دوره 10، شماره 20 - ( پاییز و زمستان 1398 )                   جلد 10 شماره 20 صفحات 83-96 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Raeesi M, Najafinejad A, Azim Mohseni M. Investigation of Temporal Phenomena of Sediment Rating Curve and Comparison of it with the Some Statistical Methods for Estimating Suspended Sediment Load (Case Study: Gamasiab Watershed). jwmr. 2019; 10 (20) :83-96
URL: http://jwmr.sanru.ac.ir/article-1-616-fa.html
رئیسی مریم، نجفی نژاد علی، عظیم محسنی مجید. بررسی پدیده های زمانی منحنی سنجه رسوب و مقایسه آن با چند روش آماری برای برآورد بار رسوب معلق (مطالعه موردی: حوضه آبخیز گاماسیاب). پ‍‍ژوهشنامه مديريت حوزه آبخيز. 1398; 10 (20) :83-96

URL: http://jwmr.sanru.ac.ir/article-1-616-fa.html


دانشگاه لرستان
چکیده:   (506 مشاهده)

ماهیت متغیر و پیچیده بار رسوب رودخانه­ ها باعث شده است که برآورد میزان رسوب وارده به مخازن و تولید رسوب دراز مدت، برای تعیین عمر سازه­ ها با مشکل رو به رو شود. کاربرد منحنی­ های سنجه رسوب یکی از معمولی­ ترین روش ­های برآورد بار رسوبی معلق رودخانه­ هاست. صرف نظر از دقت اندازه گیری رسوب در نمونه­ برداری و سنجش غلظت نمونه ­ها و نیز اندازه­ گیری دبی متناظر آن و با توجه به تغییرات مکانی و زمانی رسوب معلق در عملیات اصلاح و مدیریت رودخانه، استخراج منحنی­ های سنجه رسوب یکی از مهم­ترین منابع عمده خطا در برآورد رسوب می باشند. از این رو، ارائه منحنی ­های پشتیبان زمانی برای منحنی سنجه رسوب که بر اساس آن بتوان دقت و صحت رفتار زمانی این منحنی را ارزیابی کرد، ضروری به نظر می­رسد. لذا، در این مطالعه، جهت بررسی تغییرات زمانی منحنی سنجه رسوب، منحنی­های پشتیبان زمانی منحنی سنجه رسوب به­ منظور بررسی تغییرات شیب منحنی و تغییرات سالیانه آن، معرفی شده ­اند. همچنین، در این مطالعه، برای برآورد بار رسوب معلق، نتیجه حاصل از روش منحنی سنجه رسوب با نتایج حاصل از چند روش آماری در سه ایستگاه هیدرومتری و رسوب سنجی در حوزه آبخیز گاماسیاب، مورد مقایسه و ارزیابی قرار گرفت. نتایج حاصل از اعتبار سنجی مدل­ ها، نشان داد که مدل سری زمانی تابع انتقال، به ­دلیل در نظر گرفتن پارامتر زمان، با مجموع مربعات خطای 00003/0 تن در روز، 24/3 تن در روز و 92/5 تن در روز، به ­ترتیب در ایستگاه ­های سنگ سوراخ، وسج و مرویل، در مقایسه با سایر مدل­ های به­ کار رفته در این مطالعه، از عملکرد بالاتری برخوردار است.
 

متن کامل [PDF 1568 kb]   (110 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فرسايش خاک و توليد رسوب
دریافت: 1395/2/8 | ویرایش نهایی: 1399/3/27 | پذیرش: 1398/7/17 | انتشار: 1398/10/24

فهرست منابع
1. 1. Achite, M. and S. Ouillon. 2007. Suspended sediment transport in a semiarid watershed, J. Hydro. 84: 3. 187-202. [DOI:10.1016/j.jhydrol.2007.06.026]
2. Angabini, S., H. Ahmadi, S. Feiznia, B. Motamed Vaziri and S. Ershadi. 2014. Using Intelligence Models to Estimate Suspended Sediment System Case Study: Jagin Dam. Bulletin of Environment, Pharmacology and Life Sciences, 3: 166-172.
3. Asselman, N.E.M. 2000. Fitting and interpretation of sediment rating curves. Journal of Hydrology, 234(4): 228-248. [DOI:10.1016/S0022-1694(00)00253-5]
4. Boukhrissa, Z.A., K. Khanchoul, Y. Le Bissonnais and M. Tourki. 2013. Prediction of sediment rating curve and neural network (ANN) in El Kebir catchment, Algeria. Indian Academy of Sciences, 5: 1303-1312. [DOI:10.1007/s12040-013-0347-2]
5. Bowerman, B.L. and R. O'Connel. 1993. Forecasting and Time Series: An Applied Approach, third edition. Amazon publication, 722 pp.
6. Crowder, D.W., M. Demissie and M. Markus. 2007. The accuracy of sediment loads when log-transformation produces nonlinear sediment load-discharge relationships. Journal of Hydrology, 336: 250-268. [DOI:10.1016/j.jhydrol.2006.12.024]
7. Dehghani, A.A., M.E. Zanganeh, A. Mosaedi and N. Kohestani. 2009. Comparison of Suspended Sediment Estimation by Artificial Neural Network and Sediment Rating Curve Methods (Case Study: Doogh River in Golestan Province). Journal of Agri. Sci. & Natur. Resour. 16: 1-12 (In Persian).
8. Demissie, M., Xia, R., Keefer, L., Bhowmik, N., 2004. The sediment budget of the Illinois river. Illinois State Water Survey, Contract Report 2004-13, Champaign, IL, 51pp.
9. Feiznia, S., F. Majdabadi Farahani, M. Mohseni Saravi and M. Arabkhedri. 2002. Evaluation of proper length of record for estimation of mean annual sediment yield and its relation with area, variation of annual sediment yield, climate, geology and vegetation cover. Journal of Agriculture Science and Natural Resources, 9(3): 3-16.
10. Ferguson, R.I. 1986. River loads underestimated by rating curves. Water Resources, 22: 74-76. [DOI:10.1029/WR022i001p00074]
11. Guzman, C.D., A.S. Tilahun, A.D. Zegeye and T.S. Steenhuis. 2013. Suspended sediment concentration- discharge relationships in the (sub-) humid Ethiopian highlands. Hydrology and System Sciences, 17: 1067- 1077. [DOI:10.5194/hess-17-1067-2013]
12. Khazaei Moghani, S. 2011. Temporal and Spatial Variations of Suspended Sediment in Gorganrood river. M.Sc. Thesis, Gorgan University of Agriculthral Sciences and Natural Resources, 112 pp (In Persian).
13. Melesse, A.M., S. Ahmad, M.E. McClaina, X. Wang and Y.H. Limd. 2011. Suspended sediment load predication of river systems: An artificial neural network approach. Agricultural Water Management, 98: 855-866. [DOI:10.1016/j.agwat.2010.12.012]
14. Memarian-Khalilabad, H., S. Feiznia and K. Zakikhani. 2009. Estimating river suspended sediment yield using MLP neural network in arid and semi-arid basins Case study: Bar River, Neyshaboor, Iran. Desert, 14: 43-52.
15. Mofid, H. and H. Mousavi Jahromi. 2008. Forecasting of sediment load and calibration of creation of reference stations of sediment estimation. Fourth of National Congress of Civil engineering. Tehran University, Iran, 8 pp (In Persian).
16. Morehead, M., J. Syvitski, E. Hutton and S. Peckham. 2003. Modeling the temporal variability in the flux of the sediment from ungauged river basins. Elsevier, 39: 95-110. [DOI:10.1016/S0921-8181(03)00019-5]
17. Mosaedi, A. 1998. Hydrological sizing of sediment reservoir system for irrigation and water supply. Ph.D. Thesis, Technical University of Budapest, Hungary, 200 pp.
18. Meshkani, M.R. and A. Meshkani. 1997. Stochastic modeling of the Caspian sea level fluctuations. Theoretical and Applied Climatology, 58: 189-195. [DOI:10.1007/BF00865019]
19. Rezapour, O.M., L.T. Shui and D. Bin Ahmad. 2010. Review of artificial neural network model for suspended sediment estimation. Australian Journal of Basic and Applied Sciences, 4(8): 3347-3353.
20. Stott, T. and N. Mount. 2006. Alpine proglacial suspended sediment dynamics in warm and cool ablation Seasons: Implications for global warming. Elsevier, 332: 259-270. [DOI:10.1016/j.jhydrol.2006.07.001]
21. Zhang, W., W. Xiaoyan, Z. Jinhai, Z. Yuliang and Z. Yanjin. 2012. Estimating suspended sediment loads in the Pearl River Delta region using sediment rating curves. Elsevier, 35-46. [DOI:10.1016/j.csr.2012.02.017]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb