimentation stations were selected at the upstream of the Dez dam. 16 stations were used to develop suspended sediment estimation models. Then the developed models were validated with the information of 6 other sediment stations. Based on the suggestions of past studies, 15 different physiographic, climatic and hydrological features were considered as input parameters in modeling estimation of suspended sediments. Height, area and basin environment were obtained from maps of 1: 25000 scale with the use of ArcGis9.3 software. The average slope of the watercourses and basins was extracted from the DEM map. The average annual precipitation and average rainfall of rainy and floody days of the year included Azar, Di, Bahman, Esfand, Farvardin and May. Principal Component Analysis (PCA) was used to select the most important parameters. The stations were then divided into two homogeneous groups based on the selected parameters and cluster analysis. Finally, the models were developed step by step using the multivariate regression method. R2, error rate (RE) and mean error (ME) were used to evaluate the models.
Result and discussion
The results showed that the sub-basin of the Takht-Dareh valley with an average of 1256 tons per year is the lowest and the tele-alarm-dose basin has the highest suspended sediment with 8800919 tons per year. Based on the results of the analysis of the main components, four factors of annual discharge with a weight of 94, average annual rainfall with a weight of 88, Horton coefficient with a weight of 90/0 and average height of the basin with a weight of 0.93, the most important parameters Estimates of sediment were suspended. According to the effective factors, sub-basin groups were grouped using cluster analysis. According to the cluster composition at 25, sub-basins were classified into two homogeneous groups. Suspended sediment estimation models were developed based on four factors and using stepwise stepwise multivariable regression method. All developed models in the homogeneous region 1 have more R2 coefficients than those developed in homogeneous region 2. The results of the evaluation of the models showed that the developed model using the four factors with 8% = RE, t ME= 25375 t ya-1, and R2 = 0.93 had the best performance and the least percentage of estimated error. The results also showed that Dubai was the most influential parameter on suspended sediment estimation models annually.
Conclusion
The purpose of this study was to model the relationship between the environmental characteristics of the Dez dam basin and the amount of sediment suspended in this river basin using stepwise multivariate regression method. The results also showed that the regression model derived from all four factors of annual discharge, average height of the basin, horton coefficient and mean rainfall, with the highest determination coefficient (R2 = 0.93), the lowest error (RE = 8%) and the lowest mean error (ME=125375 t ya-1) has a very good performance in estimating suspended sediments. In general, it can be said that the combined use of principal component analysis, cluster analysis and multivariate regression There is an appropriate and acceptable efficiency step in estimating suspended sediments.
 

کلیدواژه‌ها [English]

  • Suspended sediment load
  • Regression
  • Horton coefficient
  • Soil erosion
  • پورعلی ح، متکان ع ا، و حسینی‏اصل ا. 1387. تهیه نقشه خطر فرسایش و تولید رسوب حوضه آبخیز سد دز با استفاده از سنجش از دور و GIS . علوم محیطی. 6 (1): 83-100.
  • تلوری ع. 1381 . رابطه رسوبدهی معلق با برخی از ویژگی های آّبخیز در سرشا خه های کرخه و دز در استان لرستان.  مجله پژوهش و سازندگی، شماره 56 .
  • تلوری ع،  بیرودیان ن، و منوچهری ا. 1386. مدل­سازی تغییرات زمانی رسوب، مطالعه موردی حوزه آبخیز گاران در استان کردستان. مجله پژوهش و سازندگی. 75: صص 64-70.
  • -ثقفیان ب، قرمزچشمه ب، و سمیعی م. 1385 . آنالیز منطقه­ای رسوب در حوزه­های منطقه جنوب غرب کشور، نتیجه گزارش طرح تحقیقاتی شرکت سهامی مدیریت منابع آب، 9 ص.
  • حکیم خانی ش. 1377.  ارائه مدل رگرسیونی چندمتغیره بر اساس عوامل موثر بر رسوبدهی معلق حوزه آبخیز دریاچه ارومیه. پایان نامه کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران. 200 صفحه.
  • رستمی م، اردشیر ع، ابریشم چی ا، مرادی م ح و عرب­خدری  م. 1381. پیش­بینی رسوب معلق حوزه­های فاقد آمار با مقایسه روشهای خوشه­بندی اماری و فازی، مجموعه مقالات ششمین سمینار بین المللی مهندسی رودخانه، ج اول، صفحات 9 تا 17، دانشگاه شهید چمران اهواز، 8 الی 10 بهمن.
  • رفاهی ح ق. 1385.  فرسایش آبی و کنترل آن. انتشارات دانشگاه تهران، چاپ پنجم، ۶۷۱ص.
  • صادقی س ح ر، نجفی د، وفاخواه. 1385. تحلیل منطقه ای برآورد رسوب معلق در حوضه اصفهان و سیرجان. تحقیقات منابع آب ایران زمستان 1385.
  • طالب بیدختی ن، شاهویی ص، بهنیا ع، بهبودی ف، صادقی س ح ر، ملک ع، شریفی ف.1382. فرهنگ تخصصی فرسایش و رسوب. انتشارات یونسکو، 388 ص.عرب­خدری م و زرگرا ا . 1374. برآورد تولید رسوب در بخش شمالی البرز با استفاده از مدلهای رگرسیونی، مجله پژوهش و سازندگی. شماره 29 ص 22.
  • غلامی ل، صادقی س ح ر، خالدی درویشان ع، تلوری ع. 1387. مدل­سازی رسوب ناشی از رگبارها با استفاده از متغیّرهای باران و روان­آب. مجله علوم و صنایع کشاورزی. 22(2)، صص 263-271.
  • مردیان م، نجفی­نژاد ع، مرادی م ، وروانی ج. 1389. کاربرد روش آنالیز ناحیه­ای در برآورد رسوب معلق سالانه (مطالعه موردی: حوضه سد کمال­صالح استان مرکزی). ششمین همایش ملّی علوم و مهندسی آبخیزداری دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرّس.
  • معظمی م، و فیض­نیا س. 1386. آنالیز ناحیه­ای رسوب معلق (مطالعه موردی رودخانه جراحی)، چهارمین همایش ملی علوم و مهندسی آبخیزداری ایران- مدیریت حوزه­های آبخیز. 13 ص.
  • وروانی ج.1380. آنالیز ناحیه ای رسوب معلق در حوزه آبخیز گرگانرود و بررسی وضعیت رسوبدهی سرشاخه های اصلی سد وشمگیر . پایان نامه کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران .203  صفحه.
  • وفاخواه . 1381. ارائه مدل ریاضی جهت برآورد رسوب در منطقه شمال، مجموعه مقالات ششمین سمینار بین المللی مهندسی رودخانه، ج اول، صفحات 9 تا 17، دانشگاه شهید چمران اهواز، 8 الی 10 بهمن.
  • Ares M.G., Varni  M., Chagas C., 2016: Suspended sediment concentration controlling factors: an analysis for the Argentine Pampas region. Hydrological Science Journal 61 (12): 2237-2248.  
  • Gellis A.C., 2013: Factors influencing storm-generated suspended-sediment concentrations and loads in four basins of contrasting land use, humid-tropical Puerto Rico. Catena 104:39–57.
  • Kumar A., Das G., 2000: Dynamic model of daily rainfall, runoff and sediment yield for a Himalayan watershed, Journal of Agricultural Research, 75(2): 189-193.
  • Lamb E., Toniolo H., 2016: Initial Quantification of Suspended Sediment Loads for Three Alaska North Slope Rivers. Water 419 (8): 2-11. 
  • Liu, X., Li, J., 2008: Application of SCS model in estimation of runoff from small watershed in loess plateau of China, Chinese Geographical Sciences, 18(3): 235–241
  • Sarangi A., Bhattacharya A. K., 2005: Comparison of artificial neural network and regression models for sediment loss prediction from Banha watershed in India, Agricultural Water Management, 78(3): 195–208.
  • Zhu X X., Zhou. L Y., 2007: Suspended sediment flux modeling with artificial neural network: An example of the Longchuanjiang River in the Upper Yangtze Catchment, China. Geomorphology 84: 111–125
  • Ziegler AD., Benner G., Tantasirin C., 2014: Turbidity-based sediment monitoring in northern Thailand: hysteresis, variability, and uncertainty. Journal of Hydrology 519: 2020–2039.