دوره 11، شماره 22 - ( پاییز و زمستان 1399 )                   جلد 11 شماره 22 صفحات 142-154 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Babaei H, Zakermoshfegh M, Delavar M. Identifying Critical Sources and Evaluate the Best Management Practices to Control Nutrient Load of the Dez River Basin Using the SWAT Model. jwmr. 2020; 11 (22) :142-154
URL: http://jwmr.sanru.ac.ir/article-1-867-fa.html
بابایی هادی، ذاکرمشفق محمد، دلاور مجید. شناسایی مناطق بحرانی و ارزیابی بهترین راهکارهای مدیریتی در راستای کنترل بار مواد مغذی حوزه رودخانه ی دز با استفاده از مدل SWAT. پ‍‍ژوهشنامه مديريت حوزه آبخيز. 1399; 11 (22) :142-154

URL: http://jwmr.sanru.ac.ir/article-1-867-fa.html


گروه مهندسی آب، دانشگاه صنعتی جندی شاپور دزفول
چکیده:   (205 مشاهده)
   استفاده از بهترین راهکارهای مدیریتی (BMPs) روشی مناسب برای کنترل آلودگی در خروجی حوزه ­ها می­ باشد که البته اعمال این راهکارها مستلزم صرف هزینه است. به ­همین جهت اولویت­ بندی این راهکارها (بالاخص در مناطقی که با کمبود منابع مواجه است) برحسب میزان کاهش آلودگی، و اعمال آن­ها در مناطق بحرانی حوزه به کارایی و کفایت این روش­ها کمک شایانی خواهد کرد. در این تحقیق مدل مفهومی SWAT با استفاده از داده ­های بلندمدت هواشناسی، سد، مدیریتی کشاورزی و آبدهی رودخانه دز، به­ عنوان مدل شبیه ­ساز حوزه انتخاب شده است. نتایج واسنجی و صحت ­سنجی مدل SWAT بیانگر قابل اعتمادبودن این مدل جهت شبیه­ سازی حوزه­ ی آبریز دز می ­باشد. این نتایج برای دبی، فسفر کل و نیترات کاملاً رضایت­ بخش بوده ولی برای رسوب چندان مناسب نبوده است. همچنین تفکیک پارامترهای موثر بر متغیرها با توجه به زیرحوزه ­های موثر بر هر ایستگاه پایش بر روی کیفیت نتایج واسنجی و صحت ­سنجی ­مطلوب بوده است. بررسی نتایج واسنجی مدل در سال­های نرمال، ترسالی ­ها و خشکسالی­ ها حاکی از اعتماد بیشتر به نتایج مدل در ترسالی­ ها می ­باشد. شناسایی مناطق بحرانی نیز با روش شاخص تکی بر پایه ­ی میزان بار آلودگی تولیدشده منطقه و همچنین سه شاخص ترکیبی انجام شده است. در نهایت راهکار فیلتراسیون گیاهی موثرترین روش در کاهش عناصر وابسته به عنصر نیتروژن و راهکار افزایش قطر D50 ذرات نیز موثرترین روش در کاهش عناصر وابسته به عنصر فسفر می ­باشد. زیر حوزه ­ی پایین ­دست شهر دزفول که علاوه ­بر فعالیت­های کشاورزی عمده، پساب کارخانه نیشکر نیز به آن ریخته می ­شود به ­عنوان بحرانی­ ترین زیر حوزه شناسایی شده است.
متن کامل [PDF 1231 kb]   (41 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مديريت حوزه های آبخيز
دریافت: 1396/8/1 | ویرایش نهایی: 1399/12/13 | پذیرش: 1399/3/21 | انتشار: 1399/12/13

فهرست منابع
1. Abbaspour, K.C., J. Yang, I. Maximov, R. Siber, K. Bogner, J. Mieleitner, J. Zobrist and R. Srinivasan. 2007. Modelling hydrology and water quality in the pre‐alpine/alpine Thur watershed using SWAT. Journal of Hydrology, 333(2-4): 413-430. [DOI:10.1016/j.jhydrol.2006.09.014]
2. Abbaspour, K.C., E. Rouholahnejad, S. Vaghefi, R. Srinivasan, H. Yanga and C.V. Kløved. 2015. A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high resolution large-scale SWAT model. Journal of Hydrology, 524: 733-752. [DOI:10.1016/j.jhydrol.2015.03.027]
3. Alizadeh, A., A. Izady, K. Davary, A.N. Ziaei, S. Akhavan and Z. Hamidi. 2013. Estimation of actual evapotranspiration at regional-annual scale using SWAT. Iranian Journal of lrrigation and Drainage, 7: 243-258 (In Persian).
4. Arnold, J.G., R. Srinivasan, R.S. Muttiah and P.M. Allen. 1999. Large area hydrologic modeling and assessment Part I: Model development. Journal of the American Water Resources Association, 34(1): 37-89. [DOI:10.1111/j.1752-1688.1998.tb05961.x]
5. Ba, W., P. Du, T. Liu, A. Bao, X. Chen, J. Liu and C. Qin. 2020. Impacts of climate change and agricultural activities on water quality in the Lower Kaidu River Basin, China. Journal of Geographical Sciences, 30(1): 164-176. doi:10.1007/s11442-020-1721-z [DOI:10.1007/s11442-020-1721-z]
6. Benaman, J., C.A. Shoemaker and D.A. Haith. 2005. Calibration and validation of Soil and Water Assessment Tool on an agricultural watershed in upstate New York. Journal of Hydrologic Engineering, 10: 363-374. [DOI:10.1061/(ASCE)1084-0699(2005)10:5(363)]
7. Bauwe, A., K. Eckhardt and B. Lennartz. 2019. Predicting dissolved reactive phosphorus in tile-drained catchments using a modified SWAT model. Ecohydrology and Hydrobiology, 19(2): 198-209. [DOI:10.1016/j.ecohyd.2019.03.003]
8. Bouraoui, F., S. Benabdallah, A. Jrad and G. Bidoglio. 2005. Application of the SWAT model on the Medjerda River basin (Tunisia). Physics and Chemistry of the Earth, 30(8-10): 497-507. [DOI:10.1016/j.pce.2005.07.004]
9. Bracmort, K.S., M. Arabi, J.R. Frankenberger, B.A. Engel and J.G. Arnold. 2006. Modeling long‐term water quality impact of structural BMPs. Trans. ASABE, 49(2): 367-374. [DOI:10.13031/2013.20411]
10. Cao, Y., J. Zhang, M. Yang, X. Lei, B. Guo, L. Yang, Z. Zeng and J. Qu. 2018. Application of SWAT Model with CMADS Data to Estimate Hydrological Elements and Parameter Uncertainty Based on SUFI-2 Algorithm in the Lijiang River Basin, China. Water, 10: 742. doi:10.3390/w10060742. [DOI:10.3390/w10060742]
11. Chaplot, V., A. Saleh, D.B. Jaynes and J.G. Arnold. 2004. Predicting water, sediment, and NO3-N loads under scenarios of land‐use and management practices in a flat watershed. Water Air Soil Pollutant, 154(1-4): 271-293. [DOI:10.1023/B:WATE.0000022973.60928.30]
12. Chunn, D., M. Faramarzi, B. Smerdon and D.S. Alessi. 2019. Application of an Integrated SWAT-MODFLOW Model to Evaluate Potential Impacts of Climate Change and Water Withdrawals on Groundwater-Surface Water Interactions in West-Central Alberta. Water, 11: 110. [DOI:10.3390/w11010110]
13. Chu, T.W., A. Shirmohammadi, H. Montas and A. Sadeghi. 2004. Evaluation of the SWAT model's sediment and nutrient components in the Piedmont physiographic region of Maryland. Trans. ASAE, 47(5): 1523-1538. [DOI:10.13031/2013.17632]
14. Ficklin, D.L., Y. Luo and M. Zhang. 2012. Watershed modelling of hydrology and water quality in the Sacramento river watershed, California. Hydrological Processes, 27: 236-250. [DOI:10.1002/hyp.9222]
15. Gikas, G.D., T. Yiannakopoulou and V.A. Tsihrintzis. 2005. Modeling of nonpoint‐source pollution in a Mediterranean drainage basin. Environmental Modeling & Assessment., 11(3): 219-233. [DOI:10.1007/s10666-005-9017-3]
16. Huang, J., J.X. Lin and J. Wang. 2015. The precipitation driven correlation based mapping method (PCM) for identifying the critical source areas of non-point source pollution. Journal of Hydrology, 524:100-110. [DOI:10.1016/j.jhydrol.2015.02.011]
17. Huning, L.S. and S.A. Margulis. 2015. Watershed modeling applications with a modular physically-based and spatially-distributed watershed educational toolbox. Environmental Modeling and Software, 68: 5-69. [DOI:10.1016/j.envsoft.2015.02.008]
18. Kavian, A. and M. Mohammadi. 2019. Effects of Digital Elevation Models (DEM) Spatial Resolution on Hydrological Simulation. Journal of Watershed Management Research, 10(19): 36-45 (In Persian). [DOI:10.29252/jwmr.10.19.36]
19. Kiniry, J.R., J.R. Williams and K.W. King. 2011. Soil and Water Assessment Tool Theoretical Documentation. Version 2009, Center for Agricultural and Rural Development Iowa, Iowa, USA, 618 pp.
20. Laurent, F. and D. Ruelland. 2010. Assessing impacts of alternative land use and agricultural practices on nitrate. Journal of Hydrology, 409(1-2): 440-450. [DOI:10.1016/j.jhydrol.2011.08.041]
21. Liu, R., F. Xu, P. Zhang, W. Yu and C. Men. 2016. Identifying non-point source critical source areas based on multi-factors at a basin scale with SWAT. Journal of Hydrology, 533: 379-388. [DOI:10.1016/j.jhydrol.2015.12.024]
22. Mishra, A. and S. Kar. 2012. Modeling hydrologic processes and NPS pollution in a small watershed in subhumid subtropics using SWAT. Journal of Hydrologic Engineering, 10(1061): 445-454. [DOI:10.1061/(ASCE)HE.1943-5584.0000458]
23. Mohammadi, M., A. Kavian and L. Gholami. 2017. Simulation of Discharge and Nitrate in Tallar Basin using SWAT Model. Journal of Watershed Management Research, 8(15): 45-60 (In Persian). [DOI:10.29252/jwmr.8.15.45]
24. Moriasi, D.N., J.G. Arnold, M.W. Van Liew, R.L. Bingner, R.D. Harmel and T.L. Veith. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50: 885-900. [DOI:10.13031/2013.23153]
25. Nash, J.E. and J.V. Sutcliffe. 1970. River flow forecasting through cenceptual models 1. A discussion of priciples. Journal of Hydrology, 10(3): 282-290. [DOI:10.1016/0022-1694(70)90255-6]
26. Natha, S.B., J.D. Allan, D.M. Dolan, H. Han and R.P. Richards. 2011. Application of the Soil and Water Assessment Tool for six watersheds of Lake Erie: Model parameterization and calibration. Journal of Great Lakes Research, 37(2): 263-271. [DOI:10.1016/j.jglr.2011.03.004]
27. Naserabadi, F., A. Esmali Ouri, H. Akbari and R. Rostamian. 2016. River flow Simulation using SWAT Model (Case study: Ghareh Su River in Ardabil Province-Iran). Journal of Watershed Management Research, 7(13): 50-59 (In Persian). [DOI:10.18869/acadpub.jwmr.7.13.59]
28. Niraulaa, R., L. Kalinb, P. Srivastavac and C.J. Andersonb. 2013. Identifying critical source areas of nonpoint source pollution with SWAT and GWLF. Ecological Modelling, 268: 123-133. [DOI:10.1016/j.ecolmodel.2013.08.007]
29. Panagopoulos, Y., C. Makropoulos and M. Mimikou. 2012. Decision support for diffuse pollution management. Environmental Modelling and Software, 30: 57-70. [DOI:10.1016/j.envsoft.2011.11.006]
30. Panagopoulos, Y., C. Makropoulos and M. Mimikou. 2011. Reducing surface water pollution through the assessment of the cost-effectiveness of BMPs at different spatial scales. Journal of Environmental Management, 92(10): 2823-2835. [DOI:10.1016/j.jenvman.2011.06.035]
31. Pulighe, G., G. Bonati, M. Colangeli, L. Traverso, F. Lupia, F. Altobelli, A. Dalla Marta and M. Napoli. 2020. Predicting Streamflow and Nutrient Loadings in a Semi-Arid Mediterranean Watershed with Ephemeral Streams Using the WATModel. Agronomy, 10(1): 2. https://doi.org/10.3390/agronomy10010002 [DOI:10.3390/agronomy10010002.]
32. Pisinaras, V., C. Petalas, G.D. Gikas, A. Gemitzi and V.A. Tsihrintzis. 2009. Hydrological and water quality modeling in a medium-sized basin using the Soil and Water Assessment Tool (SWAT). Desalination, 250(1): 274-286. [DOI:10.1016/j.desal.2009.09.044]
33. Raihan, F., L.J. Beaumont, J. Maina, A. Saiful Islam and S.P. Harrison. 2019. Simulating streamflow in the Upper Halda Basin of southeastern Bangladesh using SWAT model. Hydrological Sciences Journal, 1-14. doi:10.1080/02626667.2019.1682149. [DOI:10.1080/02626667.2019.1682149]
34. Rooyan consulting Engineers. 2006. The comprehensive agricultural plan of khuzestan province. 8.
35. Saleh, A., J.G. Arnold, P.W. Gassman and L.W. Hauck. 2000. Application of SWAT for the Upper North Bosque river watershed. Trans. ASABE, 43(5): 1077-1087. [DOI:10.13031/2013.3000]
36. Santhi, C., R. Srinivasan, J.G. Arnold and J.R. Williams. 2006. A modeling approach to evaluate the impacts of water quality management plans implemented in a watershed in Texas. Environmental Modeling and Software, 21(8): 1141-1157. [DOI:10.1016/j.envsoft.2005.05.013]
37. Santhi, C., J.G. Arnold, J.R. Williams, L.M. Hauck and W.A. Dugas. 2001. Application of a watershed model to evaluate management effects on point and nonpoint source pollution. Transactions of the ASABE, 44(6): 1559-1570. [DOI:10.13031/2013.7041]
38. Shaikhzeinoddin, A., A.K. Esmaili and M. Noshadi. 2016. The effect of irrigation management and fertilization strategies on nitrogen losses using SWAT model. Journal of Water and Soil Science, 19 (74): 141-153 (In Persian). [DOI:10.18869/acadpub.jstnar.19.74.12]
39. Tian, Y.J., Z.R. Wang and X.X. Zhang. 2012. Development and in application of SWAT model. Journal of Anhui Agricultural Sciences, 6: 3480-3483.
40. Tolson, B.A. and C.A. Shoemaker. 2007. Cannonsville reservoir watershed SWAT2000 model development, calibration, and validation. Journal of Hedrology, 337(1-2): 68-86. [DOI:10.1016/j.jhydrol.2007.01.017]
41. West Larry World Water Day. 2006. A billion people worldwide lack safe drinking water. http://environment.about.com/od/environmentalevents/a/waterdayqa.htm.
42. Winchell, M.F., S. Folle and D. Meals. 2015. Using SWAT for sub-field identification of phosphorus critical source areas in a saturation excess runoff region. Hydrological Sciences Journal, 60: 844-862. [DOI:10.1080/02626667.2014.980262]
43. Zhang, X. and M. Zhang. 2012. Modeling effectiveness of agricultural BMPs to reduce sediment load and organophosphate pesticides in surface runoff. Science of the Total Environment, 409(10): 1949-1958. [DOI:10.1016/j.scitotenv.2011.02.012]
44. Zhao, F.Y. Wu, L. Qiu, Y. Sun, L. Sun, Q. Li, J. Niu and G. Wang. 2018. Parameter Uncertainty Analysis of the SWAT Model in a Mountain-Loess Transitional Watershed on the Chinese Loess Plateau. Water, 10: 690. [DOI:10.3390/w10060690]
45. Zhang, S., X. Hou, C. Wu and C. Zhang. 2019. Impacts of climate and planting structure changes on watershed runoff and nitrogen and phosphorus loss. Science of the Total Environment, 134489. doi:10.1016/j.scitotenv.2019.134489. [DOI:10.1016/j.scitotenv.2019.134489]

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

© 2021 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb